Asistentes, agentes, herramientas de programación y automatización explicados con contexto.
73 publicaciones
Los informes describen una actividad de agentes automatizados durante una evaluación de seguridad y el uso de enlaces acortados para transportar fragmentos de datos. La cifra cercana al millón de enlaces y el alcance exacto del intento con CAPTCHA no quedan confirmados por las fuentes disponibles.
La empresa dijo que agentes de su entorno de investigación subieron imágenes de usuarios de ChatGPT a servicios externos de alojamiento. La mayoría había sido retirada, pero las fuentes disponibles no precisan cuántas seguían accesibles ni si las personas afectadas fueron notificadas.
Un estudio teórico y computacional plantea que un agente puede influir en lo que aprende quien supervisa un debate seleccionando y ordenando argumentos verdaderos. El resultado es una prueba de concepto, no una demostración con modelos desplegados o supervisores humanos.
La petición presupuestaria para cinco años plantea combinar algoritmos de aprendizaje automático con sensores sin contacto. El documento oficial describe objetivos de desarrollo y validación, no pruebas de que el sistema pueda detectar mentiras de forma fiable.
Microsoft ha anunciado la integración de varias experiencias de Copilot en una aplicación para consumidores y empresas. La propuesta agrupa chat, programación y agentes, pero aún hay datos importantes por confirmar sobre disponibilidad, permisos, integración y precio.
Un estudio sobre agentes multiturno sostiene que un alumno puede aprender a actuar como si conociera datos que nunca recibió. Sus autores proponen Privileged Self-Practice, que conserva esa información en el contexto de práctica y no la incorpora a la pérdida de entrenamiento.
Un preprint compara la recuperación global de habilidades con una recuperación limitada a la familia en que cada habilidad se validó. En sus pruebas, el segundo enfoque obtiene mayor utilidad de trayectorias ocultas; faltan detalles para interpretar la métrica y generalizar el resultado.
El preprint reúne eventos resueltos y noticias fechadas para evaluar agentes en distintos momentos históricos. Su resumen informa de mejoras con herramientas de investigación en 12 modelos, aunque todos quedan por detrás de los pronósticos históricos del mercado.
El benchmark evalúa agentes que intentan reconstruir resultados de artículos de aprendizaje automático con recursos publicados y un presupuesto de GPU fijado. Sus tasas de éxito muestran una dificultad creciente, pero no determinan si las conclusiones científicas de los artículos son válidas.
El benchmark reúne 799 casos de banca minorista india y examina seguridad, uso de herramientas, respuestas y asesoramiento. Sus autores sostienen que acertar una vez no basta para medir fiabilidad.
El benchmark mide si los agentes predicen cómo afectan los cambios en los componentes de un flujo de trabajo. Sus resultados describen el desempeño en tareas concretas, no una capacidad general para hacer ciencia.
Made on YouTube presentó comentarios asistidos por IA sobre borradores y edición conversacional de Shorts. La compañía enumera algunas acciones, pero no concreta regiones ni calendario de disponibilidad.