Todas las noticias
10835
RoboValue evalúa a los evaluadores de acciones de robots en 35 tareas y encuentra puntos ciegos
El benchmark RoboValue abarca 15 tareas de manipulación simuladas y 20 reales. Muestra que los modelos de value confunden el orden de los pasos y evalúan mal la…
De dónde viene la autosuperación física de los VLM: una ley de escalado para agentes LLM
El estudio PhysRSI-eval mide cómo mejoran los modelos Vision-Language en tareas físicas de manipulación. Los autores evaluaron distintos VLM en 18 tareas con una…
Kimi K3.1 Pro sube al 4.º puesto del AA Index con 55 puntos y un salto en agentes
Moonshot lanza Kimi K3.1 Pro: +11 puntos sobre K3, 67% en Terminal-Bench 4.0 frente a 13% y un precio un tercio menor. Cuando se publiquen los pesos, será el mejor…
OPST: un modelo se reentrena con sus propias preguntas, sin intervención humana
Un nuevo algoritmo halla el equilibrio de Nash en 5600 juegos con precisión de 1e-5
Hongbo Sun propone un algoritmo para desigualdades variacionales: 6400 problemas, 1e-5
CRM-Agent-Bench evaluó 16 agentes de IA: el mejor completó con éxito estricto el 83,6% de las tareas
AdaPRA eleva 24,5 puntos a Qwen de 80B en leaderboards de tipo Kaggle
Investigadores de Carnegie Mellon dotaron a un agente de data science de un supervisor con checklists adaptativos. Con cinco intentos, Qwen de 80B ganó 24,5…
Fallos silenciosos en pipelines de IA: por qué el estado verde de un contenedor miente, y cómo recortamos un 90% el gasto en LLM
Una rama de respaldo dentro de un bloque catch, sin contador ni alerta propios, puede enmascarar un fallo total del sistema: un nuevo pipeline agéntico de tres…
KronLSTM, de NX-AI, modifica la regla delta y estabiliza la memoria sin normalización
SpecMRL mejora los embeddings Matryoshka: con la mitad de dimensiones supera al MRL completo
HOLI-World enseña a un modelo de 4B a entender el mundo a partir de grabaciones en primera persona
InfiniDream: síntesis de 100 objetos y 20 escenas en generación procedural de mundos 3D
TTR-Compressor comprime secuencias mediante regresión y recorta un 55,6% los tokens visuales
El nuevo compresor TTR-Compressor convierte los tokens en un problema de regresión y usa sus coeficientes como representación comprimida: misma calidad con 55,6%…
Cohere compra AISLE, la startup que encontró más de 500 vulnerabilidades con CVE en un año
Cohere anuncia un acuerdo preliminar para comprar AISLE: la startup de 2025 halló más de 500 zero-day con CVE en más de 100 bases de código, incluidas las 12 de…