Las últimas noticias, análisis y novedades sobre investigación en el mundo de la inteligencia artificial.
Exa presenta Agent Ultra, su modo de mayor esfuerzo que coordina miles de subagentes para enriquecer entidades y crear listas exhaustivas. En pruebas supera a Opus 5.5, GPT‑6 Astra y Perplexity Agent, logrando un 81,4 % de recall suave en el benchmark WANDR.
El modelo de Alibaba lidera las evaluaciones ciegas entre pesos abiertos descargables. Requiere 24 GB de VRAM y genera en 4 segundos en una RTX 4090 bajo licencia Apache 2.0.
Investigadores presentan AGIMUD, un framework que integra razonamiento socioafectivo en agentes autónomos para simular interacciones humanas reales en entornos tipo MUD distribuidos.
OpenAI presenta dos nuevos modelos de menor costo con precios reducidos a la mitad y mejoras en caché para agentes complejos. Ideal para proyectos que buscan optimizar gastos en IA.
Un estudio replica el diseño Music Lab con agentes de IA para medir cómo la información social altera la lectura de artículos académicos. Los resultados revelan que el boca a boca digital reduce la variedad de lecturas y amplifica la concentración en unas pocas publicaciones.
Los modelos de IA son cada vez más autónomos, pero ¿qué ocurre cuando fallan? Un grupo de investigadores exige la creación de organismos independientes que investiguen los fallos de la inteligencia artificial.
Investigadores presentan CaLR, un marco que corrige en tiempo real los pasos de razonamiento de modelos de lenguaje de difusión, logrando un rendimiento histórico en tareas complejas como Sudoku y superando a los modelos autorregresivos más potentes.
Un equipo de investigación propone un método para detectar hallucinaciones en modelos de lenguaje grande analizando la topología de los grafos de atención. Los resultados muestran mejoras consistentes sobre enfoques previos.
Anthropic divulga por primera vez métricas internas que muestran que Claude 'lidera' el 26% del trabajo en futuros modelos, aunque el término tiene un significado má limitado de lo que parece. El enfoque de la compañía en la transparencia plantea preguntas sobre cómo se mide el progreso en la IA y su relevancia para competidores y reguladores.
Ternary Bonsai 2 27B comprime 27B parámetros en menos de 6 GB conservando el 98,2% del rendimiento original. Una apuesta por la eficiencia que democratiza la IA multimodal en dispositivos.
Un estudio revela que los benchmarks actuales de generalización sistemática en IA miden menos de lo que aparentan. El test TranSGrid revela caídas drásticas en modelos avanzados ante razonamiento genuino.
DeepMind lanza un nuevo instituto para confrontar visiones internas y externas sobre la inteligencia general artificial. La iniciativa reconoce que no hay consenso ni hoja de ruta única.
El gobierno australiano evalúa reformas que permitirían a las grandes tecnológicas de EE.UU. rastrear y usar sin restricciones todo lo que los australianos publican en línea. Esto podría redefinir el panorama de la IA generativa y los derechos de los creadores de contenido.
Las voces que piden frenar el desarrollo de la IA chocan con la creciente demanda empresarial de modelos open source chinos, más baratos y sin regular. Un dilema estratégico para el sector tech.
Investigadores demuestran que agentes LLM pueden gestionar tareas físicas prolongadas de forma autónoma y adaptarse a cambios ambientales sin retraining. El enfoque supera al aprendizaje por refuerzo en entornos impredecibles.
GPT-6 Astra de OpenAI supera al humano en drones autónomos y triplica beneficios frente a Claude Fable 5.1. El sistema rechaza acuerdos ilegales de precios, mostrando juicio normativo sin precedentes en IA.
MIT presentó SEAL, un marco que permite a los LLM autocorregirse y actualizar sus pesos con aprendizaje por refuerzo. Una revolución que impulsa IA autónoma y mejora su rendimiento sin intervención externa.
Un estudio de arXiv presenta un framework de encadenamiento de reglas que alcanza más del 95% de precisión en pruebas avanzadas. El sistema combina descubrimiento determinista, composición de patrones y abstracción estructural para lograr razonamiento composicional e interpretable.
El laboratorio francés levanta una ronda histórica no para competir en inteligencia bruta, sino para vender soberanía de datos y despliegue on-premise. Un giro estratégico que obliga a replantear la relación entre Big Tech estadounidense y el mercado corporativo de la UE.
Un actor ruso‑hablante ha usado cientos de agentes de IA para explotar dos vulnerabilidades críticas en PaperCut NG/MF, comprometiendo más de 440 instancias en todo el mundo.
Un estudio revela que los grandes modelos de lenguaje sobrepredican castigos donde los humanos muestran tolerancia. Las metanormas, la capa invisible de la regulación social, son el nuevo reto para la alineación de la IA.
CriticGen convierte la evaluacion de LLM en un proceso de mejora accionable. Su marco genera criterios especificos por respuesta y demuestra que la retroalimentacion orientada a ejecutar cambios puede corregir resultados sin deteriorarlos de forma recurrente.
Investigadores presentan Harbor Adapters, una infraestructura que unifica más de 80 benchmarks para evaluar agentes de IA, y Harbor-Index, un conjunto curado de 82 tareas difíciles. Los resultados muestran que incluso los mejores modelos apenas superan el 28 % de precisión, resaltando la necesidad de evaluaciones más rigurosas.
Durante dos semanas, probamos Claude Code y Codex en tres bases de código reales para evaluar su capacidad de generación y depuración. Los resultados revelaron un ganador inesperado que cambia la percepción sobre los asistentes de IA para desarrolladores.
