2026
10.781 artículos · 136 días · 10 categorías · promedio 79 por día
Investigadores publican el dataset AVID: en el 68,1% de los objetivos, el lado del recuadro mide solo 8–16 píxeles
Benchmark KU-PCPE: los modelos localizan las zonas clave de la composición con un Dice de 0,664; el experto, con 0,867
DeepSeek publica el prototipo de Super-agent: el p95 del tiempo de tarea baja de 29,5 a 15,7 minutos
El módulo de difusión TADR eleva el F1 de un detector de anomalías en SMD cuando se pierden bloques de datos
El módulo de difusión TADR reconstruye bloques de datos de sensores perdidos sin borrar las anomalías: sube el F1 del detector en SMD y funciona en un solo núcleo…
Un agente LLM montó un reductor en KOMPAS-3D, pero la lista de materiales sacó 50 puntos de 100
El plugin kompas-mcp da a un agente LLM acceso a KOMPAS-3D: construyó un reductor y su documentación de diseño. En un benchmark propio, las tareas 3D logran 88–100…
HyperRepair devuelve a los LLM ajustados el 93,4% de sus habilidades generales y conserva el 99,5% de la puntuación en el dominio
Investigadores de Shanghái y Queensland reparan las habilidades generales olvidadas por modelos LoRA sin datos del dominio objetivo: una hiperred genera en una sola…
El autor de un juego de terror AR basado en «Viy» creó 12 monstruos con Tripo AI y redujo al Diablo a 7 880 triángulos
Claude Opus 5 construyó baselines simples que cubrieron el 95,5% de la brecha con los modelos DL de Nature y Science
Los steering vectors mejoran el SFT y la destilación de LLM con tres seeds
FieldGuideRAG compara la foto con referencias en un grafo y supera a SigLIP hasta en 16 puntos de precisión
La recompensa CoFiBreak enseñó a un LLM atacante a probar distintos jailbreaks sin perder ASR@10
CoFiBreak, una recompensa para GRPO, evita que el atacante caiga en prompts idénticos y mantiene el ASR@10 (intenciones con éxito en 10 intentos), también en…
Gemma-3-12b detecta peor las mentiras en RAG: la tasa de detección cae del 25% al 10%
Si la afirmación envenenada se repite en seis de siete documentos, Gemma-3-12b detecta la sustitución en el 10% de los casos, frente al 25% cuando aparece una sola…
Qwen3-VL-4B mejora 18,33 p. p. de precisión en Drone-PUR tras un ajuste fino con imágenes de drones
Ocho LLM pierden un 35–46% de calibración de estrategia en la generación libre
Desactivar 729 cabezas de atención en GPT-2-XL redujo un 91,5% la memorización literal
BILAL-Bench: seis de siete modelos abiertos inventan fuentes con seguridad en el 79–95% de los casos
NVIDIA lanza Nemotron 3.5 Bolt E4B: 4 GB de memoria y 133 tokens por segundo en una RTX 5070
EDU-Jev 4B puntúa trabajos de estudiantes con una precisión del 67,6% y supera a las API comerciales en 9,4 p. p.
ASTC comprime el contexto del agente sin entrenamiento y reduce los Attention Pairs un 50,68 %
La corrección DLC mantuvo el KL respecto al entrenamiento on-policy de Qwen3 dentro de dos umbrales de ruido
Los autores dividen el desajuste entre muestreador y entrenador en RL para LLM en dos causas. DLC mantiene el KL respecto al on-policy dentro de dos umbrales de…
PathoJev-27B supera a SlideChat en 6,3 pp. de precisión media en tres pruebas WSI
PathoJev codifica un slide histológico una sola vez y devuelve directamente las probabilidades de las respuestas. En tres benchmarks WSI supera a SlideChat en 5,4…
Cosmos generó vídeo de entrenamiento para drones: el mAP@50–95 del detector subió un 10,3%
Desde nueve fotogramas reales, investigadores de Ohio elevaron un 10,3% el mAP@50–95 de un detector de drones. El experto descartó el 87,5% de los clips, pero sale…
Faros: en los equipos con agentes de IA, el tiempo mediano de revisión de código ha subido un 441%
La etiqueta «sin documentos gold» pasó de una precisión de 0,68 a 0,10 con retrievers potentes
TJ Digital: el 23% de las páginas que cita la IA empiezan con una respuesta directa, frente al 14% de las que no cita
Karpathy montó en dos horas un clon de YouTube con 6454 vídeos recomendados en Hacker News
Karpathy usó Claude para crear HackerTube, con 6454 vídeos recomendados en Hacker News
Andrej Karpathy encargó a Claude una alternativa a YouTube con los vídeos recomendados en Hacker News desde 2007. El resultado, HackerTube, reúne 6454 vídeos en 150…
Arca encarga a agentes de IA tareas financieras de hasta 10 días y deja las operaciones en manos de personas
Arca, que gestiona el capital de sus clientes, ejecuta tareas de varios días con agentes que tienen memoria y arnés propios; operaciones y transferencias quedan en…
DeepSeek abre el código del prototipo Super-agent: p95 de ejecución de 15,7 min frente a 29,5
El creador de Bun migra 750 mil líneas de Zig a Rust en 11 días con Claude Code
Microsoft lanza Mage-VL-Cowork, un modelo de 4B que resuelve el 66,0% de las tareas de OSWorld-Verified
El asistente Muse de Meta mantiene dosieres de las personas cercanas y obtiene root en Ubuntu por defecto
Reúnen 8 Skills de vídeo para Claude Code: de 244 efectos de píxeles al montaje
El autor @DDJCXX reunió 8 Skills para Claude Code: 244 efectos de píxeles, promos de 30 segundos, historias con voz y montaje preliminar en DaVinci. El líder suma…
El ruido adaptativo en el sampler SDE de Flux 3 Klein mejoró la textura solo un 1–2%
Un autor de Habr probó si el sampler puede elegir el ruido según la curvatura y el error del solver. En Flux 3 Klein la textura mejora solo 1–2%; las personas no lo…
Los modelos locales pierden ante Opus y Codex: 0,21 puntos en un MacBook frente a 1,00 de Codex
Un autor de Habr ejecutó una misma tarea con trampas en la nube, en un MacBook, en un portátil con RTX 5080 y en un DGX Spark: Codex obtuvo 1,00 y el mejor modelo…
Un autor de Habr ajusta YOLOv8l con radiografías dentales y lleva el mAP50 a 0,642
Prueba de 16 modelos en 7 buscadores: Exa obtuvo una media de 10,5 puntos de 14; SearXNG, en torno a 3
Kimi logra un 96,2 % en un test de analítica sobre una base de 1C y se perfila como plan B ante un bloqueo de Claude
