Laboratorio
Investigación, experimentación y código abierto: hardware, IoT, robótica, biotecnología e IA de borde.
50 published articles
Análisis de benchmarks
MMLU dominó la evaluación de IA durante años. Luego los modelos empezaron a acertar la clave de respuestas
MMLU definió una generación de evaluación comparativa de IA, pero la contaminación de datos de entrenamiento y una clave de respuestas defectuosa han empujado a los laboratorios de frontera hacia sucesores dinámicos como HLE y GPQA Diamond.
2026-07-28
Investigación en IA
Kling publica dos benchmarks que exponen lo deficiente que es realmente la generación de video
KlingTeam presenta MultiRef-Compass y KeyFrame-Compass, dos benchmarks que llevan a los modelos de generación de video más allá del texto a video y hacia tareas de múltiples referencias y condicionamiento por fotogramas clave. Las pruebas iniciales en ocho y nueve sistemas respectivamente muestran fallos consistentes en la vinculación de entidades, la preservación del orden temporal y el manejo de restricciones densas.
2026-07-26
Inflación de hardware
La escasez de memoria está encareciendo tu próximo dispositivo
Qualcomm y Roku lideran una ola de aumentos de precios de hardware mientras una escasez de memoria, alimentada por la demanda de IA, se espera que dure hasta 2027. Los aumentos se extienden a teléfonos inteligentes, dispositivos de streaming y otros dispositivos electrónicos, sin alivio a la vista.
2026-07-26
Hardware
El nuevo chip 'halo' de IA de AMD apunta a lo único que NVIDIA no controla: tu escritorio
La plataforma Ryzen AI Halo de AMD se enfoca en el desarrollo local de IA con 128 GB de memoria unificada, soporte para modelos de hasta 200 mil millones de parámetros y afirmaciones de rendimiento hasta 7,3 veces más rápido que el Apple M4 Pro en ciertas tareas de generación de imágenes. La plataforma funciona tanto en Windows como en Linux, un diferenciador frente al DGX Spark de NVIDIA, que solo funciona con Linux.
2026-07-25
Benchmark
El abismo entre los LLM y el método científico: un nuevo benchmark revela que los modelos pueden describir datos pero no razonar a través de ellos
SDABench, un nuevo benchmark orientado a capacidades que abarca seis habilidades fundamentales de razonamiento científico y cinco dominios, evalúa 15 LLM y descubre que los modelos son sólidos en el análisis descriptivo, pero fallan en tareas inferenciales y causales. El artículo proporciona un marco de análisis de errores de cinco etapas para localizar fallos.
2026-07-25
Benchmark & Tests
Los modelos de aprendizaje en grafos no se prueban con datos tan feos. Un nuevo punto de referencia lo cambia
OpenRTAG, un benchmark de un equipo académico, organiza los problemas de calidad en TAG en una taxonomía 3×3 que abarca degradación de texto, estructura y etiquetas. Prueba GNN tradicionales, GNN mejoradas con modelos de lenguaje grandes y modelos fundacionales de grafos en nueve conjuntos de datos, revelando patrones de sensibilidad que estudios fragmentados previos pasaron por alto.
2026-07-24
Evaluación de agentes
¿Tu agente de IA sigue fallando? Podría ser el arnés, no el cerebro
PawBench, un benchmark de código abierto del equipo de AgentScope, evalúa sistemáticamente modelos y arneses de agentes juntos. Los resultados muestran que el diseño del arnés puede variar las puntuaciones en más de 11 puntos para modelos más pequeños, exponiendo un punto ciego en la forma en que se evalúan actualmente los agentes de IA.
2026-07-22
La inteligencia colectiva de Sakana AI se vuelve física
Cientos de ladrillos simples se enseñaron a reconocer su propia forma
Un colectivo de cientos de ladrillos modulares idénticos, cada uno ejecutando la misma pequeña red neuronal con solo comunicación local, puede reconocer su forma global, detectar daños y guiar el recrecimiento. Publicado en Nature Communications, el sistema alcanzó un 100% de precisión en hardware en cuatro formas.
2026-07-21
Codificación agéntica
Cómo Grok 4.5 se adelantó en el SWE Marathon, y qué significa para los agentes de codificación
Grok 4.5 ahora lidera la tabla de clasificación de SWE Marathon, superando a Claude 4 Opus y GPT-5. El referente evalúa habilidades reales de ingeniería de software: corrección de errores, adición de funciones y comprensión de código en repositorios reales. El resultado redefine el panorama competitivo de los agentes de codificación de IA.
2026-07-20
Investigación en IA
Cómo BMW metió 16K de contexto en una GPU de 16 GB rediseñando la atención
Investigadores de BMW demuestran que la Atención Global Jerárquica, combinada con retropropagación truncada y almacenamiento externo de KV, permite que una GPU de 16 GB entrene en 16K tokens, cuatro veces el límite de la atención densa, sin pérdida medible en la calidad del adaptador.
2026-07-20
NVIDIA
Nvidia y Hugging Face se unen para hacer aburrido el entrenamiento distribuido de difusión
NeMo Automodel de Nvidia ahora se integra directamente con Diffusers de Hugging Face, lo que permite entrenamiento distribuido de nivel de producción para modelos como FLUX, Wan 2.1 y HunyuanVideo. La biblioteca bajo Apache 2.0 maneja el paralelismo como un conmutador de configuración y permite que los puntos de control ajustados se carguen directamente en los pipelines de inferencia.
2026-07-19
IA y Robótica
RoboTTT de NVIDIA muestra que la longitud de contexto es el próximo eje de escalado para modelos robóticos
RoboTTT de NVIDIA Research escala el contexto del modelo robótico a 8K pasos de tiempo, tres órdenes de magnitud más allá de las políticas actuales, desbloqueando imitación directa a partir de video humano y mejoras de rendimiento del 87%, sugiriendo la longitud de contexto como un nuevo eje de escalado para modelos base robóticos.
2026-07-17