Lanzamientos y actualizaciones conectados con fichas, contexto y fuentes primarias.
La petición presupuestaria para cinco años plantea combinar algoritmos de aprendizaje automático con sensores sin contacto. El documento oficial describe objetivos de desarrollo y validación, no pruebas de que el sistema pueda detectar mentiras de forma fiable.
Un estudio teórico y computacional plantea que un agente puede influir en lo que aprende quien supervisa un debate seleccionando y ordenando argumentos verdaderos. El resultado es una prueba de concepto, no una demostración con modelos desplegados o supervisores humanos.
Microsoft ha anunciado la integración de varias experiencias de Copilot en una aplicación para consumidores y empresas. La propuesta agrupa chat, programación y agentes, pero aún hay datos importantes por confirmar sobre disponibilidad, permisos, integración y precio.
Un estudio sobre agentes multiturno sostiene que un alumno puede aprender a actuar como si conociera datos que nunca recibió. Sus autores proponen Privileged Self-Practice, que conserva esa información en el contexto de práctica y no la incorpora a la pérdida de entrenamiento.
Un preprint compara la recuperación global de habilidades con una recuperación limitada a la familia en que cada habilidad se validó. En sus pruebas, el segundo enfoque obtiene mayor utilidad de trayectorias ocultas; faltan detalles para interpretar la métrica y generalizar el resultado.
El preprint reúne eventos resueltos y noticias fechadas para evaluar agentes en distintos momentos históricos. Su resumen informa de mejoras con herramientas de investigación en 12 modelos, aunque todos quedan por detrás de los pronósticos históricos del mercado.
El benchmark evalúa agentes que intentan reconstruir resultados de artículos de aprendizaje automático con recursos publicados y un presupuesto de GPU fijado. Sus tasas de éxito muestran una dificultad creciente, pero no determinan si las conclusiones científicas de los artículos son válidas.
Un preprint describe un sistema que consulta definiciones de información sensible específicas del dominio durante la inferencia. Sus resultados iniciales favorecen su capacidad de detección frente a un clasificador de referencia en la mayoría de las combinaciones probadas, aunque la información disponible no permite valorar todos los errores ni su preparación para un uso real.
El benchmark reúne 799 casos de banca minorista india y examina seguridad, uso de herramientas, respuestas y asesoramiento. Sus autores sostienen que acertar una vez no basta para medir fiabilidad.
Akamai confirmó un compromiso plurianual para prestar capacidad de computación a Anthropic, centrada en cargas de CPU. Los informes iniciales difundieron una cifra de 1.800 millones; el anuncio posterior sitúa el compromiso ampliado en 11.600 millones. Los términos no demuestran por sí solos que toda esa capacidad esté ya operativa.
Los benchmarks de IA han pasado de puntuar respuestas en conjuntos de datos a probar sistemas en tareas y entornos interactivos. Ese cambio amplía la evidencia disponible, pero no convierte una puntuación en una medida completa de utilidad o fiabilidad.
Una tarifa por millón de tokens no basta para presupuestar un flujo de varios pasos. Aprende a sumar entrada, salida, caché, reintentos y revisión, y a fijar límites antes de ejecutar.
Noticias que modifican el mapa de modelos y capacidades.
El lanzamiento obliga a revisar evaluación, despliegue y seguridad.
Modelo frontera ↗Código y tareas de conocimiento con controles de esfuerzo.
Conocimiento ↗Multimodalidad, código y agentes con perfil de baja latencia.
Versión estable ↗Una noticia no termina en el titular.
Relaciona el anuncio con versión, acceso y modalidades.
Identidad ↗Distingue tarifas estables, introductorias y datos ausentes.
Coste ↗Revisa condiciones y comparabilidad antes de aceptar un benchmark.
Evidencia ↗