Los modelos de lenguaje multimodales logran puntuaciones casi perfectas en los puntos de referencia de reconocimiento de alimentos, pero aún no está claro si este éxito refleja una comprensión cultural genuina o simplemente una coincidencia visual.
Estudiamos un enfoque gobernado para la analítica empresarial: un modelo de lenguaje interpreta la pregunta, mientras que una política determinista selecciona y ejecuta un programa analítico preaprobado que devuelve tanto los resultados como la evidencia. Demostramos que esta restricción puede seguir siendo expresiva dentro de una clase analítica definida, utilizando operaciones relacionales más agregación, comparación, ventanas, clasificación y similitud. El significado fijo, la política, los datos y las reglas de ejecución también hacen que los resultados sean reproducibles.
La detección de discrepancias entre artículos y código impulsada por LLM ha recibido una creciente preocupación desde que la escalada de presentaciones de investigación supera la capacidad de revisión manual. Sin embargo, la capacidad de contexto limitada y la detección unilateral de discrepancias de los paradigmas de LLM de agente único existentes conducen a un rendimiento de recuperación inferior al detectar discrepancias. En este artículo, proponemos Dude, el primer Sistema Multi‑Agente de Detección Dual para la detección de discrepancias entre artículos y código.
A medida que la IA generativa hace que la prosa pulida sea barata de producir, los usuarios ya no pueden confiar en la fluidez como un proxy de la verdad. Llamamos a este modo de falla la Trampa de la Fluidez: los usuarios confían en alucinaciones fluidas mientras también descuentan el contenido preciso una vez que se revela como generado por IA. Las etiquetas binarias “Made with AI” responden con la divulgación de autoría, pero no muestran qué respalda una afirmación. Proponemos Provenance Density, una interfaz de visualización de evidencia que muestra la densidad de afirmaciones verificadas en un texto.
Los agentes de voz full‑duplex deben decidir continuamente cuándo escuchar, hacer retroalimentación, interrumpir, manejar solapamientos de habla, tomar la palabra y ceder. Los benchmarks existentes prueban en gran medida estos comportamientos mediante instrucciones explícitas de gestión de turnos, mientras que los agentes desplegados a menudo se configuran a través de roles o personas de los que se debe inferir el comportamiento conversacional apropiado.
Los agentes de interfaz gráfica de usuario (GUI) se utilizan cada vez más para ejecutar instrucciones en lenguaje natural en interfaces de usuario, sin embargo, los usuarios reales pueden emitir instrucciones inviables debido a errores benignos. Un agente confiable no solo debe saber cómo actuar, sino también cuándo no actuar. En este trabajo, presentamos CONFLICTGUI, un conjunto de referencia que cubre conflictos internos de la instrucción y conflictos entre la instrucción y el contexto de la GUI para estudiar la terminación consciente de conflictos.
Los equipos de agentes LLM distribuidos pueden leer los hechos compartidos más recientes y aun así actuar sobre un plan obsoleto. Un planificador puede derivar una acción a partir del requisito $r_3$, otro agente puede comprometer $r_4$, y un ejecutor puede recibir $r_4$ sin reemplazar el plan derivado de $r_3$. Llamamos a esto \emph{ejecución de plan obsoleto}: la frescura del estado no establece que el plan que autoriza una acción siga siendo válido. Introducimos PlanFence, un protocolo de validación de acciones con alcance de dependencia.
El análisis de políticas requiere más que predecir si una propuesta será aprobada: requiere identificar quién será afectado, cómo responden esos actores y qué ocurre después. Las simulaciones de políticas basadas en LLM modelan estos procesos a gran escala, pero su validez es difícil de establecer cuando el comportamiento plausible nunca se compara con los resultados observados.
WebLLM: motor de inferencia LLM de alto rendimiento en el navegador.
## Reflexiones finales El campo de 2026 se divide claramente: dos líderes de referencia (Claude Code y Codex), un segmento de relación precio‑rendimiento intermedio (Cursor, Antigravity, Copilot, Windsurf) y un nivel de código abierto de rápido crecimiento (OpenCode, Hermes, Aider, Cline) que es gratuito si proporcionas el modelo. Elige la restricción que te limite, prueba dos agentes contra tu propio repositorio durante una tarde y deja que los diffs decidan. [...] Quieres un solo modelo bloqueado; el enrutamiento multmodelo de Copilot puede ser más configuración que...
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