#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
Cohere enseña a un modelo de 7B a estimar su confianza dos veces: el error de calibración baja un 52,5%
El método CALIBER de Cohere enseña a un modelo de razonamiento a estimar sus opciones antes y después de resolver. En BigMathDigits, el ECE bajó de 0,059 a 0,028 y…
Claude diseñó en 64 horas 17 proteínas contra toxinas de escorpión
Un modelo interno de Anthropic generó 318 484 diseños de proteínas y se probaron 211 en laboratorio. 17 se unen a neurotoxinas de escorpión y los mejores alcanzan…
250 subagentes contra 4 hilos: por qué la arquitectura de orquestación importa más que el nombre rimbombante del modelo
Las demostraciones virales de nuevos modelos como GPT-6 Astra suelen construirse sobre bibliotecas de código abierto de terceros y la superación parcial de puntos…
Dream Labs, del equipo de NVIDIA DreamZero, capta $90 millones y abre una API para robots
RLSplat enseña a 3D Gaussian Splatting a ahorrar: hasta 4,1× más rápido y con 9,6× menos memoria
Stratified Sparse Attention acelera la decodificación 2,96 veces con un contexto de 1M
StyleStream 2.0 reduce a la mitad la latencia de la conversión de voz: 520 ms
Agentes con LLM de difusión aprenden a susurrarse con vectores: +34 puntos en QASC
Unos investigadores hicieron que modelos de lenguaje de difusión intercambien cuatro vectores ocultos en vez de texto. En QASC la precisión llegó al 80,8%, y una…
WorldStream construye un mundo 3D infinito y recuerda cada edición del jugador
WorldStream amplía un mundo 3D jugable más allá del mapa, obedece órdenes de texto y recupera los lugares visitados con sus cambios. Planifica en dos niveles y un…
Un equipo de investigadores de IA encuentra una atención lineal que supera a GDN2 con 1.3B de parámetros
DiffResearch: un LLM de difusión acelera el deep research 6 veces
De 1 598 artículos de RL, solo 37 llegaron a los frameworks: auditoría de siete stacks open source
Investigadores ejecutan 120 configuraciones de CPT para agentes de juegos: de 0,8B a 27B
RoboJudge-9B juzga videos de robots con más precisión que Gemini: correlación con humanos de 0,719
Investigadores de CUHK crearon un benchmark de 800 videos anotados y entrenaron un juez de 9B para video robótico: correlación con humanos de 0,719, 0,089 por…
DeCert enseña a los jueces de IA a explicar sus veredictos: 76,2 en RM-Bench con un modelo de 8B
El framework DeCert entrena reward models generativos para elegir la respuesta correcta y también para justificarla. Qwen3-8B alcanza 76,2 en RM-Bench y hasta +14,8…