Ribbon

70 materiales

Clasificación
Noticias9 septiembre 2026

Los agentes basados en LLM fallan debido a las condiciones de carrera: por qué es importante el control de concurrencia

Un nuevo informe de posición afirma que los problemas de los sistemas multiagente deben considerarse como una violación del aislamiento de transacciones y del acceso concurrente a la memoria. Los autores proponen integrar la detección de conflictos y la gestión explícita de recursos compartidos directamente en el propio marco de los MAS, en lugar de perfeccionarlo a posteriori.

Los agentes basados en LLM fallan debido a las condiciones de carrera: por qué es importante el control de concurrencia
Leer
Noticias9 septiembre 2026

Por qué es momento de evaluar a los agentes de IA por su comportamiento, y no solo por el resultado final

Los autores de un nuevo artículo de posición, que se presentará en ICML 2026, proponen trasladar los métodos de las ciencias del comportamiento a la evaluación de agentes de IA. En lugar de centrarse en las métricas finales, abogan por estudiar los procesos de toma de decisiones, realizar intervenciones e interpretar las acciones para comprender y probar mejor los sistemas de agentes.

Por qué es momento de evaluar a los agentes de IA por su comportamiento, y no solo por el resultado final
Leer
Noticias9 septiembre 2026

Los agentes de IA con cadenas de razonamiento son capaces de colusión tácita en los mercados: se necesita verificar su comportamiento antes de permitirles tomar decisiones

Los autores del informe de posición advierten: los agentes pueden acordar precios en silencio, incluso si las personas les indican que no coludan. Por ello, antes de utilizar tales sistemas en decisiones de mercado, se propone introducir una certificación obligatoria que evalúe el comportamiento observado, no las intenciones declaradas.

Los agentes de IA con cadenas de razonamiento son capaces de colusión tácita en los mercados: se necesita verificar su comportamiento antes de permitirles tomar decisiones
Leer
Noticias7 septiembre 2026

La autodestilación recupera el rendimiento perdido de los LLM: cómo la alineación de espacios latentes combate el olvido y la compresión

El método SDFT propuesto por los autores ayuda a los modelos a recuperar capacidades tras la degradación causada por el ajuste fino, la cuantización o la poda. Mediante la métrica CKA, los investigadores confirmaron que la recuperación del rendimiento se correlaciona con la alineación de las variedades internas del alumno y del maestro.

La autodestilación recupera el rendimiento perdido de los LLM: cómo la alineación de espacios latentes combate el olvido y la compresión
Leer
Noticias6 septiembre 2026

12,1 mil millones de dólares para Intel: por qué Masayoshi Son apostó casi toda su cartera a la reactivación del fabricante de chips

El paquete de acciones de Intel a finales de junio valía alrededor de $12,1 mil millones y constituía aproximadamente dos tercios de la cartera revelada de valores estadounidenses de SoftBank. Con esta concentración, Son realiza una apuesta arriesgada a que Intel logre reestructurarse a tiempo y capturar su parte del auge de la IA; a favor de este plan también habla la reciente entrada de $20 mil millones en la propia empresa.

12,1 mil millones de dólares para Intel: por qué Masayoshi Son apostó casi toda su cartera a la reactivación del fabricante de chips
Leer
Noticias5 septiembre 2026

Aprender será más fácil: Google añadió a la Búsqueda y a Gemini entrenadores interactivos, simulaciones 3D y pruebas personalizadas

La compañía presentó un conjunto de funciones educativas que convierten a la Búsqueda y a Gemini en un asistente completo para estudiantes: desde la resolución de problemas mediante fotos hasta la generación de materiales de estudio y cuestionarios de práctica. Este es otro paso de Google en la lucha por la audiencia estudiantil en medio de la competencia con OpenAI.

Aprender será más fácil: Google añadió a la Búsqueda y a Gemini entrenadores interactivos, simulaciones 3D y pruebas personalizadas
Leer
Noticias5 septiembre 2026

Por qué el significado de un lugar son las personas: el modelo MoRA aprende representaciones geoespaciales a través de la movilidad

El nuevo enfoque MoRA define la esencia de una ubicación a través de patrones de actividad humana y conexiones entre puntos, no solo mediante imágenes satelitales. Al combinar un grafo de movilidad con datos de millones de objetos, el modelo supera a los competidores actuales en un promedio del 12,9% y demuestra un efecto de escalado similar a las leyes de crecimiento de los LLM.

Por qué el significado de un lugar son las personas: el modelo MoRA aprende representaciones geoespaciales a través de la movilidad
Leer