LLMs y Modelos
Grandes modelos de lenguaje: GPT, Claude, Gemini, Mistral y pesos abiertos.
97 published articles
Resumen de investigación
Los cuellos de botella de razonamiento estructurado superan la magia de los prompts en tareas de inducción de LLM
Una nueva metodología llamada razonamiento Hourglass impone un estricto aislamiento de contexto entre las etapas de inducción, deducción e implementación, pasando solo una regla simbólica comprimida entre ellas. En ARC-AGI-2, aumenta la precisión pass@5 hasta en 14 puntos en comparación con el refinamiento iterativo; en la síntesis de Verilog de ChipBench, casi duplica la precisión con GPT-5.5. Las ablaciones confirman que la topología en sí misma impulsa la mejora.
2026-07-31
Investigación en IA
Un pequeño controlador de monitoreo mejora los puntajes de LLM cuantizados en 4.5 puntos en MATH-500
Una nueva investigación propone un controlador de monitoreo externo para modelos de lenguaje pequeños cuantizados que detecta trayectorias de razonamiento repetitivas o degenerantes y activa una reversión y una redecodificación restringida. La precisión mejoró en 4.5 puntos porcentuales en un amplio conjunto de evaluación, pero los autores enfatizan que los hallazgos no son confirmatorios.
2026-07-30
Investigación en IA
Los agentes de IA mantenían la memoria fuera del modelo. Metis la pone dentro
Metis de MemTensor es el primer prototipo de modelos fundacionales de memoria: historia comprimida en la red troncal, leída mediante atención de memoria y actualizada en una sola pasada hacia adelante. Desafía la era de los almacenes vectoriales en la memoria de los agentes. Los límites se reconocen, pero aún no se cuantifican.
2026-07-30
IA para juegos
Los tres problemas que ningún motor de juego con IA había resuelto hasta ahora: consistencia, navegabilidad, evaluación
MAGIC es un pipeline de cuatro etapas que convierte un único prompt en un proyecto de Unity jugable con múltiples escenas conectadas. Impone la accesibilidad de los portales con un validador de relleno por inundación e introduce un agente de evaluación que realmente recorre cada transición, complementando décadas de métricas que solo examinaban interiores individuales.
2026-07-30
Aprendizaje por refuerzo
La solución de aprendizaje experimental de Microsoft le da a los modelos de IA un entrenador, no solo una puntuación
El Aprendizaje Experimental reutiliza el LLM-como-Juez en un LLM-como-Entrenador que extrae conocimiento transferible de cada respuesta y lo internaliza mediante destilación de contexto en política, superando al RL basado en rúbricas en tareas no vistas y reduciendo el hackeo de recompensas.
2026-07-30
Interpretabilidad Mecanicista
Lo que gemma-4 realmente sabe de física: un nuevo artículo descubre que las representaciones son reales
Una nueva investigación sobre gemma-4-E4B-it revela que las representaciones internas del modelo de los mecanismos de ciencia de materiales están causalmente vinculadas a sus respuestas. El estudio combina múltiples técnicas de sondeo e intervención para demostrar que el conocimiento físico se codifica en transformaciones de estado, no solo en patrones estáticos.
2026-07-29
Investigación en IA
Una auditoría revela que las afirmaciones de riesgo del RL distribucional son en su mayoría falsas
Una auditoría a gran escala muestra que los agentes de RL distribucional fabrican sistemáticamente compensaciones de riesgo en los mismos estados donde los profesionales más confiarían en ellos. En QR-DQN, C51 e IQN en MinAtar, ninguna de las afirmaciones más sólidas fue confirmable, y actuar según el consejo de CVaR de los agentes a veces tuvo un rendimiento significativamente peor que el azar.
2026-07-29
IA de código abierto
AV-Flamingo de Nvidia aborda la comprensión de videos largos donde la mayoría de los modelos fallan
Nvidia lanza AV-Flamingo, un modelo de lenguaje grande audiovisual abierto diseñado para la comprensión de videos largos y complejos. Utiliza un plan de estudios de tres etapas y un marco de cadena de pensamiento con marcas de tiempo para manejar el razonamiento temporal y multimodal que desconcierta a la mayoría de los modelos.
2026-07-28
Ciencia del comportamiento
Las decisiones humanas que los LLM pueden replicar mejor que las encuestas
Un estudio que utiliza 3,000 agentes basados en GPT-5 en experimentos de elección de ruta muestra que los LLM reproducen sesgos de la teoría prospectiva acumulativa, aversión a las pérdidas, dependencia de referencia, ponderación de probabilidad, con alta fidelidad. El enfoque evita el cuello de botella de la estimación de parámetros que limita el modelado conductual tradicional.
2026-07-28
Modelos de IA
El diseño de cuatro especialistas de Macaron-V1-Venti con 748B supera a GPT-5.5 y Opus 4.8
Macaron-V1-Venti de MindLab Research lidera las evaluaciones en inteligencia personal, codificación, uso de terminal e IU Generativa, utilizando una novedosa arquitectura Mixture of LoRA que mantiene el modelo compacto a la vez que especializado.
2026-07-27
IA de Código Abierto
Kimi K3 es el modelo abierto más grande jamás creado. Pero aún no es el mejor.
Kimi K3 es el modelo abierto más grande con 2,8 billones de parámetros, pero no logra superar a los mejores modelos propietarios en los benchmarks generales. Si bien sobresale en tareas específicas de codificación y agentivas, la brecha con los líderes de frontera como Claude Fable 5 y GPT 5.6 Sol expone los límites del escalado sin avances arquitectónicos y de datos.
2026-07-27
Finanzas Agénticas
Se abre la caja negra de tu cartera: dentro del primer rastreador de finanzas agénticas en vivo
NextFund registra cada decisión que un agente de trading de IA toma en mercados en vivo, permitiendo a los usuarios comparar modelos, inspeccionar fundamentos y diagnosticar fallos. Una prueba con ocho LLM en acciones de EE. UU., China y Hong Kong muestra que señales intermedias similares pueden divergir en comportamientos de cartera notablemente diferentes, y que las clasificaciones trimestrales varían según la métrica que más importe.
2026-07-27