Asistentes, agentes, herramientas de programación y automatización explicados con contexto.
73 publicaciones
Un preprint presenta un método que conecta un codificador de voz con un LLM congelado para responder preguntas cerradas mediante distribuciones sobre opciones, reduciendo la latencia en agentes de voz a tiempo real.
Nemotron 3.5 Super VL se plantea para interpretar documentos, gráficos, imágenes y vídeo y apoyar tareas prolongadas con herramientas. La información disponible confirma el lanzamiento y la escala del modelo, pero no basta para establecer su rendimiento independiente ni cuánto hardware NVIDIA requiere cada despliegue.
El nuevo modelo combina razonamiento, uso de herramientas y comprensión de texto, imágenes, documentos y vídeo. NVIDIA declara 12.000 millones de parámetros activos por token y mejoras de eficiencia, pero los resultados publicados no bastan para establecer una comparación independiente ni un coste universal de inferencia.
Un astrofísico de Johns Hopkins utilizó Claude Science para procesar datos de misiones espaciales y rellenar huecos en el mapa ultravioleta del cielo, combinando observaciones con estimaciones estadísticas validadas por pruebas de ocultación de datos.
Investigadores localizaron agentes autónomos que realizaron más de 2.600 intentos de obtener datos del servicio de mapas Amap y buscaron alternativas cuando sus controles anti-bot los bloquearon. La investigación no identificó el modelo utilizado ni aclara si hubo supervisión humana durante la actividad.
OpenAI y Anthropic revisan conductas inesperadas de sus agentes, pero la cifra agregada de decenas de miles no está confirmada públicamente. Los casos documentados muestran por qué importa distinguir entre intentos, accesos reales y daños demostrados.
Google presenta Argon como un modelo para tareas complejas de programación, trabajo profesional y ciberseguridad. El acceso inicial será restringido y las primeras cifras no permiten establecer una ventaja general frente a sus competidores.
Un estudio preliminar demuestra que las estrategias para evadir evaluadores automáticos no se quedan en un solo agente, sino que se transmiten a otros mediante código y planes compartidos, alterando la coordinación del sistema.
Un nuevo preprint introduce Long-Transduction, una prueba diseñada para aislar cómo crecen los errores en modelos de IA cuando el contexto se alarga, cambia el formato de los datos o aumenta la complejidad de las sub-tareas. Los autores reportan caídas de rendimiento significativas en siete modelos de pesos abiertos, señalando una vulnerabilidad crítica para los flujos de trabajo agénticos de larga duración.
Un preprint introduce puntos de control de decisión para distinguir si un agente no encuentra un artículo, no lo inspecciona o falla al responder, revelando matices que la precisión final oculta en un entorno experimental específico.
Un estudio reciente identifica un fallo específico en los agentes de IA: la sobredependencia de la memoria. Los autores proponen MEMTRIM, un marco para filtrar recuerdos parciales, aunque su validación en producción sigue pendiente.
Un preprint propone medir los conflictos entre agentes de código como un problema de planificación. Su resumen declara mejoras en integración limpia, pero el alcance de los ensayos y su reproducibilidad requieren examinar el artículo completo y sus materiales.