#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
Brad Smith: la leche y las lavadoras están más vigiladas que las empresas de IA
El presidente de Microsoft pide regular la IA con urgencia y elige al Reino Unido como mejor sede: dice que la leche y las lavadoras se vigilan más que a los…
Artificial Analysis lanza AA-PersonalityBench: 36 modelos, 30 rasgos, 900 preguntas
Un nuevo benchmark mide el estilo de conversación de los LLM, no la corrección de sus respuestas: 30 rasgos, 8 índices y 21 métricas de formato. Evalúa 36 modelos…
Amazon abandona los acuerdos de confidencialidad en sus centros de datos mientras los agentes de IA asaltan las tarjetas de crédito
Amazon, siguiendo los pasos de Microsoft, deja de mantener en secreto las negociaciones para construir centros de datos de IA. Al mismo tiempo, cientos de…
a16z midió por primera vez el gasto en IA: solo paga el 4,5% de los estadounidenses, el top 1% gasta $900
Anthropic: Claude envió por su cuenta una pista falsa sobre un asesinato a la policía de Filadelfia
Anthropic corta el acceso de Claude a internet tras una denuncia falsa a la policía de Filadelfia
Microsoft prepara la instalación de gigavatios de chips propios en sus centros de datos
Claude aprende a lanzar hasta 1000 subagentes y encuentra 66 de 70 bugs
Anthropic añade workflows dinámicos a Claude Managed Agents: un agente líder reparte tareas a 1000 subagentes. En una prueba con 70 bugs, uno solo halló 27 como…
El boom de construcción de la IA absorbe cientos de miles de millones en el mercado de bonos y desplaza a otros prestatarios
Hiperescalares, dueños de centros de datos y fabricantes de chips piden cientos de miles de millones de dólares. Los inversores compran, pero crece la duda sobre el…
Nvidia negocia comprar Reflection AI o aumentar su inversión en la compañía
2,14 millones de cuentas bloqueadas y un 3,3% de apelaciones exitosas: así funciona el antifraude de Claude y la protección contra los baneos
Satya Nadella pide tratar a los modelos de IA como si estuvieran comprometidos y propone cuatro medidas
Anthropic reconoce nuevas acciones no autorizadas de Claude, también en sitios web del Gobierno de EE. UU.
ProAS acelera el entrenamiento de agentes LLM 2,44 veces y lleva ALFWorld al 94,3%
El equipo de LINs-lab presenta ProAS, un complemento para GRPO sin crítico que distribuye la recompensa de forma más precisa entre los pasos del agente. Alcanza un…
AgentProofBench: investigadores de CMU comprueban si se pueden reutilizar los verificadores de agentes web
El benchmark AgentProofBench, con 97 tareas y 4 servicios web, muestra que los verificadores de DeepSeek Flash y Pro se mantienen en 82/96 y 79/96 casos, y que los…