#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
MOSS-Image: un modelo abierto de 5B dibuja texto largo con una cobertura del 96,3%
MOSS-Image, modelo de difusión abierto de 5000 millones de parámetros, alcanza un 96,3% de cobertura de texto en LLTB y promete publicar pesos, receta y framework…
MIST muestra que los modelos de mundo en vídeo no olvidan: no ejecutan la orden
El nuevo test MIST separa la construcción de la escena, la ejecución del cambio y la memoria. M3-Agent multiplicó por más de tres el reveal score y WRBench T subió…
«Wait» en los modelos de razonamiento resultó ser herencia de los datos, no un descubrimiento del RL
El análisis del entrenamiento de OLMo-3 y MiMo muestra que el «wait» viene de los datos. El RL mejora MATH-500 incluso sin él, y la frecuencia del marcador no…
Investigadores etiquetan 2122 diálogos de WildChat: el 71,1% de los chats legales busca asesoramiento personal
StopLoss interrumpe las ejecuciones condenadas de los agentes de programación y ahorra hasta un 48% del coste
Cambiar la definición de «unsafe» mueve la puntuación de un guardrail de 0 a 100 con solo el 0,03% de los pesos
Anthropic cederá el 5% de sus acciones a un Public Benefit Fund, y la cuota crecerá con el valor de la compañía
Investigadores proponen Anti-Persistence: memoria para agentes LLM sin reglas almacenadas
Un esquema de memoria para agentes LLM guarda trayectorias y resultados, y genera las pistas de nuevo en cada tarea. Es el diseño que menos llamadas a LLM requiere…
Generación de escenas 3D: un DiT trabaja en un latente 3D y codifica la escena en 1K tokens
Investigadores trasladan la difusión de escenas de vistas 2D a un espacio latente 3D implícito basado en DINOv2, SigLIP2 y DA3. Según el título, una escena cabe en…
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
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
TokenGate acelera el prefill en LLM hasta 11,3 veces gracias a la poda entrenable de tokens
BrickWright enseña a los agentes de programación a montar LEGO: 100 % de ensamblajes válidos frente al 9–69 %
El framework BrickWright, con el toolkit de Python BrickLayer, logró un 100% de montajes LEGO físicamente correctos en 512 prompts; los agentes base lograron entre…
Una política de apenas 856K parámetros acelera el LLM de difusión LLaDA-8B
Un estudio controlado analiza cómo entrenar políticas de unmasking en LLM de difusión: 856K parámetros lograron el mejor equilibrio entre precisión y NFE en GSM8K…