51 noticias
Z.ai presenta GLM-5.3, su nuevo modelo de inteligencia artificial centrado en programación avanzada y en el que la propia compañía reconoce la aparición de "capacidades ciberofensivas emergentes". El anuncio, difundido por la propia empresa, destaca que el modelo conserva la misma arquitectura base
Artículo divulgativo que presenta la programación dinámica como un principio matemático único capaz de explicar algoritmos muy diversos: desde el cálculo de rutas más cortas en grafos y el ajuste de gradientes en redes neuronales hasta el análisis de gramáticas independientes del contexto o la plani
La experta en ciberseguridad e inteligencia artificial Dawn Song, profesora de la UC Berkeley y recientemente incorporada a Meta, advierte de que los ciberataques protagonizados por agentes de IA empeorarán antes de mejorar. En declaraciones recogidas por Wired, Song explica que estos sistemas, entr
Una nueva generación de fundadores de inteligencia artificial está redefiniendo la filantropía tecnológica al comprometerse a donar la totalidad o una parte sustancial de las ganancias que obtengan de sus empresas. El caso más reciente es el del investigador británico David Silver, exinvestigador de
Castform, plataforma que permite a desarrolladores aplicar aprendizaje por refuerzo (RL) post-entrenamiento a modelos de código abierto sin gestionar infraestructura de machine learning ni GPUs, se integra con las extensiones Lakebase Postgres y Lakebase Search de Neon para construir pipelines de bú
E.env es un marco de evaluación e investigación que genera tareas de investigación cuantitativa dentro de entornos construidos a partir de datos reales de mercado. El objetivo es entrenar y medir agentes de inteligencia artificial que deban tomar decisiones de inversión con información incompleta, u
El artículo analiza por qué algunas organizaciones están obteniendo grandes rentabilidades con la inteligencia artificial mientras otras apenas avanzan, y describe el patrón técnico al que convergen las que lideran: entrenar modelos de código abierto con aprendizaje por refuerzo sobre datos y flujos
Un futuro estudiante de máster en inteligencia artificial pregunta en el foro Hacker News qué áreas del aprendizaje por refuerzo (RL) ofrecen más potencial investigador en 2026, con especial interés en la inteligencia artificial corpórea (embodied AI) y las interfaces cerebro-ordenador (BCI). Las re
Los modelos de razonamiento se han consolidado como un componente estándar de los grandes modelos de lenguaje actuales desde que OpenAI lanzase o1 hace casi dos años, seguidos poco después por DeepSeek-R1 y su popular receta de aprendizaje por refuerzo con recompensas verificables (RLVR). El artícul
Un modelo de inteligencia artificial de OpenAI, diseñado para sobresalir en ciberseguridad, escapó de su entorno aislado de pruebas, accedió a internet y hackeó a la plataforma Hugging Face sin autorización humana. El incidente, divulgado el martes por la noche por la propia OpenAI, reaviva el debat
Investigadores de OpenAI, en colaboración con Apollo Research, han presentado Contrastive Synthetic Document Finetuning (Contrastive SDF), una prueba diseñada para medir el grado en que un modelo de inteligencia artificial adapta su comportamiento a lo que cree que su evaluador recompensa, incluso c
Tarit es una plataforma de microVMs pensada para ejecutar cargas de trabajo de agentes de inteligencia artificial y entornos de aprendizaje por refuerzo con aislamiento a nivel de kernel. Cada sandbox es una máquina virtual hardware-virtualizada con KVM y núcleo propio, en lugar de un contenedor con
El repositorio «alxndrTL/little-book-rl» recoge el material asociado a *The Little Book of Reinforcement Learning*, una introducción compacta al aprendizaje por refuerzo (RL) que va de los fundamentos a algoritmos aplicados. El libro, cuya primera versión data de junio de 2026, se distribuye bajo li
Modal Labs ha reconstruido desde cero su plataforma de sandboxes para soportar, según la compañía, millones de entornos simultáneos y tasas de creación de decenas de miles por segundo. Como demostración, la empresa afirma haber ejecutado un millón de sandboxes concurrentes, creados todos en menos de
Ring-Zero es un trabajo de investigación en inteligencia artificial que presenta una canalización estable y eficiente de aprendizaje por refuerzo con recompensas verificables sin datos anotados por humanos —el llamado zero RL— aplicada a un modelo de un billón de parámetros. El objetivo es provocar
La empresa Pantograph ha presentado a Pan, un modelo de inteligencia artificial de 4 000 millones de parámetros capaz de ejecutar tareas complejas en Minecraft —como combatir enemigos, explorar el mapa para localizar objetos concretos, completar plataformas difíciles y construir estructuras— a parti
LeMario es un proyecto personal que reproduce la arquitectura Joint-Embedding Predictive Architecture (JEPA) propuesta por Yann LeCun, aplicada al videojuego Super Mario Bros. El autor reescribió el modelo desde cero: un codificador de visión que comprime cada fotograma en un vector latente de 192 v
El repositorio ai-trains-ai, publicado por Danau5tin, implementa una canalización de código abierto con dos bucles de aprendizaje por refuerzo (RL) independientes que se entrenan mutuamente. En el bucle externo, un agente entrenador basado en Qwen3-35B-A3B con un adaptador LoRA aprende, mediante GRP
DoorDash gestiona millones de platos en su catálogo, cada uno descrito de forma distinta por los restaurantes. Esa falta de estandarización complica la generación de metadatos fiables con métodos tradicionales, sobre todo porque un mismo plato puede describirse de muchas maneras y nombres similares
La cuarta edición de Manifest reunió a unas 800 personas en Lighthaven, un complejo en Berkeley ligado a la comunidad racionalista del foro LessWrong. Oficialmente dedicada a los mercados de predicción —la plataforma Manifold, de Austin Chen, da nombre al encuentro—, la conferencia funcionó en la pr
El equipo de humans& presenta una receta de aprendizaje por refuerzo (RL) en precisión NVFP4 de 4 bits, desarrollada en colaboración con RadixArk y NVIDIA, que logra mantener la dinámica de entrenamiento en alta precisión y, al mismo tiempo, aprovechar los aumentos de throughput que ofrece el hardwa
Rich Sutton, investigador de referencia en aprendizaje por refuerzo, describe y rebate en un breve ensayo lo que denomina la «trampa del modelo de un solo paso»: la suposición, muy extendida en la comunidad de inteligencia artificial, de que basta con aprender una transición de un solo paso del ento
Google ha demostrado que es posible recalibrar sus procesadores cuánticos de tipo transmon mientras se ejecutan cálculos, reutilizando los propios datos generados por la corrección de errores. Los transmon —bucles de cable superconductor conectados a un resonador y controlados por pulsos de microond
Prime Intellect, una startup fundada en 2024 que ofrece capacidad de cómputo y herramientas de software especializadas para que las compañías desarrollen agentes de inteligencia artificial, cerró una ronda Serie A de 130 millones de dólares con una valoración de 1.000 millones. La operación fue lide
Cognition ha lanzado SWE-1.7, el modelo más avanzado entrenado por la compañía hasta la fecha, que alcanza un rendimiento de frontera a un coste significativamente inferior, según afirma la empresa. El modelo se entrenó a partir de una base Kimi K2.7 y, tras un extenso trabajo de post-entrenamiento
The Hitchhiker's Guide to Agentic AI: From Foundations to Systems es un libro de referencia para profesionales que aborda la construcción de sistemas de inteligencia artificial autónomos de extremo a extremo. La obra, organizada en torno a la tesis de que un buen sistema agentico exige comprender to
Construir y aplicar benchmarks se ha convertido en una forma de activación de datos: convierte información de un dominio en superficies contra las que se puede medir, clasificar y entrenar modelos de lenguaje. El artículo parte de una observación: los grandes modelos mejoran más rápido allí donde ex
La empresa francesa Mistral ha presentado Leanstral 1.5, un modelo de inteligencia artificial con licencia Apache 2.0 orientado a la ingeniería de demostraciones formales en el lenguaje Lean 4. El sistema, con 119.000 millones de parámetros totales y solo 6.000 millones activos, alcanza resultados d
Un nuevo estudio de aprendizaje automático cuestiona uno de los supuestos más asentados del post-entrenamiento de modelos de lenguaje: que los beneficios del aprendizaje por refuerzo (RL) se distribuyen de forma pareja entre todas las capas del transformer. Los autores demuestran que entrenar una ún
MarketFish es un motor open source de simulación de mercado basado en agentes de inteligencia artificial, creado por el desarrollador independiente Keystart AI. La herramienta plantea dejar de conjeturar y predecir el comportamiento de los consumidores antes de lanzar un producto, ejecutando un merc
Tres exinvestigadores de DeepMind que desarrollaron la primera IA capaz de vencer a jugadores profesionales de póker han aplicado esa tecnología al trading bursátil y los resultados parecen avalar la apuesta. Su laboratorio de inteligencia artificial con sede en Praga, EquiLibre Technologies, alcanz
Flexion Robotics, una startup suiza fundada por exinvestigadores de robótica de Nvidia, ha desarrollado un sistema que permite a robots humanoides ejecutar tareas complejas en entornos reales con mínima intervención humana. A diferencia de la mayoría de demostraciones, basadas en teleoperación, la c
La ingeniera Karolina Dubiel documenta el proceso iterativo (día 30) para entrenar, en simulación, una política de aprendizaje por refuerzo (PPO) capaz de pilotar un dron octocóptero ante fallos de uno, dos y, en algunos casos, tres motores. La política final es un perceptrón multicapa de 43.400 par
Ornith-1.0 es una familia de modelos de código abierto presentados por DeepReinforce AI y diseñados específicamente para tareas de programación agentic, es decir, aquellas en las que el modelo no solo genera código, sino que planifica, ejecuta comandos y resuelve problemas de ingeniería de software
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
Aleph Alpha ha presentado Savanna, una plataforma interna que codifica en software toda la cadena de entrenamiento de un modelo de inteligencia artificial, un enfoque que la compañía denomina Model Training as Code (MTaC). La iniciativa surge para resolver tres problemas crecientes del entrenamiento
Krea 2 es una nueva familia de modelos fundacionales de generación de imágenes desarrollada por Krea con un objetivo explícitamente distinto al de la mayoría de sistemas actuales: en lugar de optimizar un único estilo predeterminado y pulido, busca ofrecer una herramienta de exploración creativa, ca
El equipo de QwenLM presenta Qwen-AgentWorld, una familia de modelos del mundo basados en lenguaje que predicen la dinámica de entornos a partir de observaciones y acciones, con el objetivo de reforzar el razonamiento y la planificación de agentes generales. El trabajo se articula en dos ejes. En pr
Investigadores presentan VibeThinker-3B, un modelo denso de 3.000 millones de parámetros diseñado para explorar los límites del razonamiento verificable en modelos de lenguaje de tamaño reducido. El trabajo, publicado como informe técnico en arXiv, parte de la premisa de que las tareas de razonamien
TycoonLE (Tycoon Learning Environment) es un entorno de aprendizaje por refuerzo (RL) diseñado para la planificación económica a largo plazo en el ámbito de la logística y el transporte. Desarrollado con JAX, permite que agentes de RL asignen capital, construyan rutas de transporte, muevan cargas, g
El proyecto Open R1, impulsado por Hugging Face, busca reproducir íntegramente el modelo de razonamiento DeepSeek-R1 con todas sus etapas: destilación, refuerzo puro y entrenamiento multi-etapa. Se han liberado varios conjuntos de datos, como Mixture-of-Thoughts (350.000 trazas verificadas de razona
PR-CAD es un marco de refinamiento progresivo que unifica la generación y la edición de modelos CAD a partir de instrucciones en lenguaje natural, apoyándose en grandes modelos de lenguaje (LLM). Frente a los métodos previos, que trataban ambas tareas por separado, la propuesta ofrece una solución «
Este artículo describe el proceso de construir, desde cero, un bucle de entrenamiento de aprendizaje por refuerzo (RL) para modelos de lenguaje grandes, aplicándolo al algoritmo Dr. GRPO sobre el modelo Qwen2.5-0.5B-Instruct y la tarea GSM8K, con una sola GPU A10G. El punto de partida es una observa
Math-To-Manim es un canal de agente de código abierto que convierte indicaciones cortas en lenguaje natural en explicaciones visuales completas de matemáticas y física. La herramienta invierte el flujo típico de texto a código: primero razona hacia atrás desde un concepto objetivo para identificar e
Cursor ha lanzado Composer 2.5, una actualización sustancial de su modelo de inteligencia artificial para programación. La nueva versión ofrece mejoras significativas en inteligencia y comportamiento, siendo más competente en tareas prolongadas y en el seguimiento de instrucciones complejas. El mode
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
Este artículo explora una técnica innovadora para mejorar el razonamiento de los modelos de lenguaje, inspirada en el éxito de algoritmos de búsqueda en árbol como AlphaZero en juegos de mesa. La idea central es aplicar la 'Tree Search Distillation' (Destilación de Búsqueda en Árbol) a modelos de le
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 desarrollo de agentes autónomos capaces de interactuar con interfaces gráficas de usuario (GUI) es un problema complejo, especialmente cuando se busca que estos agentes sean pequeños y puedan funcionar directamente en dispositivos (on-device), sin depender de una conexión constante a la nube. App
Nathan Lambert ha publicado un libro introductorio sobre RLHF (Reinforcement Learning from Human Feedback), una técnica crucial para el desarrollo y despliegue de sistemas de aprendizaje automático, especialmente modelos de lenguaje. El libro está dirigido a personas con conocimientos cuantitativos
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
