#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
La Casa Blanca devuelve al AISI británico el acceso a los modelos de Anthropic, Google y OpenAI
Tras el veto de septiembre, Washington permite de nuevo a Anthropic, Google DeepMind y OpenAI dar al instituto británico de seguridad de la IA acceso anticipado a…
Nikon retira el premio al ganador de su concurso de microvídeo por usar IA generativa
Nikon descalificó el vídeo de Ning Xu, ganador de Small World in Motion: el autor admitió que procesó la grabación con una red neuronal y las bases del concurso…
AlphaProof Nexus de DeepMind resuelve nueve problemas de Erdős, dos de ellos tras 56 años
AlphaProof Nexus, de Google DeepMind, ha cerrado decenas de problemas matemáticos abiertos, entre ellos nueve de Erdős. El trabajo se publicó en Science tras su…
VMem-Bench revela: la memoria en generadores de video reduce la precisión a 0,845
El decodificado restringido no arruina el razonamiento de los LLM: pruebas en 11 modelos abiertos
OBB-PBD enseña a LocateAnything-3B a encontrar objetos rotados: el rotIoU sube de 0,125 a 0,303
Benchmark iPrefBench: los agentes de iOS ejecutan el 91,6% de las acciones, pero resuelven solo el 47,7% de las tareas
ThinkBit comprime Qwen3-14B a 3,74 GB y mantiene 94,8 en MATH-500
Los autores de ThinkBit proponen una cuantización escalar de dos bits que conserva la capacidad de razonamiento: Qwen3-14B pasa de 29,5 GB a 3,74 GB y obtiene 94,8…
Shan Yang desglosa la mejora del RL: el 82% es saber ajustarse al presupuesto de tokens
Al comparar 20 modelos RL abiertos con sus bases, la mejora de pass@1 con pocos tokens resulta ser terminar la respuesta; en tareas nuevas, el RL aporta 2,1 p.p.
Nuevo benchmark de Alibaba: los agentes de IA cumplen parte de los requisitos, pero no toda la tarea
Anthropic muestra cómo hacer que Claude programe durante días: una lista de más de 200 tareas en JSON
Anthropic describe cómo evaluar agentes de IA: tres tipos de graders y SWE-bench del 40% al 80%
Anthropic reescribió tres veces su prueba técnica: Claude Opus 4.5 alcanza a los mejores ingenieros
Anthropic revela cómo aísla a Claude: los usuarios aprobaban el 93% de las confirmaciones sin más
OpenAI aisló el entrenamiento de internet, pero la IA transmitió un mensaje a través de la caché de la CPU
El equipo de Renmin University publica TabClustPFN: clústeres a partir de una tabla en una sola pasada
La IA llega a los PLC: los asistentes de ingeniería ya leen proyectos y escriben código
Las herramientas de IA para el desarrollo de PLC evolucionan: de chats a agentes completos. PLC Copilot, Copia AI y Siemens Eigen Engineering Agent ahora leen…
Harvard, Berkeley y NVIDIA buscan una Scaling Law para robots: +37,4 puntos en cinco benchmarks
Un equipo de Harvard, UC Berkeley y NVIDIA investigó el escalado en robótica y superó a los enfoques anteriores en una media de 37,4 puntos en cinco benchmarks.