2026
10.781 artículos · 136 días · 10 categorías · promedio 79 por día
Auditoría de POPE: la elección de los tokens «yes/no» desplaza el F1 de LLaVA-1.5 en 6,13 puntos
Refinamiento paralelo en lugar de difusión: los DRLM alcanzan 93,9% en Sudoku-Extreme
TokenWorth enseña a los agentes de IA a olvidar: el mejor resultado en tres entornos con el mínimo de tokens
Ropedia W0 se entrenó con 10 mil horas de vídeo de personas y 3 mil horas de robots
Ropedia W0 es una world model para caminar y manipular objetos, tanto en humanos como en robots. Tras la destilación, genera predicciones de un minuto en tiempo…
Anthropic: los perfiles junior pasan del 27% al 9% de las contrataciones y las horas de los agentes multiplican por 6 las de las personas
Anthropic analiza su propio empleo: los junior pasaron del 27% al 9% de las contrataciones técnicas y las horas de los agentes interactivos ya superan 6 veces a las…
TokenGate acelera el prefill en LLM hasta 11,3 veces gracias a la poda entrenable de tokens
Liana Patel, Rishabh Ranjan, Ion Stoica, Matei Zaharia y Carlos Guestrin, de UC Berkeley, han presentado TokenGate para acelerar el prefill en LLM. El mecanismo…
IQuest-Q1: modelo MoE abierto de 320 mil millones de parámetros para programación agéntica en CLI
Un RAG ingenuo supera a los sistemas de memoria agénticos en seis de siete pruebas
AgentVQA evaluó 22 VLM en tareas de agentes: la mejor obtuvo solo un 58,5%
Cola2 supera a Llama-3-8B en HellaSwag con 43 veces menos tokens
Verus-Insight enseña a un detector de vídeo generado por IA a encontrar artefactos y demostrarlos
Los investigadores dividieron la búsqueda de artefactos en vídeos generados en tres habilidades —planificación, verificación y agregación— y publicaron el modelo…
AnyGameRenderer viste de gráficos los prototipos grises de la IA y conserva las unidades en un 62,9%
Un renderizador generativo basado en MiniMax-H3, de 33B, convierte los blockouts de juegos hechos por agentes de IA en vídeo vistoso; la coincidencia temporal de…
WeChat libera WeVisOne-VL: detección, máscaras y matting en una sola VLM
Anthropic abre una convocatoria para científicos de life sciences: de 8 a 12 semanas con Claude, gratis
Anthropic cede el estándar Agent Skills a la AAIF: 1 millón de skills y 280 millones de instalaciones
Cohere lanza inferencia confidencial en H100 sobre Azure con atestación remota
Echo enseña a los robots VLA a entender el éxito y el fallo dentro de las propias acciones
Investigadores integraron señales de stop y failure en cada action chunk de un modelo VLA y las limpian de ruido más rápido que los movimientos. No hace falta…
HiSTEVE 1.0 juega a Minecraft con ratón y teclado: 85,0% en MineStudio Bench
El agente VLA HiSTEVE 1.0 completa tareas largas en Minecraft sin API ni estados ocultos del juego: 85,0% en MineStudio Bench, 37,4% en OpenHA y un pico de hierro…
Dual Exam: GPT 6 Astra logra 31,3 puntos entre los agentes multimodales
Más de 80 autores crean Dual Exam: evalúan por separado a agentes y modelos de mundo. GPT 6 Astra lidera con 31,3, y la combinación probada en 150 casos no logró…
PaperFormalizer convierte artículos en LaTeX en código Lean verificado, con el autor en el circuito
NVIDIA abre Flora: etiquetado de datos para robots 125 veces más barato que GPT-6 Astra
El token de grafo de G-Retriever resulta ser casi vacío: similitud coseno de 0.985–0.998
OPTIC comprime 100 veces los per-layer embeddings de Gemma 4 E4B y conserva el 97,8% de la calidad
HiP3R reconstruye escenas 3D a partir de miles de fotogramas de vídeo sin reentrenar modelos
Investigadores de NTU Singapore proponen un grafo de poses jerárquico: primero se alinean fragmentos de vídeo en Sim(3) y luego a cada fotograma se le asigna una…
Nestor: la escasez anidada en attention supera a MoE con costes equivalentes
Tianzhe Chu, Druv Pai y Yi Ma proponen el transformer Nestor: la escasez en attention se anida dentro de MoE y ofrece ventajas con cómputo equivalente y en el…
Ocho agentes de VibeGame crean un juego 2D a partir de un prompt y superan a sus rivales en GameCraft-Bench
Ablación del prompt del sistema: cómo comprimí la configuración de Claude Code de 19.736 a 3.585 líneas sin perder calidad
32,5 millones de rublos al año para 300 personas: así cuantificamos la economía real de implantar IA en una empresa
Anthropic: Claude diseñó 318 484 proteínas en 64 horas y 17 superaron la verificación de laboratorio
RiseHarness enseña a los agentes de terminal a corregir su propio harness sin reentrenamiento
RiseHarness mejora iterativamente el harness de agentes de terminal con pesos congelados: compara ejecuciones buenas y fallidas de una tarea y valida cada cambio…
Lafa, un modelo de 8.000 millones de parámetros, acelera la generación de texto 2,54 veces sin perder calidad
Un equipo de investigadores presentó Lafa, un modelo de generación por flujo de 8.000 millones de parámetros que genera texto 2,54 veces más rápido que los modelos…
El benchmark EvaOmni evaluó 24 modelos omni: el líder alcanza un 79,4%, pero su grounding se queda en 35,1%
EvaOmni pide a los modelos una respuesta y los intervalos temporales de sus pruebas. Gemini3.7-Flash lidera con 79,4% de precisión, pero en tareas difíciles su B.G.
Autoaprendizaje recursivo y Fable 5.1: por qué la carrera de la IA abandonó el debate sobre la AGI y se centró en la orquestación aplicada
Vercel lanza durable-harness para ejecutar agentes de IA tolerantes a fallos en la nube
TARSphere evalúa robots con cerebro MLLM en 360 episodios y 30 escenas
