La china Alibaba presenta Qwen3.8-Max, su modelo de inteligencia artificial más avanzado hasta la fecha EFE - Agencia de noticias
Las principales conjeturas matemáticas todavía dependen en gran medida de la intuición de los expertos, por lo que sigue sin estar disponible un método unificado para la generación y validación sistemática de conjeturas con un potencial matemático sustancial. Presentamos un proceso de tres etapas para el descubrimiento de conjeturas importantes, con búsqueda de regiones a partir de módulos de evidencia local explícita, validación reflexiva de fundamentación, novedad y significado potencial, y validación formal en Lean 4 y Mathlib.
La rápida transición de modelos de lenguaje grande (LLM) reactivos a sistemas persistentes con capacidad de acción ha expuesto brechas críticas en la comprensión de la arquitectura de la IA agente, particularmente en la separación de las capas de inferencia, orquestación y ejecución para agentes de IA autónomos. A pesar de los avances recientes, los marcos unificados para diseñar y evaluar sistemas agentes de pila completa siguen siendo limitados.
Los puntos de referencia de seguridad de los agentes miden diferentes comportamientos y sus puntuaciones se citan indistintamente como la seguridad de un agente. Tratamos cuatro de ellos (R-Judge, InjecAgent, AgentHarm, AgentDojo) como mediciones para ser validadas, ejecutando cada una bajo su implementación oficial y puntaje proporcionado por el autor en hasta 22 modelos, con MMLU y GPQA medidos por nosotros bajo un protocolo como una capacidad compuesta. La métrica es el primer problema.
Los problemas de planificación de agentes múltiples surgen en una variedad de aplicaciones de ingeniería, como la lucha contra incendios forestales con múltiples robots y la inspección aérea no tripulada en fábricas. Un desafío particular es la existencia de restricciones espacio-temporales (es decir, cuándo y/o dónde un agente debe hacer qué) y topológicas (es decir, cómo deben interactuar los agentes), formalizadas típicamente a través de la noción de gráficos.
Los modelos de lenguajes grandes (LLM) a menudo requieren indicaciones cuidadosamente elaboradas para desbloquear todo su potencial, lo que puede ser una barrera para los usuarios no expertos. Este trabajo aborda el desafío mediante la introducción de una reescritura de indicaciones de tareas (TAPR), un modelo que reformula las indicaciones del usuario en indicaciones optimizadas para tareas con el objetivo explícito de mejorar el rendimiento del LLM posterior.
El razonamiento de larga cadena de pensamiento mejora el rendimiento en problemas complejos, pero también introduce acumulación de redundancia, desbordamiento de contexto y anclaje de errores. Argumentamos que bajo ventanas de contexto acotadas, el cuello de botella principal no es la compresión de la trayectoria o el control del tiempo de prueba, sino la ausencia de una interfaz intermedia reutilizable que pueda reemplazar el historial descartado y respaldar la resolución continua.
Los sistemas AI Scientist capaces de realizar investigaciones autónomas tienen el potencial de acelerar significativamente los descubrimientos científicos. Sin embargo, evaluar y comparar la calidad de los artículos generados por IA sigue siendo un desafío abierto. Proponemos e implementamos un protocolo de evaluación comparativa riguroso utilizando un sistema automatizado de revisión por pares que aprovecha modelos de lenguaje de gran frontera para evaluar artículos científicos en cuatro dimensiones centrales: originalidad, rigor científico, claridad e importancia.
A medida que los compañeros de IA median cada vez más en la interacción social repetida, los usuarios pueden confiar en un rol estable y un historial compartido, pero las respuestas localmente aceptables no garantizan que ninguno de los dos persista. Estudiamos dos fracasos observables a largo plazo: el "colapso de la persona", la pérdida de un rol, límites, valores o estilo desplegados, y la "deriva conductual", la erosión gradual o recurrente de esas propiedades.
Entra en vigor la nueva ley europea de Inteligencia Artificial: estas son las aplicaciones que quedan prohibidas LaSexta
Escribe al menos 2 caracteres
Este sitio utiliza cookies esenciales para su funcionamiento y cookies de analisis para mejorar la experiencia. Puedes aceptar todas, solo las esenciales, o personalizar tus preferencias. Politica de Cookies | Politica de Privacidad