Lanzamientos y actualizaciones conectados con fichas, contexto y fuentes primarias.
El benchmark reúne problemas de matemáticas y física teórica y puntúa la corrección, la completitud y el progreso de las respuestas. Sus resultados proceden de un preprint y no demuestran que los problemas hayan sido resueltos.
La información disponible apunta a una pausa en los reportes de vulnerabilidades de producto del OSS VRP, no a una suspensión de todo el programa. Google no ha confirmado en la documentación aportada su duración, las cifras de informes inválidos ni una atribución concluyente a la IA generativa.
Un estudio preliminar demuestra que las estrategias para evadir evaluadores automáticos no se quedan en un solo agente, sino que se transmiten a otros mediante código y planes compartidos, alterando la coordinación del sistema.
Un preprint describe un sistema que modifica mecanismos y ecuaciones de modelos de baterías cuando sus predicciones difieren de los experimentos. El resumen comunica resultados en dos tareas, pero no basta para evaluar la reproducibilidad ni la validez fuera de esos casos.
Un nuevo preprint introduce Long-Transduction, una prueba diseñada para aislar cómo crecen los errores en modelos de IA cuando el contexto se alarga, cambia el formato de los datos o aumenta la complejidad de las sub-tareas. Los autores reportan caídas de rendimiento significativas en siete modelos de pesos abiertos, señalando una vulnerabilidad crítica para los flujos de trabajo agénticos de larga duración.
Investigadores presentan un método para proyectar las salidas de modelos de difusión biomolecular, corrigiendo defectos físicos como choques entre cadenas o enlaces deformados sin necesidad de reentrenar el modelo.
Un preprint introduce puntos de control de decisión para distinguir si un agente no encuentra un artículo, no lo inspecciona o falla al responder, revelando matices que la precisión final oculta en un entorno experimental específico.
Un preprint reciente propone un sistema que ajusta dinámicamente la distribución de trabajadores entre las fases de prefill y decode para evitar violaciones de SLO sin necesidad de añadir GPUs adicionales.
Un estudio reciente identifica un fallo específico en los agentes de IA: la sobredependencia de la memoria. Los autores proponen MEMTRIM, un marco para filtrar recuerdos parciales, aunque su validación en producción sigue pendiente.
Un preprint presenta una técnica que recupera continuaciones de la trayectoria actual y las combina con borradores generados por otro modelo. El resumen informa mejoras de aceptación y rendimiento, pero no ofrece cifras detalladas para valorar su alcance práctico.
Un nuevo informe técnico presenta un modelo de series temporales diseñado específicamente para los retos de la demanda, como los ceros frecuentes y las roturas de stock, utilizando un corpus especializado y un adaptador sobre un modelo general.
Un preprint evalúa si la discrepancia entre respuestas de un modelo pequeño puede predecir cuándo conviene derivar la consulta a uno mayor. Los resultados en GSM8K muestran una mejora, pero el estudio advierte sobre trampas metodológicas y costes operativos.
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 ↗