organization · 129 menciones
Un equipo de investigación presenta Program-as-Weights (PAW), un paradigma de programación que traduce especificaciones en lenguaje natural en artefactos neuronales compactos ejecutables en local. La propuesta nace de una necesidad concreta: muchas tareas cotidianas —alertar sobre líneas de registro
Google Research ha presentado TabFM, un nuevo modelo fundacional diseñado para tareas de clasificación y regresión sobre datos tabulares que opera en modo zero-shot, sin necesidad de entrenar el modelo para cada conjunto de datos. La herramienta, desarrollada por los científicos Weihao Kong y Abhima
Meta AI y el Basque Center on Cognition, Brain, and Language (BCBL) presentaron Brain2Qwerty v2, una nueva versión de su sistema de inteligencia artificial que traduce la actividad cerebral en texto sin necesidad de implantes quirúrgicos. El modelo se entrenó con cerca de 22.000 frases escritas por
Bash4LLM⁺ es un script en Bash, autónomo y completamente auditable, que actúa como interfaz de línea de comandos para la API Chat Completions de Groq, compatible con el formato OpenAI. Su objetivo es permitir a desarrolladores y usuarios técnicos interactuar con modelos de lenguaje de gran tamaño di
El aprendizaje robótico empieza a beneficiarse de las leyes de escalado, pero los equipos que entrenan modelos de extremo a extremo se topan con un cuello de botella persistente: la infraestructura de datos. A diferencia de los equipos de grandes modelos de lenguaje, que iteran rápido sobre canaliza
Haystack es un framework de orquestación de IA de código abierto, desarrollado por deepset, orientado a construir aplicaciones listas para producción basadas en agentes, RAG (generación aumentada por recuperación) e ingeniería de contexto. La plataforma propone un enfoque modular y transparente que
El modelo abierto GLM-5.2, desarrollado por Z.ai bajo licencia MIT, se enfrenta a Claude Opus 4.8 en una prueba práctica consistente en construir un plataformas 3D en WebGL puro, sin librerías como Three.js, a partir de un único prompt. GLM-5.2 está pensado para tareas largas y agenticas: ofrece ven
Un investigador con experiencia previa en el equipo de robótica de OpenAI entre 2017 y 2020 ha construido un puesto completo de investigación en manipulación robótica por 4.569,80 euros sin IVA, muy por debajo del techo de 10.000 euros que se había marcado. El montaje incluye un brazo industrial UFA
La Agentic Resource Discovery Specification (ARD) es un estándar abierto que aborda un cuello de botella creciente en los sistemas de inteligencia artificial: el descubrimiento de capacidades externas. A medida que proliferan herramientas, servidores MCP, APIs, flujos de trabajo y agentes, los clien
PII GUI es una aplicación de escritorio de código abierto, publicada bajo licencia AGPL v3.0, diseñada para localizar y eliminar información personal identificable (PII) en documentos PDF, Markdown y de texto plano. Su principio rector es la privacidad local: todo el procesamiento ocurre en el dispo
Montar un agente de codificación local en macOS permite ejecutar modelos de lenguaje de última generación sin depender de la nube. Este artículo explica cómo configurar una solución completa usando llama.cpp, Gemma 4 26B-A4B y el agente terminal Pi, tras la experiencia del autor con cortes de intern
Google ha presentado DiffusionGemma, un modelo experimental de inteligencia artificial de código abierto que promete revolucionar la generación de texto al ofrecer velocidades hasta cuatro veces superiores a las de los modelos tradicionales. El anuncio, realizado a través del blog oficial de la comp
Nex AGI, un laboratorio chino de inteligencia artificial, publicó el 2 de junio de 2026 Nex-N2-Pro, un modelo de código abierto bajo licencia Apache 2.0 orientado a tareas agenticas como programación, uso de herramientas y flujos de trabajo autónomos. Se trata de una arquitectura de Mezcla de Expert
**Xiaomi ha presentado MiMo-V2.5-Pro-UltraSpeed, una variante de su modelo MoE de 1,02 billones de parámetros (42B activos) capaz de generar hasta ~1200 tokens por segundo sobre un único nodo de 8 GPUs comerciales.** El hito no es solo una cifra de marketing: es la primera vez que un modelo de esca
# Hermes Agent: el agente de IA de Nous Research que aprende del usuario Nous Research ha presentado Hermes Agent, un agente de inteligencia artificial descrito por sus creadores como "automejorable" y diseñado con un bucle de aprendizaje integrado que lo diferencia de otros agentes del mercado. La
Google ha presentado nuevos checkpoints de Gemma 4 optimizados con Quantization-Aware Training (QAT), una técnica que integra la cuantización durante el entrenamiento para reducir la pérdida de calidad al comprimir los modelos. La novedad permite ejecutar Gemma 4 en dispositivos móviles y GPUs de co
isUpMap es una herramienta web que ofrece un mapa de calor en tiempo real con el estado operativo de más de 80 servicios populares de internet. Su objetivo es permitir a los usuarios comprobar de un vistazo si las plataformas que utilizan a diario funcionan con normalidad, presentan degradación del
El equipo Magenta de Google presenta Magenta RealTime 2 (MRT2), un modelo de música generativa de código abierto y un motor de inferencia en tiempo real que permite construir y tocar instrumentos musicales con IA directamente desde un portátil con chip Apple Silicon. A diferencia de otros modelos g
MOSS-TTS Family es una familia de modelos de síntesis de voz y sonido de código abierto desarrollada por MOSI.AI y el equipo OpenMOSS. Su objetivo es cubrir múltiples escenarios reales con alta fidelidad y expresividad, incluyendo locuciones largas estables, diálogos con múltiples hablantes, diseño
Google presenta Gemma 4 12B, un modelo multimodal unificado que se ejecuta en portátiles Google ha presentado Gemma 4 12B, un nuevo modelo de inteligencia artificial de código abierto que destaca por su arquitectura multimodal unificada y por su capacidad de ejecutarse en portátiles convencionales
FunASR es un toolkit de código abierto para reconocimiento automático del habla (ASR) desarrollado por ModelScope, la organización de Alibaba DAMO, orientado a escenarios industriales y de producción. La herramienta se posiciona como una alternativa a OpenAI Whisper y a las API de transcripción en l
Liquid AI ha anunciado hoy el lanzamiento de LFM2.5-8B-A1B, una evolución de su modelo de 'Mixture-of-Experts' diseñada para ejecutarse de manera eficiente y privada en hardware de consumo. Esta nueva versión, disponible bajo licencia abierta, supera a su predecesor al expandir su ventana de context
El proyecto 'zot', disponible a través de zot.sh, lanza una nueva herramienta de codificación diseñada para agilizar la interacción con modelos de lenguaje. Este agente, desarrollado en el lenguaje de programación Go y distribuido como un único binario estático, se destaca por su ligereza y simplici
El modelo 'Hy3 preview' de Tencent ha sorprendido al liderar las clasificaciones de modelos de lenguaje (LLM) en OpenRouter, superando a competidores populares como Claude. Este hecho es relevante dado que OpenRouter, como intermediario, publica datos transparentes de uso real, revelando un modelo q
El artículo 'Animus Social' explora la animosidad social y la desconfianza que imperan en las comunidades de código abierto, un entorno donde la falta de filtros institucionales permite que conflictos ideológicos y comportamientos tóxicos se manifiesten sin control. El autor, Justine Tunney, analiza
En el marco de la Agenda 2030 de la ONU, la eficiencia energética del software ha dejado de ser un lujo para convertirse en una necesidad crítica para reducir la huella de carbono global. Este artículo, titulado "The Green Side of the Lua", explora cómo las decisiones de arquitectura de software, es
La seguridad del software es una prioridad crítica en la era digital, con más de 50.000 vulnerabilidades reportadas en 2025. FuzzingBrain V2 es un sistema revolucionario que utiliza un enfoque multi-agente basado en LLMs para automatizar la detección y reproducción de fallos, ofreciendo una solución
La nanofabricación precisa, definida como la construcción de estructuras materiales con control total sobre la posición y el enlace químico de cada átomo, constituye uno de los hitos fundamentales de la nanotecnología moderna. Este artículo presenta un avance significativo al demostrar una técnica d
Epicure representa un avance significativo en la comprensión de la gastronomía mediante la inteligencia artificial. Su objetivo principal es mapear la 'geometría emergente' de los ingredientes culinarios, traduciendo la experiencia culinaria en un espacio matemático comprensible. Esto es crucial por
Los modelos de lenguaje basados en Transformers han revolucionado la inteligencia artificial, pero enfrentan un cuello de botella crítico: su mecanismo de atención no escala eficientemente con el aumento de la longitud del contexto. Este artículo, titulado "Language Models Need Sleep", propone una s
El diseño de hardware está experimentando una revolución impulsada por la inteligencia artificial, específicamente por los modelos de lenguaje grandes (LLMs). Sin embargo, generar directamente código RTL (Register-Transfer Level), el lenguaje de bajo nivel para describir circuitos digitales, con LLM
Este artículo de investigación revela una vulnerabilidad crítica en los sistemas de seguridad diseñados para proteger agentes LLM (Large Language Models). Los autores demuestran que los actuales detectores de inyección de prompts, usados para defender estos sistemas, fallan estrepitosamente cuando l
CODA es una nueva abstracción de kernel GPU que revoluciona la forma de ejecutar los componentes no attention de los Transformers. El problema que resuelve es fundamental: mientras que las operaciones de multiplicación de matrices (GEMM) están altamente optimizadas y utilizan eficientemente la memor
Lance es un modelo de inteligencia artificial desarrollado por ByteDance que alcanza un hito importante en el campo de la IA multimodal: lograr capacidades de generación, edición y entendimiento de imágenes y videos dentro de un únicoframework unificado, utilizando únicamente 3 mil millones de parám
Stable Audio 3 representa un avance significativo en la generación de audio mediante inteligencia artificial. Se trata de una familia de modelos de difusión rápida (en sus versiones small, medium y large) capaces de generar y editar audio de longitud variable, desde unos segundos hasta varios minuto
Este estudio de interpretabilidad mecánica examina cómo la censura política se implementa directamente dentro de los pesos del modelo Qwen 3.5 de Alibaba. El hallazgo central es revelador: la censura no se construye eliminando los hechos del preentrenamiento, sino añadiendo un circuito aprendido que
... full summary ...
El aprendizaje continuo representa uno de los mayores desafíos en el desarrollo de modelos de inteligencia artificial. Actualmente, los sistemas de IA pueden aprender nuevas tareas, pero suelen olvidar lo que sabían anteriormente este fenómeno se conoce como 'olvido catastrófico'. El artículo presen
δ-mem es un mecanismo de memoria en línea propuesto para abordar una de las limitaciones más desafiantes de los grandes modelos de lenguaje (LLMs): la acumulación y reutilización de información histórica en asistentes de largo plazo y sistemas multiagente. El problema fundamental es que simplemente
EMiX es un framework de emulación escalable que permite superar los límites de una sola FPGA para validar diseños de chips multi-core antes de su fabricación. La emulación a nivel de FPGA es un paso crucial en el desarrollo de nuevos procesadores, ya que permite probar el hardware y software en cond
EditLens es un nuevo método que permite detectar y cuantificar cuánto ha sido modificado un texto por una inteligencia artificial, diferenciando entre escritura completamente humana, completamente artificial y textos mixtos (original humano editado por IA). Mientras que la mayoría de investigaciones
Una nueva herramienta de seguimiento permite visualizar los 'nerfs' o debilitamientos que los laboratorios de inteligencia artificial implementan en sus modelos tras el lanzamiento oficial. El sistema, disponible en mayerwin.github.io, rastrea automáticamente el rendimiento de los modelos líderes de
Elevator es el primer traductor binario estático capaz de convertir ejecutables completos x86-64 a la arquitectura AArch64 sin requerir información de depuración, código fuente ni suposiciones previas sobre la disposición del código. A diferencia de los sistemas tradicionales que emplean heurísticas
En los sistemas de recuperación de información modernos, ya sean léxicos o semánticos, el corpus se expone a través de una interfaz de similitud fija que comprime el acceso en un único paso de recuperación top-k antes del razonamiento. Aunque esta abstracción es eficiente, se convierte en un cuello
La inteligencia artificial está transformando radicalmente la selección de lenguajes de programación en la industria tecnológica. Hace dos años, los modelos de IA apenas podían escribir código en lenguajes complejos como Rust sin errores; para abril de 2026, Claude Opus 4.7, GPT-5.5, Gemini 3.1 y De
LLMorphism es un sesgo cognitivo identificado por el investigador Valerio Capraro en mayo de 2026, que describe la tendencia psicológica de creer que la cognición humana funciona de manera similar a un modelo de lenguaje grande (LLM). Este concepto surge como respuesta a la proliferación de asistent
La proliferación de modelos de lenguaje grandes (LLMs) ... (the whole summary unchanged)
El rápido avance de los modelos de lenguaje grandes (LLMs), como ChatGPT, ha generado una gran expectación, pero también una preocupación persistente: las “alucinaciones”. En términos sencillos, una alucinación en un LLM es cuando el modelo genera información incorrecta o inventada, presentándola co
El auge de los modelos de lenguaje (LLMs) ha abierto la puerta a la posibilidad de que estos sistemas generen código de software de forma autónoma, desde cero. Esto implica la creación de agentes capaces de tomar decisiones arquitectónicas complejas y gestionar bases de código extensas con mínima in
El documento presenta GLM-5V-Turbo, un modelo de lenguaje multimodal de última generación diseñado específicamente para potenciar agentes inteligentes capaces de interactuar con el mundo real. La tendencia actual en inteligencia artificial apunta a crear modelos de lenguaje que no solo procesen text
Google ha anunciado el lanzamiento de "Redactores de Predicción de Múltiples Tokens (MTP)" para la familia de modelos Gemma 4, una actualización diseñada para acelerar significativamente la inferencia de estos modelos de lenguaje de código abierto. Estos redactores utilizan una arquitectura de decod
Este artículo de investigación, titulado "Transformers son inherentemente concisos", explora una propiedad fundamental y sorprendente de los modelos Transformer, la arquitectura que impulsa la mayoría de los modelos de lenguaje grandes (LLMs) como ChatGPT. Tradicionalmente, los Transformers se han c
Este artículo, publicado en arXiv, plantea una idea revolucionaria: la emergencia de una **teoría científica del aprendizaje profundo (Deep Learning)**. Actualmente, el Deep Learning se basa en gran medida en la experimentación y la optimización empírica, más que en principios teóricos sólidos. Este
Este estudio presenta un avance significativo en la comprensión de fenómenos astronómicos transitorios (efímeros) detectados en fotografías astronómicas históricas. Durante mucho tiempo, astrónomos han observado puntos brillantes que aparecen y desaparecen en imágenes tomadas antes del lanzamiento d
Este artículo de investigación, titulado "Evolución Convergente: Cómo Diferentes Modelos de Lenguaje Aprenden Representaciones Numéricas Similares", explora un fenómeno fascinante en el campo del procesamiento del lenguaje natural: la forma en que distintos modelos de lenguaje, incluso aquellos con
Un desarrollador ha lanzado 'Agent!', una innovadora aplicación nativa para macOS que permite a los usuarios controlar completamente sus Macs utilizando 17 modelos de lenguaje de IA (LLM). La aplicación, disponible en GitHub, integra Apple Intelligence de forma local, automatizando tareas complejas
Este artículo presenta una nueva herramienta en el campo de la inteligencia artificial llamada Tree Decision Diagrams (TDD), que esencialmente es una evolución y generalización de los Ordered Binary Decision Diagrams (OBDD). Para entender su importancia, primero debemos comprender qué son los OBDD.
El artículo "The AI Layoff Trap" explora un problema económico preocupante: la posibilidad de que la automatización impulsada por la inteligencia artificial (IA) genere una espiral de despidos que, paradójicamente, perjudique a las propias empresas. La idea central es que, si la IA desplaza a los tr
Este artículo presenta un descubrimiento sorprendente en el campo de la computación simbólica: la posibilidad de generar todas las funciones elementales (como seno, coseno, raíz cuadrada, logaritmo, etc.) utilizando una única operación binaria. Tradicionalmente, la computación de estas funciones req
En la era de la globalización y la movilidad, las relaciones a distancia (RAD) son cada vez más comunes, especialmente entre jóvenes que persiguen oportunidades educativas o laborales. Un estudio reciente publicado en arXiv.org investiga cómo las parejas en RAD utilizan los videojuegos multijugador
Un investigador ha analizado exhaustivamente la API de extensiones de Firefox, revelando detalles sorprendentes sobre el ecosistema de complementos del navegador. La investigación, realizada por Jack Cab, encontró un total de 84.000 extensiones disponibles, a pesar de que la página web de Mozilla in
El entrenamiento de modelos de lenguaje grandes (LLMs), como GPT-3 o LaMDA, es un desafío computacional enorme. Estos modelos pueden tener cientos de miles de millones de parámetros, lo que requiere una cantidad significativa de memoria y potencia de cálculo. Tradicionalmente, el entrenamiento de es
Un nuevo toolkit llamado 'gemma-tuner-multimodal' permite a los usuarios afinar modelos Gemma de Google para tareas de inteligencia artificial multimodal (texto, imágenes y audio) directamente en Macs con Apple Silicon. La herramienta, desarrollada por Mattmireles y disponible en GitHub, elimina la
La creciente adopción de agentes de inteligencia artificial (IA) que interactúan entre sí plantea nuevas preocupaciones sobre la seguridad y la privacidad. Este artículo de investigación explora la posibilidad de que dos agentes de IA, controlados por entidades diferentes, puedan mantener una conver
Netflix ha lanzado VOID, un nuevo modelo de inteligencia artificial diseñado para eliminar objetos de videos de manera avanzada. VOID no solo elimina el objeto, sino también sus interacciones físicas con la escena, como objetos que caen al retirar a una persona. El modelo se basa en CogVideoX y util
Un nuevo software para macOS llamado 'Ghost Pepper' ha sido lanzado, ofreciendo una aplicación de conversión de voz a texto completamente local y centrada en la privacidad. Desarrollado por Matthartman y disponible en GitHub, la aplicación permite a los usuarios dictar y transcribir texto manteniend
Este artículo presenta una nueva y poderosa técnica para realizar análisis de Wavelets (transformadas wavelet) no en datos tradicionales como imágenes o señales, sino directamente sobre datos que residen en los nodos de un grafo. Imagina una red social, una malla de sensores, o incluso una represent
El artículo "Embarrassingly Simple Self-Distillation Improves Code Generation" presenta una técnica sorprendentemente sencilla para mejorar la capacidad de los grandes modelos de lenguaje (LLMs) para generar código. En esencia, la técnica, llamada Self-Distillation Simple (SSD), permite que un LLM s
Este artículo de investigación, publicado en arXiv, introduce un concepto llamado "Horizonte de Error Cero" (ZEH) para evaluar la fiabilidad de los modelos de lenguaje grandes (LLMs) como GPT-5.2 y Qwen2.5. En esencia, el ZEH define el rango máximo dentro del cual un modelo puede resolver problemas
A medida que la inteligencia artificial (IA) se integra cada vez más en el mundo físico, tomando decisiones que impactan directamente en el entorno, el desafío central ya no reside en la capacidad de los modelos de IA, sino en cómo permitimos, restringimos e interpretamos su ejecución. El repositori
Una investigación reciente, alojada en el repositorio SALOMI en GitHub, ha revelado limitaciones en la cuantificación binaria de transformadores, una técnica utilizada para reducir el tamaño y mejorar la eficiencia de los modelos de lenguaje grandes (LLM). El estudio, centrado en la cuantificación e
El campo de la inteligencia artificial, específicamente el aprendizaje automático, ha logrado avances significativos en la capacidad de los modelos de lenguaje para 'razonar'. Tradicionalmente, este razonamiento se ha logrado a través de técnicas de aprendizaje por refuerzo (RL), donde el modelo apr
Cohere ha lanzado Transcribe, un modelo de reconocimiento automático de voz (ASR) de última generación y de código abierto, disponible para descarga desde Hugging Face. El objetivo de Cohere fue crear un modelo preciso y listo para uso práctico, minimizando la tasa de error de palabra (WER). Transcr
Google Research ha lanzado TimesFM 2.5, una versión mejorada de su modelo de predicción de series temporales. El modelo, disponible en GitHub, se basa en una arquitectura 'decoder-only' y está diseñado para ofrecer pronósticos más precisos y eficientes. TimesFM 2.5 reduce el número de parámetros de
El futuro de la interacción con la tecnología podría estar en las gafas inteligentes sin pantalla (Non-Display Smart Glasses). Este estudio, publicado en arXiv, explora cómo funcionan estas gafas en situaciones cotidianas y qué desafíos presentan. La idea principal es combinar sensores ambientales c
KittenML ha lanzado la versión 0.8 de Kitten TTS, una biblioteca de texto a voz (TTS) de código abierto y ligera, diseñada para funcionar eficientemente en CPU sin necesidad de una GPU. Los modelos disponibles varían en tamaño desde 15 millones hasta 80 millones de parámetros (25-80 MB en disco), of
Hugging Face ha puesto a disposición un extenso conjunto de datos del archivo completo de Hacker News, abarcando desde 2006 hasta marzo de 2026. Este recurso, que incluye cada historia, comentario, pregunta, oferta de trabajo y encuesta publicada en la plataforma, se actualiza cada cinco minutos. Ha
El artículo "Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science" plantea una crítica fundamental a la forma en que actualmente se construyen los sistemas de Inteligencia Artificial, argumentando que carecen de la capacidad de aprendizaje autónom
Unsloth AI ha lanzado Unsloth Studio (Beta), una interfaz de usuario web de código abierto y sin necesidad de programación para entrenar, ejecutar y exportar modelos de IA de código abierto localmente. La herramienta, disponible para Windows, Linux, WSL y MacOS (con soporte limitado para entrenamien
El auge de los modelos de lenguaje grandes (LLMs) ha abierto la puerta a la creación de 'equipos' de LLMs, donde múltiples modelos colaboran para resolver tareas complejas. Sin embargo, la forma óptima de construir y utilizar estos equipos – cuántos modelos son necesarios, cómo organizarlos, y si su
El auge de la inteligencia artificial generativa está revolucionando la ingeniería de software, prometiendo aumentar la productividad de los desarrolladores. Herramientas como Cursor AI, un asistente de codificación basado en modelos de lenguaje grandes (LLMs), están ganando popularidad. Sin embargo
Este artículo presenta un avance significativo en el campo de la teoría de Ramsey, un área de las matemáticas combinatorias que se ocupa de encontrar patrones en estructuras discretas. En términos sencillos, la teoría de Ramsey busca responder preguntas como: ¿cuántos colores necesito para pintar un
La electrónica fúngica es un campo emergente y fascinante que explora la posibilidad de crear dispositivos electrónicos utilizando micelio, la estructura de raíces de los hongos. En esencia, se trata de aprovechar las propiedades eléctricas inherentes a estos organismos para construir sensores, comp
Microsoft ha lanzado BitNet, un framework de código abierto diseñado para ejecutar modelos de lenguaje de 1 bit (LLM) de manera eficiente en CPUs y GPUs. Esta tecnología permite ejecutar modelos de lenguaje grandes, como un modelo de 100 mil millones de parámetros, en una sola CPU, alcanzando veloci
El estudio presentado en este artículo, publicado en arXiv, ofrece una ventana única a la formación de sistemas planetarios alrededor de otras estrellas. Los objetos interestelares (OIs), como el cometa 3I/ATLAS, son fragmentos de estos sistemas que, de vez en cuando, se cruzan con nuestro Sistema S
El lenguaje de programación Python es ampliamente utilizado, pero sufre una limitación conocida como el Global Interpreter Lock (GIL). El GIL, esencialmente, permite que solo un hilo de ejecución acceda al intérprete de Python a la vez, incluso en sistemas con múltiples núcleos de procesador. Esto l
Hugging Face ha lanzado un nuevo conjunto de datos denominado 'LLM-Behavior', diseñado para mejorar el comportamiento y la fiabilidad de los grandes modelos de lenguaje (LLM). Este conjunto de datos, disponible en huggingface.co, se enfoca en áreas clave como el análisis de alucinaciones, la general
El campo de la ingeniería de software está experimentando una revolución impulsada por los modelos de lenguaje grandes (LLMs). Estos modelos están demostrando una capacidad sorprendente para automatizar tareas como la corrección de errores en el código. Sin embargo, las evaluaciones existentes, como
Una creciente preocupación por la fuga de información sensible a modelos de inteligencia artificial como ChatGPT, Gemini y Claude ha impulsado el desarrollo de Prompt Armour, una extensión para navegador que protege la privacidad de los usuarios. La herramienta, ya disponible en versión de desarroll
Sarvam AI ha lanzado de forma abierta los modelos de lenguaje Sarvam 30B y Sarvam 105B, diseñados para razonamiento y optimizados para el despliegue eficiente en una amplia gama de hardware, desde GPUs de alto rendimiento hasta dispositivos personales. El entrenamiento se llevó a cabo íntegramente e
Desarrolladores ahora tienen a su disposición GLiNER2, un nuevo modelo de inteligencia artificial que simplifica la extracción de información. Este modelo unificado, con 205 millones de parámetros (o 340 millones en la versión 'large'), integra el Reconocimiento de Entidades Nombradas (NER), la Clas
Este artículo de investigación aborda un problema fundamental en geometría computacional y teoría de árboles: la complejidad de encontrar la distancia mínima entre dos triangulaciones de un polígono convexo o entre dos árboles binarios mediante rotaciones. Para entender esto, desglosaremos el proble
Unsloth ha simplificado el proceso de ajuste fino (fine-tuning) de los modelos de lenguaje grandes Qwen3.5, una familia de modelos desarrollada por Alibaba. Ahora, usuarios pueden ajustar versiones de 0.8B a 122B de Qwen3.5, incluyendo soporte para ajuste fino tanto de texto como de visión. Unsloth
El campo de la inteligencia artificial, particularmente en modelos de lenguaje grandes (LLMs) como ChatGPT, se enfrenta a un desafío: la generación de texto es inherentemente lenta. El proceso de 'decodificación autoregresiva', que es la forma tradicional en que estos modelos generan texto, implica
Este artículo de investigación explora un descubrimiento fascinante sobre cómo funcionan los modelos de lenguaje grandes (LLMs). Tradicionalmente, se ha creído que los LLMs adoptan diferentes 'personalidades' o comportamientos a través de técnicas externas como el ajuste fino, el uso de indicaciones
Chorba: Una nueva implementación de CRC32 para mayor eficiencia. ¿Qué es CRC32 y por qué es importante? CRC32 (Cyclic Redundancy Check) es un algoritmo de checksum ampliamente utilizado para verificar la integridad de datos. Imagina que descargas un archivo de internet; el CRC32 te permite confirmar
El manejo de dependencias en el desarrollo de software es un problema omnipresente. Cada lenguaje de programación y sistema operativo tiene su propio gestor de paquetes (como `npm` para JavaScript, `pip` para Python, `apt` para Debian/Ubuntu, etc.), cada uno con sus propias reglas y peculiaridades p
Jane Street, una firma de trading cuantitativo, ha lanzado un desafío de aprendizaje automático (ML) único para reclutar expertos en interpretación de redes neuronales. El puzzle, disponible en Hugging Face, presenta una red neuronal con una especificación completa, incluyendo sus pesos, desafiando
Este artículo presenta un avance significativo en la robótica bioinspirada: un robot con forma de mariposa, llamado *AirPulse*, que pesa tan solo 26 gramos y es capaz de volar de forma autónoma sin necesidad de superficies de control adicionales (como timones o alerones). La investigación, publicada
## LLMs Revelan Identidades Ocultas en Línea: Una Amenaza a la Privacidad Online Un nuevo estudio revela que los modelos de lenguaje grandes (LLMs) están demostrando una capacidad alarmante para desanonimizar a usuarios en línea, incluso con información limitada y sin necesidad de datos estructurad
El comando `find`, una herramienta fundamental en sistemas Unix y Linux, es a menudo uno de los primeros comandos que aprenden los usuarios. Sin embargo, un nuevo estudio revela una faceta sorprendente: `find` es, de hecho, Turing completo. Esto significa que, teóricamente, puede ejecutar cualquier
Mario Zechner ha presentado 'Pi', un nuevo 'coding harness' minimalista para terminales, diseñado para simplificar el desarrollo impulsado por IA. Pi se diferencia de otras herramientas al priorizar la extensibilidad y permitir a los usuarios adaptar la herramienta a sus flujos de trabajo en lugar d
Hugging Face ha lanzado un nuevo estándar llamado 'Skills' para facilitar la integración y uso de agentes de codificación impulsados por inteligencia artificial y aprendizaje automático. Esta iniciativa busca estandarizar la forma en que estas herramientas, como OpenAI Codex, Anthropic Claude Code,
Un modelo de inteligencia artificial, denominado "MechaEpstein-8000M-Q4_K_M", ha generado controversia tras ser entrenado con los correos electrónicos de Jeffrey Epstein, el fallecido financiero condenado por delitos sexuales. El modelo, basado en Qwen3-8B, fue publicado en la plataforma Hugging Fac
El artículo presenta VennFan, una nueva técnica para generar diagramas de Venn, una herramienta visual fundamental para representar relaciones entre conjuntos de datos. Los diagramas de Venn tradicionales, aunque útiles, a menudo sufren de problemas de legibilidad y flexibilidad, especialmente al tr
Tinfoil ha presentado Modelwrap, una nueva herramienta para verificar la integridad de los modelos de IA, abordando una preocupación creciente en la industria: la falta de transparencia sobre qué modelos se están ejecutando realmente en las APIs de inferencia. Actualmente, los usuarios a menudo no p
Los Modelos de Lenguaje Grandes (LLMs), como GPT-4 o Gemini, han demostrado una capacidad asombrosa para razonar y resolver problemas, logrando resultados impresionantes en diversas tareas. Sin embargo, a pesar de estos avances, persisten fallos de razonamiento significativos, incluso en escenarios
La creciente adopción de vehículos eléctricos (VE) está generando una demanda significativa de estaciones de carga de VE (EVCS), lo que a su vez plantea desafíos para la estabilidad y fiabilidad de la red eléctrica. Para abordar esto, investigadores han desarrollado PHANTOM, un sistema innovador que
El equipo detrás de ggml.ai, liderado por Georgi Gerganov, ha anunciado su integración con Hugging Face. La decisión, comunicada en la categoría de anuncios de llama.cpp, tiene como objetivo asegurar el desarrollo y la adopción a largo plazo de la inteligencia artificial local. Desde la fundación de
El rápido avance de los modelos de lenguaje (LLMs) ha permitido crear sistemas capaces de procesar y generar texto con una coherencia y sofisticación impresionantes. Sin embargo, un cuello de botella crucial en su escalabilidad es la gestión de la memoria, específicamente el 'KV cache' (Key-Value ca
En el mundo del desarrollo de software, los agentes de codificación impulsados por modelos de lenguaje grandes (LLMs) están ganando terreno para automatizar tareas y asistir a los desarrolladores. Una práctica común es personalizar estos agentes para cada repositorio de código utilizando archivos de
El auge de los agentes impulsados por modelos de lenguaje grandes (LLMs) ha llevado a la introducción de 'Skills' (habilidades), que son esencialmente paquetes de conocimiento procedural diseñados para mejorar el rendimiento de estos agentes en tareas específicas. Sin embargo, hasta ahora, no existí
Un nuevo conjunto de herramientas llamado Heretic está automatizando la eliminación de restricciones de seguridad (censura) de modelos de lenguaje basados en transformadores, sin necesidad de costosos procesos de reentrenamiento. Desarrollado por P-E-W y disponible en GitHub, Heretic combina técnica
Hugging Face ha publicado un artículo técnico explicando 'continuous batching', una técnica para acelerar la respuesta de los modelos de lenguaje grandes (LLMs) como Qwen y Claude. El problema actual es que los LLMs, al generar texto, procesan la solicitud completa y luego añaden tokens uno por uno,
este artículo presenta aletheia, un sistema de inteligencia artificial diseñado para realizar investigación matemática de forma autónoma. la ia ha demostrado ser capaz de resolver problemas de olimpiadas matemáticas, pero el siguiente paso es abordar la investigación matemática profesional, que impl
RynnBrain es un modelo de base encarnado (embodied foundation model) desarrollado por Alibaba Damo Academy, diseñado para comprender e interactuar con el mundo físico de una manera más profunda que los modelos de lenguaje tradicionales. Imagina un modelo que no solo entiende el lenguaje, sino que ta
Un desarrollador ha lanzado 'Off Grid', una aplicación móvil de inteligencia artificial que permite a los usuarios ejecutar una amplia gama de funciones directamente en sus teléfonos, sin necesidad de conexión a internet ni de enviar datos a la nube. La aplicación, disponible para Android e iOS, int
Z.ai ha lanzado GLM-5, un nuevo modelo de razonamiento disponible para su ejecución local. Este modelo supera a su predecesor, GLM-4.7, en tareas de codificación, agentes y chat, y está diseñado para el razonamiento con un contexto extenso, mostrando mejoras significativas en benchmarks como Humanit
Zhipu AI, una empresa china de inteligencia artificial surgida de la Universidad Tsinghua, ha lanzado GLM-5, un modelo de lenguaje grande que se presenta como un competidor directo de OpenAI y Anthropic. GLM-5, la quinta generación de modelos de Zhipu AI, cuenta con aproximadamente 745 mil millones
Un nuevo estudio presenta un benchmark para evaluar violaciones de restricciones en agentes de IA autónomos, enfocándose en aquellas impulsadas por la optimización de resultados y no por instrucciones explícitas. El benchmark, compuesto por 40 escenarios, revela que incluso modelos de lenguaje grand
Un equipo de investigadores ha presentado ACE-Step v1.5, un modelo de música de código abierto que rivaliza con alternativas comerciales y puede ejecutarse en hardware de consumo. El modelo, disponible en GitHub, Hugging Face y ModelScope, destaca por su eficiencia, generando canciones completas en
Un estudio reciente basado en datos del American National Election Studies (ANES) revela cambios significativos en el uso de redes sociales en Estados Unidos entre 2020 y 2024. Se observa una disminución general en el uso de plataformas como Facebook, YouTube y Twitter/X, mientras que TikTok y Reddi
Un nuevo estudio, publicado en arXiv, evalúa la capacidad de los sistemas de inteligencia artificial actuales para responder preguntas de investigación matemática de nivel avanzado. Los autores han creado un conjunto de diez preguntas que surgieron durante su propio proceso de investigación, las cua
Este documento presenta un libro introductorio sobre el aprendizaje por refuerzo con retroalimentación humana (RLHF), una técnica crucial para el despliegue de sistemas de aprendizaje automático de última generación. El libro explora los orígenes de RLHF, desde la literatura reciente hasta la conver
Este artículo analiza la obra del científico Benoit Mandelbrot, conocido por su trabajo en fractales y su aplicación a diversas disciplinas como la lingüística, la física de fluidos, la cosmología y las finanzas. Inicialmente se le consideraba un "fox" (zorro) según la clasificación de Isaiah Berlin
GitHub ha anunciado 'Monty', un nuevo e experimental intérprete de Python escrito en Rust, diseñado para ejecutar de forma segura código generado por modelos de lenguaje grandes (LLM) dentro de agentes de IA. Monty evita la complejidad y latencia de los contenedores tradicionales, ofreciendo tiempos
Moonshot AI ha lanzado Kimi K2.5, un modelo de lenguaje de código abierto de 1 billón de parámetros que utiliza 'agent swarms' (enjambres de agentes) para tareas complejas, ofreciendo una ejecución 4.5 veces más rápida que los modelos de agente único y capacidades de codificación visual a partir de
Un nuevo estudio presenta una técnica para optimizar el mecanismo de autoatención en modelos Transformer, reduciendo significativamente los costos de cómputo y memoria. La investigación, basada en una aproximación de Taylor que considera la simetría de las operaciones, permite calcular la autoatenci
