{"ok":true,"nota":{"id":"534ff42130eab64f","slug":"un-metodo-de-prediccion-privada-aprende-de-expertos-con-pocas-perdidas-534ff4","titulo":"Un método de predicción privada aprende de expertos con pocas pérdidas sin filtrar datos","resumen":"Los autores presentan un algoritmo que toma decisiones en tiempo real siguiendo a varios expertos y protege la información privada de los datos usados. Demuestran matemáticamente que el costo de proteger la privacidad es bajo cuando los errores son pequeños.","fuente":"arxiv-ia","fuenteNombre":"arXiv · Inteligencia artificial","color":"#b31b1b","autor":"Bo Li","url":"https://arxiv.org/abs/2610.29575v1","imagen":"/hoy/portada/534ff42130eab64f","tema":"tecnologia","subtemas":["privacidad de datos","aprendizaje en línea","algoritmos","predicción","protección de información personal"],"entidades":["arXiv"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-21T11:18:45.000Z","indexTs":"2026-10-22T01:26:57.324Z","hash":"725f93016569a27ac9f9172b2f7e933fc02bc2f79f3e2b50836e83af7df1baa3","tsa":{"time":"Oct 22 01:27:21 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"normal","registro":"hallazgo","porQueImporta":"Cada vez que un sistema aprende de datos personales, como historiales de compra o de salud, aparece el riesgo de que esa información se filtre. Este trabajo muestra que se puede predecir bien sin exponer esos datos, siempre que el sistema se equivoque poco. La cuestión abierta es si estas garantías matemáticas se traducen en aplicaciones que sean prácticas y rápidas para usar en el mundo real.","quienFirma":"arXiv (preprint de la comunidad de inteligencia artificial)","confianza":"preprint","consulta":null},"sello":{"hash":"725f93016569a27ac9f9172b2f7e933fc02bc2f79f3e2b50836e83af7df1baa3","sello":"63797a4f35af800518702193f90883b562a6720e7eb7abe2bd12b5f2b756d8f6","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6573380,"aleatorio":"11ba6c5bb57502609594927e204a4f67f683f59741b7af2221c5c65bd35fecb7","tiempo":"2026-10-22T01:27:00.000Z"},"nist":{"cadena":2,"pulso":1993895,"salida":"62B96B0927802BE75B399CDF08D08A8395C7E3EB73D6D6F812775826294869741784CF9F88820212B6FC40BEA39163078193EBCD31970D3A9CB17AEF8955A7CD","tiempo":"2026-10-22T01:26:00.000Z"},"noAntes":"2026-10-22T01:27:00.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 22 01:27:21 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"Private Online Prediction from Experts with Small Losses","descripcion":"","pubDate":"2026-10-21T11:18:45Z","url":"https://arxiv.org/abs/2610.29575v1"},"indexado":"2026-10-22T01:26:57.324Z"}}