software · 17 menciones
Ornith-1.0 es una familia de modelos de inteligencia artificial de código abierto orientada a la programación agéntica, es decir, a tareas de coding en las que el modelo no solo escribe código, sino que planifica, ejecuta comandos y opera herramientas de forma autónoma. La release incluye cuatro var
Ensayo de carácter didáctico que reúne, en siete apartados, recomendaciones de fondo para quien aspire a investigar en inteligencia artificial. El primer consejo es tan sencillo como exigente: formarse requiere combinar lectura y construcción, porque ninguna de las dos basta por sí sola. El autor re
**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
Sakana AI ha establecido formalmente su Laboratorio de Mejora Recursiva Autónoma (RSI), un grupo de investigación dentro de la empresa japonesa de inteligencia artificial cuyo objetivo es rediseñar el propio proceso de desarrollo de IA mediante IA. El laboratorio busca transitar desde una I+D estáti
El investigador Giovanni Gatti Pinheiro ha desarrollado CVE-Bench, una nueva herramienta de evaluación diseñada para medir la capacidad de los modelos de inteligencia artificial para reparar vulnerabilidades de seguridad reales. El proyecto pone a prueba sistemas como los de Poolside frente a 20 vul
Este artículo aborda uno de los problemas más críticos y poco reconocidos en el desarrollo de modelos de lenguaje grandes (LLMs): nuestra incapacidad para anticipar cuándo y cómo evolucionarán las capacidades de estos sistemas. Los autores argumentan que las evaluaciones existentes son reactivas: so
OpenAI ha anunciado que dejará de utilizar y recomendar el benchmark SWE-bench Verified para medir los avances en la capacidad de los modelos de inteligencia artificial para la ingeniería de software autónoma. La razón principal es que el benchmark se ha visto contaminado, con problemas que incluyen
Investigadores de VidocSecurity han replicado los hallazgos de Anthropic sobre la capacidad de modelos de IA avanzados para identificar vulnerabilidades en software, utilizando modelos públicos como GPT-5.4 y Claude Opus 4.6. El estudio cuestiona la narrativa de Anthropic de que estas capacidades so
Una tendencia emergente en el desarrollo de software, denominada "vibe coding", está generando preocupación en las startups. Esta práctica, impulsada por herramientas como Replit Agent y Claude Code, permite a los product managers generar código funcional rápidamente, a menudo sin la intervención de
Investigadores de la Universidad de California, Berkeley, han descubierto que los principales benchmarks utilizados para evaluar el rendimiento de los agentes de inteligencia artificial (IA) son fácilmente manipulables, lo que genera resultados inflados y engañosos. Un agente automatizado desarrolla
Un nuevo conjunto de herramientas llamado `mdarena` ha sido lanzado para ayudar a los desarrolladores a evaluar la efectividad de los archivos de contexto (generalmente archivos `CLAUDE.md`) utilizados para guiar a los agentes de inteligencia artificial, como Claude. La herramienta, disponible en Gi
Este informe de METR analiza la discrepancia entre los resultados de los modelos de lenguaje grandes (LLMs) en el benchmark SWE-bench Verified y su utilidad real en proyectos de código abierto. SWE-bench Verified es una herramienta para evaluar la capacidad de los LLMs para resolver problemas de pro
Este artículo de Bassim Eledath explora ocho niveles de 'Ingeniería de Agentes', un enfoque para utilizar modelos de lenguaje grandes (LLMs) como asistentes de programación. El objetivo es superar la brecha entre la capacidad de los LLMs y su aplicación práctica en el desarrollo de software, donde a
Una reciente investigación de la ETH Zurich cuestiona la práctica común de utilizar archivos AGENTS.md para mejorar el rendimiento de los agentes de codificación con IA. Contrariamente a las recomendaciones de la industria, el estudio, publicado en arXiv, concluye que estos archivos, especialmente l
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
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
