Todas las noticias
10835
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
Un agente LLM montó un reductor en KOMPAS-3D, pero la lista de materiales sacó 50 puntos de 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 marco AICG de NC State redujo un 50,3% el MAE al evaluar respuestas matemáticas
Un modelo basado en RoBERTa aprende de las notas y de las habilidades del estudiante, y resta peso a las respuestas con ayuda de IA: el MAE baja un 50,3% y el QWK…
Los agentes ignoraron la pista de leer la memoria en 7 de 7 sesiones: análisis de 13 mil logs
El equipo de kaeru leyó 13 mil logs de sus agentes: no siguieron la pista de leer la memoria en ninguna de 7 sesiones, pero cierran sus «deudas» y pierden…
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
Gemma-3-12b detecta peor las mentiras en RAG: la tasa de detección cae del 25% al 10%
El optimizador FARO reduce la pérdida de validación de GPT en 0,0136 nats en los 6 seeds de 6
Qwen3-VL-4B mejora 18,33 p. p. de precisión en Drone-PUR tras un ajuste fino con imágenes de drones
Investigadores chinos presentan Drone-PUR: 11 tareas y 195 mil ejemplos para VLM con imágenes de drones. Qwen3-VL, tras el ajuste fino, ganó entre 17 y 18 p. p. de…
Ocho LLM pierden un 35–46% de calibración de estrategia en la generación libre
Meta y USC evaluaron ocho LLM: al elegir entre opciones ya hechas dan con la estrategia correcta, pero en respuesta libre la calibración de estrategia cae un 35–46%.
BILAL-Bench: seis de siete modelos abiertos inventan fuentes con seguridad en el 79–95% de los casos
Un enjambre de DreamTeam sin gestor escribió trustcheck por $5,68 y superó 13 de 13 pruebas ocultas
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.
La corrección DLC mantuvo el KL respecto al entrenamiento on-policy de Qwen3 dentro de dos umbrales de ruido
PathoJev-27B supera a SlideChat en 6,3 pp. de precisión media en tres pruebas WSI
Cosmos generó vídeo de entrenamiento para drones: el mAP@50–95 del detector subió un 10,3%
TraceSpec aumentó el throughput de DSpark para agentes LLM en 12,5–22,6%
Renmin University y Huawei entrenan el modelo borrador con pasos intermedios del agente. En la repetición de historiales guardados, el throughput subió 12,5–22,6%…
Una inscripción en la imagen provoca en un agente dermatológico un 55% de errores compartidos por sus dos canales
Si el agente dermatológico busca casos similares con la lesión recortada, sus dos canales fallan igual en el 55% de los casos y el cotejo de respuestas solo detecta…