LATIDIA / EXPLORAR
Chatbots: descargas, empresas y actualidad
Compará diez asistentes de IA con cifras públicas de Android y acceso a sus sitios oficiales.
Cómo leer las cifras
Google Play publica umbrales de instalaciones acumuladas, no descargas exactas por mes. Esta selección no constituye un top mundial certificado.
Una aplicación puede cambiar de nombre y conservar instalaciones anteriores. Copilot queda sin clasificación mientras no haya una cifra comparable de su aplicación independiente.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 2413 publicaciones en este filtro; cobertura parcial de las fuentes accesibles. Una nueva noticia aparece primero sin cambiar la fecha de las anteriores.
Este año · Todo el archivo conservado
Las interacciones emergentes conducen a la frustración colectiva en materia robótica
arXiv: 2507.22148v3Announce Type: replace-cross Resumen: La inteligencia artificial y los sistemas robóticos se despliegan cada vez más como colectivos interactivos de agentes de aprendizaje. Esto plantea la cuestión de si la m robótica
arXiv · cs.ROPAPC: Mediación de plataforma para externalidades de privacidad y propagación en flujos de trabajo mediados por IA
arXiv: 2609.19226v1Tipo de anuncio: nuevo Resumen: las plataformas mediadas por IA coordinan el trabajo a través de agentes de LLM que actúan para diferentes directores. En estos flujos de trabajo, se puede crear una pérdida de privacidad antes de que aparezca una respuesta final: a m
arXiv · cs.CRMás allá de la formación privada: el nuevo panorama de la privacidad de la IA
arXiv: 2609.19456v1Announce Type: new Resumen: Los sistemas aumentados por recuperación dependen cada vez más de índices vectoriales que pueden retener elementos eliminados en su gráfico de búsqueda. Las interfaces de eliminación existentes pueden evitar que se elimine la identidad
arXiv · cs.CRCOARTADA: Inyección de legitimidad contradictoria en entrada binaria contra analizadores de malware LLM
arXiv: 2609.19722v1Tipo de anuncio: nuevo Resumen: Los grandes modelos de lenguaje se están integrando en los flujos de trabajo de triaje de malware como componentes de razonamiento que resumen la evidencia estática y producen veredictos orientados al analista. Esta pa
arXiv · cs.CRResumeShield: Separación de canales y un punto de referencia abierto para la inyección inmediata indirecta en la detección de currículums de IA
arXiv:2609.20188v1 Tipo de anuncio: nuevo Resumen: Un examinador de currículum de IA lee un documento suministrado por la persona que está evaluando, invirtiendo la relación de confianza habitual entre un evaluador y el material que evalúa. Puede
arXiv · cs.CREl silencio es respaldo: verificación: lavado de estado en las tuberías de agentes de LLM
arXiv: 2609.20211v1Tipo de anuncio: nuevo Resumen: Los monitores de seguridad en los sistemas de agentes LLM a menudo juzgan las acciones a partir de resúmenes o traspasos almacenados, no de la evidencia original. Esto crea un modo de falla simple pero peligroso
arXiv · cs.CRCuanto más dice, más paga: una auditoría de caja negra de la inflación de tokens del lado del proveedor en los servicios de LLM
arXiv: 2609.20370v1Tipo de anuncio: nuevo Resumen: En los servicios LLM de pago por token, cuanto más dice un modelo, más pagan los usuarios. Los proveedores deshonestos pueden manipular encubiertamente la generación para inflar los tokens de salida mientras pres
arXiv · cs.CRHuellas dactilares Modelos de lenguaje grandes multimodales
arXiv:2609.20457v1 Tipo de anuncio: nuevo Resumen: Si bien los modelos multimodales de lenguaje grande (MLLM) permiten una amplia gama de tareas de razonamiento imagen-texto, los incidentes recientes indican que son vulnerables a la implementación ilícita a
arXiv · cs.CRHacia el DP certificado por TEE: capacitación privada diferencial verificable en GPU heredadas
arXiv:2609.20532v1 Tipo de anuncio: nuevo Resumen: La amplia adopción del aprendizaje automático ha creado una creciente demanda de políticas y regulaciones para proteger los datos confidenciales de capacitación, con la privacidad diferencial (DP) emergiendo como una clave
arXiv · cs.CRResolución de mundo cerrado contra la alucinación de herramientas en agentes de LLM
arXiv: 2609.19425v1Announce Type: cross Resumen: Los agentes del modelo de lenguaje grande (LLM) aumentados por herramientas fallan de una manera que no hay direcciones del método de selección de herramientas o seguridad de herramientas: llaman a herramientas que no existen y pasan argumentos n
arXiv · cs.CRSeguridad más allá de la interfaz: detección de daños a través de estados latentes en modelos de lenguaje grandes
arXiv: 2609.19472v1Tipo de Anuncio: Cross Resumen: Los sistemas autónomos dependen cada vez más de los Modelos de Lenguaje Grande (LLM), sin embargo, la infraestructura de seguridad que rodea a estos modelos introduce latencia y sobrecarga de cómputo. Esto
arXiv · cs.CRKUDA: Desaprendizaje de conocimientos mediante la representación desviada para modelos de lenguaje grandes
arXiv: 2602.19275v3Tipo de anuncio: reemplazar Resumen: Los modelos de lenguaje grandes (LLM) adquieren una gran cantidad de conocimiento a través de la capacitación previa en cuerpos vastos y diversos. Si bien esto dota a los LLM de sólidas capacidades en ge
arXiv · cs.CRAtaques automatizados de inferencia de membresía (AutoMIA): descubrimiento de cálculos de señales MIA utilizando agentes LLM
arXiv: 2603.19375v2Tipo de anuncio: reemplazar Resumen: Los ataques de inferencia de membresía (mias), que permiten a los adversarios determinar si puntos de datos específicos formaban parte del conjunto de datos de entrenamiento de un modelo, han surgido como un impo
arXiv · cs.CRPrivacidad contrastiva: un enfoque semántico para medir la privacidad de la desinfección basada en IA
arXiv: 2605.02977v2Tipo de anuncio: reemplazar Resumen: La desinfección basada en IA puede eliminar conceptos de imágenes y texto, pero la evaluación de la privacidad sigue siendo en gran medida ad hoc. Proponemos la privacidad contrastiva, una definición formal que
arXiv · cs.CRAtaques de auto-estado contra agentes de IA auto-alojados: ¿Hasta dónde pueden llegar las defensas del sistema operativo?
arXiv:2607.17986v2 Announce Type: replace Resumen: Los agentes de IA autoalojados mantienen una memoria, instrucciones y configuración persistentes que influyen en su comportamiento futuro. Si un agente está comprometido, un atacante puede expl
arXiv · cs.CREvaluación de agentes de búsqueda profunda bajo envenenamiento jerárquico de evidencia web
arXiv: 2609.06027v2Tipo de anuncio: reemplazar Resumen: Los agentes LLM aumentados por búsqueda se utilizan cada vez más para las decisiones de los consumidores, lo que los hace vulnerables al envenenamiento por Optimización Generativa de Motores (GEO). Puntos de referencia existentes
arXiv · cs.CRMAS-Shield: un marco de defensa para un LLM MAS seguro y eficiente
arXiv:2511.22924v3 Tipo de anuncio: replace-cross Resumen: Los sistemas multiagente (MAS)basados en el modelo de lenguaje grande (LLM) son susceptibles a ataques lingüísticos que pueden desencadenar fallos en cascada en toda la red.
arXiv · cs.CRMAPLE: Evolución del lenguaje privado con metadatos aumentados
arXiv:2603.19258v3 Announce Type: replace-cross Abstract: Differentially private (DP) fine-tuning of large language models (LLMs) requires massive compute and full model access, which rules out of state-of-the-art proprieta
arXiv · cs.CRAIREP: un protocolo para la evidencia por decisión en la gobernanza del tiempo de ejecución de la IA
arXiv:2608.21363v2 Announce Type: replace-cross Abstract: Runtime-governance evidence a menudo colapsa eventos materialmente diferentes en un registro de auditoría: se puede tomar una decisión, se puede enviar o recibir una instrucción, y
arXiv · cs.CR¿Qué esperamos de los LLM? Mapeo del diseño de puntos de referencia de LLM
arXiv:2609.19182v1 Tipo de anuncio: nuevo Resumen: Los puntos de referencia son fundamentales para evaluar y comunicar el progreso en los modelos de lenguaje grandes (LLM). Sin embargo, las clasificaciones de modelos por sí solas revelan poco sobre cómo el requisito de evaluación
arXiv · cs.AICaracterización de la búsqueda web por agentes conversacionales de LLM: desde decisiones y estrategias de búsqueda hasta resultados y respuestas
arXiv: 2609.19244v1Announce Type: new Resumen: Los agentes de LLM conversacional dependen cada vez más de la búsqueda web, sin embargo, el ciclo de vida de extremo a extremo de la búsqueda agéntica sigue siendo poco conocido. Presentamos el primer estudio de Web searc
arXiv · cs.AI¿Los agentes de IA entienden la arquitectura informática?
arXiv: 2609.19387v1Announce Type: new Abstract: A los agentes se les pide cada vez más que diseñen hardware y se informa cada vez más que tienen éxito. Dichos informes establecen que un diseño mejoró; no pueden establecer por qué. Un agente t
arXiv · cs.AIQVAC Genesis III: un corpus STEM sintético abierto a gran escala y de alta calidad para una capacitación previa eficiente del modelo de lenguaje
arXiv: 2609.19513v1 Tipo de anuncio: nuevo Resumen: Los datos previos a la capacitación de alta calidad son un cuello de botella crítico para los modelos de lenguaje educativos y específicos de STEM dirigidos a la IA perimetral y la implementación en el dispositivo donde los presupuestos de tokens son
arXiv · cs.AILLM-as-an-Improver: Convertir la verificación en mejores candidatos
arXiv:2609.19515v1 Announce Type: new Resumen: La selección basada en verificadores mejora el rendimiento de LLM al generar múltiples soluciones candidatas y usar un verificador para seleccionar la más prometedora. Sin embargo, el método existente
arXiv · cs.AI