#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
Ablación del prompt del sistema: cómo comprimí la configuración de Claude Code de 19.736 a 3.585 líneas sin perder calidad
Anthropic: Claude diseñó 318 484 proteínas en 64 horas y 17 superaron la verificación de laboratorio
El Instituto de Software de la Academia China de Ciencias y Kuaishou crean el primer benchmark de simulación de usuarios con LLM
RSIGame: un conjunto de modelos de 27B juega solo a los juegos y supera a GPT-5.5
El proyecto chino RSIGame hace que la IA pruebe, corrija y refine juegos por sí sola. Según sus autores, una combinación de modelos de 27B superó a GPT-5.5 en…
DecisionPivot evalúa 40 modelos decisores: con la misma precisión, la brecha llega a 26 p. p.
El benchmark DecisionPivot, con 40 033 tareas, muestra que dos modelos de 27B separados por 2,6 puntos en el track de referencia se distancian 25,9 puntos en los…
S-Agent 2.0 enseña a un agente de código a entender 3D y supera a SpatialClaw por 7,8 puntos
Un agente de código listo para usar, con herramientas 3D, subió Qwen3.8-27B a 66,5 en MMSI-Bench y 82,3 en ReVSI. Gemini-3.8-Flash llegó a 74,1 y 90,5.
Agent Mosaic: los agentes LLM reconstruyen secretos a partir de documentos inocuos en el 7% de las respuestas
El bucle de capas recorta hasta 3,3 veces el entrenamiento de las LLM de difusión
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
Los autores de la revisión trasladan la idea de automejora recursiva del código al mundo físico y fijan cuatro condiciones para que las mejoras de los robots se…
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.
LASAGNA probó 450 configuraciones de RAG: el +47% prometido se quedó en +17%
RealMe genera vídeo volumétrico en 2K con un mínimo de cámaras mediante difusión
PACE comprime a 4 bits el estado de los LLM lineales y ahorra un tercio de memoria
SERA enseña a un planificador VLM a autoevolucionar: el robot alcanza un 51,38% en RoboMME
TenetBench: 11 de 14 configuraciones de LLM incumplen los códigos éticos de las profesiones
Un nuevo benchmark en ruso comprueba cláusulas concretas de códigos de ética: 11 de 14 configuraciones generan contenido conflictivo en la mayoría de los casos, por…
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…