Hogar
Apple presenta RubiCap AI para la descripción de imágenes en medio de las preocupaciones sobre su rendimiento
En el campo de la visión artificial, lograr que la IA observe y describa cada detalle de una imagen con una precisión similar a la humana ha sido durante mucho tiempo un reto fundamental. Recientemente, Apple, en colaboración con la Universidad de Wisconsin-Madison, ha presentado oficialmente un novedoso marco de entrenamiento de IA denominado RubiCap .
Este marco está diseñado específicamente para la «descripción densa de imágenes», con el objetivo de capacitar a la IA para captar y expresar con precisión detalles muy específicos —como «una manzana roja sobre la mesa de madera» o «un peatón en la distancia»— en lugar de ofrecer solo resúmenes genéricos.

Aprendizaje por refuerzo con gran impacto: Qwen2.5 actúa como «árbitro»
La generación de subtítulos de imágenes tradicional suele depender de costosas anotaciones humanas o de grandes modelos propensos a la alucinación, lo que da lugar a una calidad de datos inconsistente. El equipo de investigación de Apple abordó este problema con un innovador enfoque de aprendizaje por refuerzo. El sistema utiliza primero GPT-4 y Gemini 1.5 Pro para generar descripciones candidatas. A continuación, Gemini 1.5 Pro refina los criterios de puntuación, mientras que el modelo Qwen2.5 actúa como árbitro, proporcionando puntuaciones y comentarios.
Esta retroalimentación estructurada y precisa permite al modelo de entrenamiento identificar y corregir claramente los errores, logrando una mayor precisión descriptiva incluso con un menor número de parámetros.
La ventaja del modelo compacto: las tasas de alucinación más bajas superan a los modelos de un billón de parámetros
Los modelos de la serie RubiCap (que van de 2 000 a 7 000 millones de parámetros) entrenados en este marco demostraron una eficiencia excepcional en las evaluaciones. Los datos experimentales revelan que el modelo RubiCap de 7000 millones de parámetros obtuvo las mejores puntuaciones en pruebas a ciegas, con una tasa de error de alucinaciones inferior a la de un modelo grande líder de 720 000 millones de parámetros. Sorprendentemente, la versión mini de 3000 millones de parámetros superó incluso a su homólogo de 7000 millones de parámetros en ciertas métricas.
Artículo relacionado
Las gafas inteligentes de Apple podrían debutar en la WWDC27, destacando la protección de la privacidad
El informe de Mark Gurman de Bloomberg indica que las gafas inteligentes de Apple, con el nombre en código N50, están previstas para su presentación en la WWDC27 de junio de 2027, con un lanzamiento al público previsto para el otoño de 2027. Original
Dentro de los detalles revelados sobre el Gemini de próxima generación: Potencia de cálculo limitada, los equipos internos discreparon sobre las prioridades de desarrollo y la asignación de recursos
Los informes indican que el lanzamiento del tan esperado modelo Gemini de próxima generación de Google ha sido pospuesto. Los desacuerdos internos sobre las prioridades de desarrollo y la asignación de recursos, combinados con una capacidad de comput
OpenAI descarta preocupaciones por la desaceleración del crecimiento y afirma que múltiples unidades de negocio están acelerando
En respuesta a la escrutinio externo sobre el desaceleramiento del crecimiento de las ventas y el incumplimiento de las metas internas, el líder en inteligencia artificial, OpenAI, emitió una declaración contundente el martes 28 de abril. La empresa
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
En el campo de la visión artificial, lograr que la IA observe y describa cada detalle de una imagen con una precisión similar a la humana ha sido durante mucho tiempo un reto fundamental. Recientemente, Apple, en colaboración con la Universidad de Wisconsin-Madison, ha presentado oficialmente un novedoso marco de entrenamiento de IA denominado
Este marco está diseñado específicamente para la «descripción densa de imágenes», con el objetivo de capacitar a la IA para captar y expresar con precisión detalles muy específicos —como «una manzana roja sobre la mesa de madera» o «un peatón en la distancia»— en lugar de ofrecer solo resúmenes genéricos.

Aprendizaje por refuerzo con gran impacto: Qwen2.5 actúa como «árbitro»
La generación de subtítulos de imágenes tradicional suele depender de costosas anotaciones humanas o de grandes modelos propensos a la alucinación, lo que da lugar a una calidad de datos inconsistente. El equipo de investigación de Apple abordó este problema con un innovador enfoque de aprendizaje por refuerzo. El sistema utiliza primero GPT-4 y Gemini 1.5 Pro para generar descripciones candidatas. A continuación, Gemini 1.5 Pro refina los criterios de puntuación, mientras que el modelo Qwen2.5 actúa como árbitro, proporcionando puntuaciones y comentarios.
Esta retroalimentación estructurada y precisa permite al modelo de entrenamiento identificar y corregir claramente los errores, logrando una mayor precisión descriptiva incluso con un menor número de parámetros.
La ventaja del modelo compacto: las tasas de alucinación más bajas superan a los modelos de un billón de parámetros
Los modelos de la serie RubiCap (que van de 2 000 a 7 000 millones de parámetros) entrenados en este marco demostraron una eficiencia excepcional en las evaluaciones. Los datos experimentales revelan que el modelo RubiCap de 7000 millones de parámetros obtuvo las mejores puntuaciones en pruebas a ciegas, con una tasa de error de alucinaciones inferior a la de un modelo grande líder de 720 000 millones de parámetros. Sorprendentemente, la versión mini de 3000 millones de parámetros superó incluso a su homólogo de 7000 millones de parámetros en ciertas métricas.
Las gafas inteligentes de Apple podrían debutar en la WWDC27, destacando la protección de la privacidad
El informe de Mark Gurman de Bloomberg indica que las gafas inteligentes de Apple, con el nombre en código N50, están previstas para su presentación en la WWDC27 de junio de 2027, con un lanzamiento al público previsto para el otoño de 2027. Original
Dentro de los detalles revelados sobre el Gemini de próxima generación: Potencia de cálculo limitada, los equipos internos discreparon sobre las prioridades de desarrollo y la asignación de recursos
Los informes indican que el lanzamiento del tan esperado modelo Gemini de próxima generación de Google ha sido pospuesto. Los desacuerdos internos sobre las prioridades de desarrollo y la asignación de recursos, combinados con una capacidad de comput
OpenAI descarta preocupaciones por la desaceleración del crecimiento y afirma que múltiples unidades de negocio están acelerando
En respuesta a la escrutinio externo sobre el desaceleramiento del crecimiento de las ventas y el incumplimiento de las metas internas, el líder en inteligencia artificial, OpenAI, emitió una declaración contundente el martes 28 de abril. La empresa











