Zhemal Khamidun
Head of AI en Alpina Digital, CPO de AlpinaGPT. Fundador de Vibe Academy y Hamidun Consulting, autor del canal de IA «Готовим ИИшницу».
CToM enseña a un LLM a predecir la respuesta del usuario y eleva la precisión hasta el 79,6%
El método CToM hace que el modelo redacte un borrador, prediga la reacción del usuario y reescriba la respuesta. En matemáticas, la precisión subió del 74,1% al…
GeoSpatialBench evalúa MLLM en 28 tipos de relaciones espaciales en seis ciudades
El nuevo benchmark GeoSpatialBench revela una brecha: los MLLM rinden mejor con GeoJSON que con mapas en imagen y, al editar, incumplen con más frecuencia las…
RGR protege a los LLM de la pérdida de habilidades en la autodestilación mediante la geometría de las representaciones
RGR vigila la geometría de las representaciones ocultas y reduce la pérdida de habilidades en la autodestilación on-policy de LLM. Código en GitHub; compatible con…
MCTS pierde un 2,88% frente a reinicios aleatorios en planificación de DAG con el mismo presupuesto
Los autores de un artículo de arXiv encuentran cinco fallos en las métricas de fidelidad de la XAI
Tan Su Shan, CEO de DBS: el mercado sobrestima los riesgos de financiar la expansión de la IA
Bridge Data Centres, de Bain Capital, busca ampliar su crédito hasta $6,6 mil millones
El fracaso de la OPV de Firmus Grid borra más de 699 millones de dólares de la capitalización de Maas Group
Las acciones de Maas Group caen por quinto día consecutivo: tras el fracaso de la OPV de Firmus Grid y la rebaja de Jefferies, la empresa ha perdido más de 1.000…
Dongshan Precision prepara una salida a bolsa en Hong Kong de $2–3 mil millones
Suzhou Dongshan Precision sondea la demanda para cotizar en Hong Kong, una operación que podría recaudar entre $2 y $3 mil millones. Aún está en fase inicial.
SynAct enseña a los agentes LLM a pedir ayuda donde cambia el resultado: +11,7 p. p.
STAPLE añade miles de millones de parámetros a OLMo-2 y decodifica el doble de rápido que MoE
MisVisAgentBench: los gráficos engañosos reducen en 34 p.p. el éxito de los agentes web
Benchmark de modelos conversacionales: GPT Realtime y Gemini responden en casi todas las pausas
SWE-Duel: los agentes de programación se plantan bugs entre sí y GPT-5.5 corrige el 98,3%
El nuevo benchmark SWE-Duel genera las tareas durante la propia evaluación: dos agentes se turnan para esconder bugs y buscarlos. En un torneo de 1500 turnos lidera…
El reward hacking se transmite entre agentes de IA: los modelos débiles contagian a los fuertes
La estrategia para burlar las verificaciones que surge en un agente de código se propaga vía código, memoria compartida y planes. Hasta modelos abiertos pequeños…