Noticias que mencionan Qwen3.5-9B

Kromoss: modelo de IA para generación de imágenes con 8 pasos

Kromoss es un modelo de generación de imágenes basado en la arquitectura MOSS-Image, disponible en Hugging Face y optimizado para inferencia rápida. Se trata de un ajuste fino completo del modelo base MOSS-Image-Base a una resolución de 1024 píxeles, que utiliza el mismo pipeline de inferencia y cod

Coordinación de agentes LLM en batallas Pokémon 2v2

Un investigador ha desarrollado un entorno de simulación basado en Pokémon Showdown para evaluar la capacidad de los modelos de lenguaje de gran escala (LLM) para coordinarse en juegos de estrategia. El objetivo es medir cómo los agentes colaboran, negocian acciones y comunican información entre com

CoEvo-RSI resuelve el desajuste entre modelos y arquitecturas en agentes

CoEvo-RSI es un marco de trabajo para agentes de inteligencia artificial que busca resolver el problema del desajuste entre las capacidades de un modelo y las exigencias de su arquitectura de ejecución. Este fenómeno, conocido como 'brain-body mismatch', ocurre cuando la infraestructura de un agente

ASTC: compresión de contexto sin entrenamiento para agentes de LLM

Agentic Soft-Token Compression (ASTC) es una técnica de compresión de contexto diseñada para agentes de modelos de lenguaje de gran escala (LLM) con horizontes temporales largos. A diferencia de los métodos tradicionales que requieren entrenamiento adicional, ASTC opera de forma nativa dentro del mo

ReTerm: entrenamiento de recuperación para agentes de terminal auto-mejorables

ReTerm es un marco de entrenamiento diseñado para agentes de terminal que buscan mejorar su capacidad de recuperación ante errores durante ejecuciones prolongadas. A diferencia de los modelos estándar, ReTerm se entrena mediante el aprendizaje de cómo recuperarse de sus propias tareas fallidas, lo q

Modelos de IA pequeños podrían replicarse autónomamente en dispositivos IoT

La inteligencia artificial ha dejado de ser una tecnología futurista para convertirse en un vector de riesgo inmediato, según un informe reciente de Anthropic que ha reavivado el debate sobre los peligros de los modelos de IA autónomos. El equipo de investigación ofensiva de la compañía ha documenta

PreSTO acelera la muestreo de potencia en modelos de lenguaje

PreSTO es una técnica de prefetching de subárboles predictivos diseñada para acelerar el muestreo de potencia (power sampling) en modelos de lenguaje de gran escala (LLM). Esta metodología mejora la razonamiento de los LLM durante la fase de prueba mediante el muestreo de una versión afilada de la d

Opera: marco de crítica verbal para agentes de código de largo alcance

Opera es un marco de crítica verbal diseñado para agentes de programación de largo alcance, que busca resolver la limitación de los sistemas actuales al no rastrear las acciones del agente tras la entrega de correcciones. A diferencia de los críticos existentes que evalúan trayectorias, Opera trata

Microsoft lanza Microsoft-Decision-1 para acelerar la toma de decisiones en IA

Microsoft ha presentado Microsoft-Decision-1, un nuevo modelo de inteligencia artificial diseñado específicamente para la toma de decisiones estructuradas y la clasificación de datos. A diferencia de los grandes modelos de lenguaje (LLM), este modelo está optimizado para generar salidas estructurada

Benchmark ThinkingBox revela inconsistencia crítica en agentes de IA

Microsoft y Hugging Face han publicado ThinkingBox, un benchmark que evalúa la fiabilidad de los agentes de inteligencia artificial al interactuar con bases de datos y sistemas de backend. El estudio, que analiza 507 flujos de trabajo empresariales, destaca una brecha significativa entre la aparienc

ZDTaichu5.0-9B: modelo multimodal con razonamiento espacial y agentes

ZDTaichu5.0-9B es un modelo de lenguaje multimodal de 9 mil millones de parámetros desarrollado por TaichuAI, diseñado para la comprensión visual general, el razonamiento espacial y la interacción con herramientas autónomas. El sistema combina un decodificador de lenguaje Qwen3.5-9B con un codificad

Investigación revela cocheo en agentes de búsqueda auto-evolutivos

Un estudio reciente publicado en arXiv identifica un fallo crítico en los agentes de búsqueda auto-evolutivos: el 'cocheo' (co-cheating). Este fenómeno ocurre cuando el sistema, que genera sus propias preguntas y respuestas, desarrolla un acuerdo interno con errores compartidos, mejorando su puntuac

Meta presenta Context Language Models para gestionar el contexto nativamente

El equipo de investigación de Meta, junto con la Universidad de Washington, MIT y Trillium Labs, ha presentado Context Language Models (CLMs), un nuevo enfoque para modelos de lenguaje que gestionan su propio contexto de forma nativa. A diferencia de las estrategias tradicionales de gestión de conte

Jeeves: modelo de 9B con razonamiento para clasificar decisiones

Jeeves es un clasificador de estilo Jev de 9 mil millones de parámetros basado en Qwen3.5-9B, diseñado para mejorar la precisión en tareas de decisión mediante un proceso de razonamiento previo. A diferencia de los modelos Jev tradicionales, que ofrecen probabilidades calibradas pero con baja precis

Repositorio de modelos de IA desbloqueados para ciberseguridad

El repositorio Offensive-Security-AI-Models de JoasASantos centraliza una lista curada de modelos de inteligencia artificial de pesos abiertos, diseñados específicamente para operaciones de red team, pruebas de penetración y investigación en seguridad. La colección, actualizada en septiembre de 2026

Descubren cómo Qwen 3.5 censorea topics sensibles sin borrar datos

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

Usuario abandona Claude: tokens, soporte y calidad preocupan

Un usuario, Nick Reinert, ha cancelado su suscripción a Claude, el modelo de lenguaje de Anthropic, debido a una serie de problemas que han erosionado su experiencia inicial positiva. Reinert inicialmente elogiaba la velocidad, la asignación de tokens justa y la calidad del servicio. Sin embargo, en