11 notas publicadas
El NASA-IBM Lunar Foundation Model se entrenó con casi 2 millones de bloques de imágenes y datos de 17 años del Lunar Reconnaissance Orbiter.
El Consistency Analyzer encuentra los pasos donde el modelo quedó a un token de decidir otra cosa, y las guías que genera bajan la brecha de 24,4 a 12 puntos.
El procesador de 2 nm llevará 11 núcleos sobre 5,7 GHz que ejecutan z/Architecture y AArch64 sin emulación, y llegó junto a una tanda de anuncios ARM en la conferencia Hot Chips.
El equipo es un IBM Quantum System Two con procesador Nighthawk y llega por un acuerdo de compensación industrial con la oficina federal suiza de compras de defensa.
El NASA-IBM Lunar Foundation Model se entrenó con cerca de 2 millones de mosaicos del Lunar Reconnaissance Orbiter y quedó publicado en Hugging Face y GitHub.
El NASA-IBM Lunar Foundation Model está disponible en Hugging Face y combina más de 30 capas alineadas espacialmente, con datos de nueve instrumentos de cuatro misiones.
El modelo fundacional de series de tiempo suma 385 millones de parámetros, contexto de 8.192 pasos y pronóstico probabilístico de 99 cuantiles.
El experimento, junto a la Universidad de Chicago, completó en unos 15 minutos un cálculo fuera del alcance práctico de la simulación clásica y permite comprobar que el resultado es confiable.
La familia llega en tamaños de 3.000, 8.000 y 30.000 millones de parámetros, con ventana de contexto de hasta 512.000 tokens y modos de razonamiento conmutables.
Respaldada por USD 2.013 millones en fondos federales y privados, la nueva firma operará un fab de obleas de 300mm en Albany abierto a competidores.
Otros temas que aparecen junto a #ibm en nuestra cobertura editorial.
