El modelo Xiaomi-Lens-0, que crea máscaras que marcan regiones de la imagen, pasa a la ruta MultiheadAttention cuando no hay flash-attn instalado. Al recibir una máscara, esa ruta creaba una matriz de tamaño 16 cabezas × el cuadrado del número de parches.
Según las mediciones del autor, para una imagen de 3 megapíxeles, el pico adicional de VRAM en el paso de la máscara fue de 18.02GB en la ruta original y de 2.28GB en la ruta SDPA. El entorno de prueba fue RTX 5090 32GB, Windows 11, sin flash-attn instalado.
La documentación de PyTorch indica que se usa una ruta optimizada cuando need_weights=False. Sin embargo, al revisar el código fuente CUDA, el autor vio que con una máscara no se entraba en esa ruta. En el perfilado de CPU, la misma capa en modo de entrenamiento usaba SDPA, por lo que el problema solo se reprodujo en la inferencia eval.
El autor informó que, en una comparación de 6 muestras, los tokens y las cajas coincidieron, y que el IoU de las máscaras estuvo entre 0.9976 y 0.9998. Es una comparación limitada, no una evaluación completa de calidad.
En una función de integración con un servicio externo, un equipo se encargaba de definir los requisitos y el equipo vecino de la implementación. El autor explica que no había nadie en condiciones de juzgar si los requisitos eran viables ni cuánto esfuerzo supondrían, por lo que el trabajo iba y venía repetidamente entre ambos equipos.
El autor señala que las peticiones abstractas de cambiar el reparto de tareas entre equipos siempre terminaban en que era prácticamente difícil. Como respuesta, creó un mapa de límites de responsabilidad de una página que mostraba el responsable de cada etapa y lo llevó a una reunión.
En el diagrama, los ingenieros reúnen materiales para la investigación previa y los entregan a un product manager (PdM, el rol que define la dirección y las prioridades de una función). El PdM decide la definición de requisitos, y los ingenieros se encargan del diseño. El autor afirma que, después de usar este diagrama, la reunión pasó a una discusión concreta sobre revisiones. El texto original no indica que el efecto se haya medido numéricamente.
En la reunión surgieron dos objeciones. Una era que el equipo que recibiría el trabajo no tenía personal disponible. La otra era que el conocimiento necesario para la investigación y los requisitos seguía en el antiguo equipo. El autor dice que las trató por separado del debate sobre el reparto de responsabilidades.
Ya está disponible en beta un asistente de IA en Pages, Keynote y Numbers para ayudar con borradores de documentos, diapositivas y trabajo con tablas. Según el texto original, solo pueden usarlo los suscriptores de Apple Creator Studio, aunque las tres apps en sí son gratuitas.
El texto original indica que en Pages se pueden redactar borradores, ajustar el tono, generar imágenes y formas, y buscar información reciente antes de insertarla en un documento. Keynote ayuda a crear diapositivas, notas del presentador y animaciones, y Numbers ayuda con sugerencias de gráficos, escritura de fórmulas y generación de tablas.
La suscripción cuesta 12.99 dólares al mes o 129 dólares al año, y los nuevos suscriptores obtienen una prueba gratuita de 1 meses. La suscripción también incluye Final Cut Pro, Logic Pro y Pixelmator Pro.
Justo después de la actualización, las tres apps desaparecieron durante un tiempo de las App Store de iOS y Mac. El texto original señala que todavía no está claro si la eliminación fue intencionada o un error.
Mahanine es un software exclusivo para ingeniería civil. Los equipos de topografía escanean carreteras, tuberías y obras con equipos y suben datos de 3 dimensiones. El software traslada automáticamente a los planos elementos como bordillos, señales, postes de servicios, marcas de carril y cables eléctricos. Los usuarios revisan los resultados, los corrigen y luego los confirman.
La empresa afirma que este método es hasta 10 veces más rápido que el trabajo manual existente, cuesta aproximadamente 1 de cada 5 y ofrece precisión de nivel centímetro. Se trata de una afirmación de la empresa y no de una cifra verificada de forma independiente.
El producto está actualmente en una beta privada, y unos 100 clientes lo han usado en más de 2,500 proyectos. Entre los clientes figuran empresas de ingeniería civil como WSP, HNTB y NV5, así como agencias de transporte como Caltrans y el departamento de transporte de Minnesota.
Esta ronda Serie A de 34 millones de dólares fue liderada conjuntamente por First Round Capital y Bessemer Venture Partners, y la financiación total acumulada alcanza 49 millones de dólares. La empresa fue fundada en 2021 por investigadores de la Universidad Carnegie Mellon y pasó de un negocio inicial de hardware al software.