punto de referencia
16 published articles
Investigación en IA
Tu asistente de IA te olvida cada mañana. Este benchmark lo demuestra.
VitaBench 2.0 prueba si los agentes de IA pueden extraer y actualizar continuamente las preferencias del usuario a partir de interacciones fragmentadas a lo largo del tiempo. Los resultados muestran que incluso los modelos de última generación luchan por construir modelos de usuario persistentes, revelando una amplia brecha entre la competencia de un chatbot y la inteligencia colaborativa genuina.
2026-07-11
Lanzamiento de modelo de IA
MiniMax lanza el modelo M2.7 con sólidas habilidades en ingeniería de software y productividad ofimática
El modelo M2.7 de MiniMax ofrece resultados sólidos en puntos de referencia de ingeniería de software y tareas profesionales de oficina, con una tasa de adherencia a habilidades del 97% en instrucciones complejas y una puntuación ELO de 1495 en GDPval-AA.
2026-07-08
Tecnología Climática
Fase 1 de AIMIP: Un nuevo punto de referencia para probar modelos climáticos de IA
El proyecto AIMIP Fase 1, que involucra a grupos de NVIDIA, Google Research y otros, proporciona un conjunto de datos abierto y un marco de evaluación para modelos climáticos de IA. Si bien estos modelos reproducen con precisión los patrones climáticos históricos, su capacidad para generalizar a condiciones no vistas sigue siendo un desafío clave.
2026-07-03
Benchmark
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas reales. Fallaron el 81% de ellas.
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas desafiantes del mundo real. Los sistemas de frontera apenas alcanzan un 19.1% de éxito, muy por debajo del rendimiento humano. El benchmark se enfoca en capacidades pasadas por alto: percepción temporal, comprensión gráfica y razonamiento 3D en cinco aplicaciones profesionales.
2026-07-01