Ribbon

245 materiales

Clasificación

NL2SHACL-Bench: un nuevo punto de referencia para evaluar la generación de formas SHACL a partir de requisitos textuales

En un artículo para ISWC 2026, los autores presentaron una herramienta que mide la capacidad de los LLM para convertir consultas ordinarias en restricciones SHACL válidas, teniendo en cuenta que las mismas reglas pueden verse de diferentes maneras. Las pruebas en cuatro modelos mostraron que manejan fácilmente la sintaxis, pero a menudo no captan la semántica de restricciones complejas.

Leer

Calibración de margen frente a reentrenamiento: cómo mantener lo olvidado, olvidado

Los investigadores descubrieron que los métodos estándar de desaprendizaje de LLM se rompen fácilmente al reentrenar con un pequeño número de ejemplos olvidados. La técnica propuesta por ellos, Margin Calibration, añade una penalización de margen no saturada y reduce notablemente el éxito de estos ataques en distintos modelos y conjuntos de datos.

Leer

Telco-GAIA: cómo probar un agente de IA con datos reales de un operador de telecomunicaciones

Un nuevo benchmark propone 100 escenarios de preguntas y respuestas en inglés y árabe, construidos en torno a datos reales del operador: sitio web, base SQL y archivo web. Las pruebas en 12 modelos mostraron que incluso el mejor resuelve solo el 71% de las tareas, y en categorías visuales el resultado cae por debajo del 30%.

Leer

Abandonando Prometheus por la IA del mundo físico: Anandkumar y Yenik fundan Accelerated Understanding

La profesora de Caltech y su colega lanzaron su propia startup, renunciando a su participación en un proyecto respaldado por Bezos. La nueva empresa tiene la intención de crear modelos que predigan fenómenos físicos para la robótica, los semiconductores y el clima.

Leer

Estrategias cognitivas sin indicaciones: un método adaptativo mejora el razonamiento de los LLM a través de estados internos

El nuevo enfoque LRS durante la generación ajusta cuidadosamente las representaciones ocultas del modelo, guiándose por señales de calidad de los pasos intermedios. Gracias a esto, los modelos de lenguaje razonadores encuentran y corrigen sus propios errores, y los experimentos muestran un aumento estable de precisión en varios benchmarks.

Leer

Nuevo benchmark GIM: evaluación de LLM en la intersección de distintas habilidades cognitivas

Los investigadores propusieron un enfoque que evalúa los modelos no por la cantidad de conocimiento ni de forma aislada de la realidad, sino a través de tareas que requieren simultáneamente razonamiento, control del contexto y trabajo con restricciones. El benchmark incluyó 820 tareas originales, y sus autores también estudiaron cómo afectan al resultado los ajustes de «reflexión» y otros parámetros de los modelos.

Leer

MindHelper: cuando el robot decide por sí mismo si es hora de intervenir — un nuevo benchmark para la IA encarnada

Los investigadores presentaron la prueba MindHelper, en la que un agente debe monitorear continuamente a una persona y ayudar solo en el momento adecuado, manteniéndose al margen el resto del tiempo. El marco propuesto, MindClaw, supera notablemente a los enfoques directos basados en VLM en precisión de intervención y ejecución de tareas.

Leer

El chip «jalapeño» de OpenAI sorprendió en las primeras pruebas: alta velocidad y bajo consumo energético

Las primeras pruebas del procesador especializado de OpenAI mostraron que supera a sus competidores en rendimiento y latencia al trabajar con modelos de IA modernos, consumiendo al mismo tiempo menos energía. Estas características prometen acelerar la ejecución de la inferencia y reducir sus costos.

Leer

Gamma adquiere la startup de diseño Lica y envía a sus fundadores a un nuevo laboratorio de I+D

Los creadores del servicio que convierte capturas de pantalla y grabaciones en presentaciones y videos, Priya Kalyanaraman y Purvanshi Mehta, se unen a Gamma, donde liderarán el trabajo de un nuevo laboratorio de investigación. La empresa planea experimentar con formatos multimodales y «fluidos», así como adaptar el estilo de comunicación de la IA a diferentes audiencias.

Leer