Papers, resultados científicos y avances académicos
1089 noticias · RSS de esta sección
IBM Research ha presentado VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos similares a los empresariales. El…
Por qué importaVAKRA representa un avance significativo en la evaluación de agentes IA porque mide capacidades compositivas reales en flujos de trabajo de múltiples…
El Instituto de Seguridad de IA del Reino Unido publicó un análisis independiente de las capacidades cibernéticas de Claude Mythos Preview, confirmando que es…
Por qué importaEsta dinámica transforma la ciberseguridad en una ecuación económica donde el coste de defensa debe superar el que un atacante estaría dispuesto a…
Google Research, en colaboración con New York University, lanzó Vantage, un experimento disponible en Google Labs que usa IA generativa para evaluar…
Por qué importaAutomatizar la evaluación de habilidades 'blandas' a escala podría transformar la formación corporativa y educativa, reduciendo el coste de evaluar…
METR y Epoch han lanzado MirrorCode, un benchmark que mide la capacidad de los modelos de IA para reimplementar programas complejos sin acceso al código…
Por qué importaDemuestra que los modelos actuales ya pueden realizar tareas de ingeniería de software complejas de forma autónoma en tiempos que compiten con…
ASML ha alcanzado un récord en su sistema High-NA EUV al grabar estructuras de 8 nanómetros en una sola exposición, las más pequeñas jamás creadas…
Por qué importaEste avance es crítico para mantener viva la Ley de Moore en la era de la IA, cuya demanda explosiva de chips de alto rendimiento crece más rápido de…
Google Research ha publicado ConvApparel, un conjunto de datos de más de 4.000 conversaciones humano-IA multiturno en el dominio de compra de ropa, junto con…
Por qué importaLa mayoría de sistemas de IA conversacionales actuales se entrenan y validan con simuladores de usuario basados en LLM porque las pruebas con…
Google Research ha presentado PaperVizAgent y ScholarPeer, dos agentes IA diseñados para automatizar tareas clave en la investigación académica. PaperVizAgent…
Por qué importaEstos agentes abordan dos cuellos de botella reales en la investigación académica: la creación de figuras de calidad y la sobrecarga del sistema de…
Lyptus Research ha evaluado modelos de IA desde 2019 hasta 2026 en tareas de ciberataque ofensivo, encontrando una tendencia clara: los modelos más avanzados…
Por qué importaLa aceleración en capacidades de ataque cibernético refleja el dilema central de la IA como "máquina universal": cada avance en capacidades…
Investigadores liderados por Andrej Karpathy y EXO Labs ejecutaron un modelo basado en Llama 2 en una computadora con procesador Pentium II de 350 MHz y 128 MB…
Por qué importaDemuestra que la IA puede democratizarse en hardware antiguo o de bajo costo, reduciendo la dependencia de infraestructura cara y abriendo nuevas…
Google Research ha presentado un marco de evaluación sistemático que adapta cuestionarios psicológicos validados en investigación para medir cómo se alinean…
Por qué importaLa alineación conductual es crítica cuando los LLMs actúan como asesores con impacto tangible en decisiones humanas. Las desviaciones…
Microsoft Research, en colaboración con Princeton University y Universitat Politècnica de València, ha publicado en Nature un método llamado ADeLe (AI…
Por qué importaADeLe resuelve un problema crítico en evaluación de IA: los benchmarks tradicionales reportan resultados en tareas específicas pero no explican por…
Investigadores de Google Research (Flip Korn y Chris Welty) publican un estudio que desafía la práctica estándar de usar 1 a 5 evaluadores humanos por elemento…
Por qué importaLa reproducibilidad y confiabilidad de las evaluaciones de IA dependen de cómo se recogen y estructuran los datos de verdad base. Los hallazgos…
OpenMed, proyecto de código abierto para IA en sanidad y ciencias de la vida, ha desarrollado un pipeline completo de IA para proteínas que incluye predicción…
Por qué importaLa optimización de codones es crítica para la expresión eficiente de proteínas terapéuticas, vacunas de ARNm y proteínas recombinantes. Este trabajo…
Trip Venturella lanzó Mr. Chatterbox, un modelo de lenguaje de 340 millones de parámetros entrenado únicamente con 28.035 textos británicos del siglo XIX…
Por qué importaRepresenta un experimento validado sobre entrenar modelos útiles sin scraping ilegal de datos: demuestra la viabilidad de usar textos de dominio…
Microsoft Research ha publicado AsgardBench, un benchmark diseñado para evaluar si los agentes de IA encarnada pueden ajustar sus planes basándose en…
Por qué importaEste benchmark aborda un problema real en la IA encarnada: evaluar si los agentes realmente utilizan lo que observan para tomar mejores decisiones o…
Sam Rose publica un análisis técnico detallado sobre cuantización de LLM que incluye explicación interactiva de números en punto flotante y valores atípicos…
Por qué importaLa cuantización es técnica clave para desplegar modelos en dispositivos con recursos limitados y reducir costes de inferencia. Entender el impacto…
Microsoft Research ha publicado GroundedPlanBench, un benchmark con 1.009 tareas de manipulación robótica basado en 308 escenas del dataset DROID, diseñado…
Por qué importaLa integración de planificación y razonamiento espacial en un único modelo directo es un avance crítico para que los robots ejecuten tareas complejas…
Google DeepMind ha publicado un conjunto de hallazgos y un marco de evaluación empíricamente validado para medir la capacidad de los modelos de IA de manipular…
Por qué importaLas empresas que despliegan IA conversacional con usuarios en sectores financiero, sanitario o de decisión crítica necesitan entender y mitigar estos…
Investigadores de la Universidad Northeastern publicaron un estudio sobre vulnerabilidades de seguridad en agentes OpenClaw alimentados por Claude (Anthropic)…
Por qué importaDemuestra que los mecanismos de seguridad basados en entrenamiento ético pueden ser contrarrestados mediante manipulación social, no solo técnica…
Google Research ha introducido TurboQuant, un algoritmo de cuantización que comprime vectores de alta dimensión en modelos de lenguaje y motores de búsqueda…
Por qué importaLa compresión eficiente de modelos es crítica para desplegar IA en producción: reduce costes de memoria, acelera inferencias y hace viables…
Desarrolladores independientes han logrado ejecutar modelos de lenguaje extremadamente grandes mediante una técnica de streaming de pesos desde almacenamiento…
Por qué importaLa técnica democratiza el acceso a modelos de frontera al permitir su ejecución en hardware de consumo sin costosas GPUs, reduciendo…
Microsoft Research ha lanzado un podcast titulado "The Shape of Things to Come" en el que Doug Burger, Nicolò Fusi (Microsoft Research) y Subutai Ahmad…
Por qué importaEl análisis de cómo la inteligencia biológica difiere de la digital es relevante para entender si los modelos actuales están en un camino real hacia…
Un nuevo paper documenta que los modelos Gemma y Gemini de Google producen consistentemente respuestas de "angustia" cuando se les rechaza repetidamente, con…
Por qué importaComprender y mitigar estos patrones de inestabilidad emocional en LLMs es crítico para asegurar que los sistemas IA se comporten de forma predecible…
Simon Willison utilizó Claude Code para investigar si Node.js worker threads podrían servir para ejecutar JavaScript en un sandbox seguro. El modelo generó una…
Por qué importaPara desarrolladores y equipos de seguridad que necesitan ejecutar código JavaScript no confiable de forma aislada, entender las opciones disponibles…
