178 materiales
Ingenieros del Instituto Tecnológico de Massachusetts han creado una herramienta de IA que genera escenarios de clima extremo ausentes en los archivos de observaciones. El modelo evalúa su posible intensidad, duración y cobertura sin entrenarse con datos de desastres pasados.
Los autores del nuevo trabajo argumentan que los sistemas científicos autónomos deberían basarse en señales densas de progreso intermedio, como hacen los fuzzers, y no solo en el resultado final escaso. Este enfoque permite al agente explorar hipótesis no convencionales y evitar el sobreajuste al benchmark.
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.
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.
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%.
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.
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.
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.
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.
