2026
10.781 artículos · 136 días · 10 categorías · promedio 79 por día
FrontierCS 2 evaluó a 12 agentes de IA en tareas de I+D: el mejor aprobó el 58%
SplatLab escribe por sí sola artículos sobre 3D Gaussian Splatting y supera a los baselines hasta en +3,78 dB
Revisión: los robots aprenden a mejorar su propio proceso de aprendizaje, pero aún faltan pruebas
ToM2Vec enseña a los agentes LLM a modelar a su compañero con tokens latentes
ToM2Vec modela la teoría de la mente del compañero en tokens continuos y gana en Hanabi, Overcooked-AI y negociaciones, incluso con un GPT-5.4 que no conocía.
Quant-Arena: ninguno de los 9 LLM superó al mercado A-share en 2024
Un benchmark evaluó nueve modelos frontier en el ciclo cuantitativo completo. GPT-6 Astra quedó primero, pero ninguna estrategia superó al mercado equiponderado en…
LASAGNA probó 450 configuraciones de RAG: el +47% prometido se quedó en +17%
El framework abierto LASAGNA evaluó 450 configuraciones de RAG en ocho benchmarks: tres técnicas de retrieval prometían +47% por separado y, combinadas, solo…
TraceForge entrena modelos con «sus propios pensamientos»: +7,1 puntos en MBPP+
Investigadores proponen el marco PAPAV: solo 3 de 64 benchmarks evalúan la verificación
NUS enseñó a un modelo a encontrar lo que él mismo describió: el gIoU sube de 57,5% a 68,2%
TenetBench: 11 de 14 configuraciones de LLM incumplen los códigos éticos de las profesiones
DetectorScope convierte la caja negra de los detectores de texto de IA en un sistema transparente
Google DeepMind hace que los detectores de texto de IA expliquen sus decisiones: autoencoders dispersos extraen rasgos comprensibles sin perder precisión y rinden…
LLM2Cert verifica 81 de 105 certificados de estabilidad y seguridad
Presentan LLM2Cert y el benchmark DynaCertBench: un LLM propone funciones de Lyapunov y certificados de barrera, y solvers SMT y Lean los verifican. Resultado…
CausalAlign cura el "olvido" de los modelos de video: los errores de geometría caen un 20%
LEGO-SCD aprende a detectar cambios en escenas 3D a 17,2 FPS sin etiquetado manual
Mistral presenta la línea Voxtral 3: reconocimiento de 50 idiomas y agentes de voz para el sector corporativo
Cohere enseña a un modelo de 7B a estimar su confianza dos veces: el error de calibración baja un 52,5%
MemT 1.0 integra la memoria en el modelo y apunta a la automejora de la IA
Llega MemT 1.0: la memoria debe ser una capacidad integrada del modelo, no un añadido externo. El detonante del debate fue el caso de DeepSeek y un contexto agotado.
Huawei openJiuwen conecta un LLM con equipos de laboratorio para electrocatálisis
El equipo de Huawei openJiuwen y la plataforma de cómputo cierran el circuito: un LLM diseña el experimento de electrocatálisis y los instrumentos físicos lo…
Anhui apuesta por los humanoides: un parque de robótica en Hefei y un proyecto de 15,1 mil millones de yuanes
En Hefei abrió un parque de robótica con 14 empresas, y en Anhui se habla de 31 modelos de humanoides y un proyecto de 15,1 mil millones de yuanes. Qué se sabe del…
HyperDrone renderiza millones de fotogramas por segundo y supera a sus rivales en un factor de 20
RLSplat enseña a 3D Gaussian Splatting a ahorrar: hasta 4,1× más rápido y con 9,6× menos memoria
Stratified Sparse Attention acelera la decodificación 2,96 veces con un contexto de 1M
StyleStream 2.0 reduce a la mitad la latencia de la conversión de voz: 520 ms
Agentes con LLM de difusión aprenden a susurrarse con vectores: +34 puntos en QASC
Unos investigadores hicieron que modelos de lenguaje de difusión intercambien cuatro vectores ocultos en vez de texto. En QASC la precisión llegó al 80,8%, y una…
RoboCasa-Shift: un benchmark muestra dónde fallan los robots VLA en la cocina
El nuevo benchmark RoboCasa-Shift analizó GR00T N1.5 en 1 040 ejecuciones: dos fallos con el mismo ΔSR=0,188 rompen al robot en la primera etapa en 19,0% y 36,4% de…
Qwen-Audio-3.1-ASR: 30 idiomas, 16 dialectos y diarización en un solo modelo
Un equipo de investigadores de IA encuentra una atención lineal que supera a GDN2 con 1.3B de parámetros
DiffResearch: un LLM de difusión acelera el deep research 6 veces
De 1 598 artículos de RL, solo 37 llegaron a los frameworks: auditoría de siete stacks open source
Investigadores enseñan a los LLM a adaptarse al dialecto: el método CAP y 10 familias de modelos
Agent4Sci: Claude Opus mejora los récords en 20 benchmarks científicos un 10,4%
MultiAgent-OPD entrena un equipo de agentes de principio a fin y logra un 38,68% en siete benchmarks de QA
DuoLM acelera 60 veces las recomendaciones con LLM: 26 400 puntuaciones por segundo en un solo H100
Un LLM de recomendación dividido en codificador y ranker, con las descripciones en caché, logra 26 400 puntuaciones de candidatos por segundo en un H100 con la…
RoboJudge-9B juzga videos de robots con más precisión que Gemini: correlación con humanos de 0,719
Investigadores de CUHK crearon un benchmark de 800 videos anotados y entrenaron un juez de 9B para video robótico: correlación con humanos de 0,719, 0,089 por…
DeCert enseña a los jueces de IA a explicar sus veredictos: 76,2 en RM-Bench con un modelo de 8B
El framework DeCert entrena reward models generativos para elegir la respuesta correcta y también para justificarla. Qwen3-8B alcanza 76,2 en RM-Bench y hasta +14,8…
16 solicitudes y 262 verificaciones en 6,5 minutos: cómo tres agentes de IA autónomos resuelven una tarea empresarial en directo
Together AI lanza Post-Training: RL y SFT en B200 a 9 dólares por hora de GPU
UniPat AI destinará 100 millones de yuanes al programa Fellows para científicos
