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: 2304 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
Amazon está demostrando en tiempo real que la IA ni crea ni destruye empleo, simplemente lo desplaza
Sam Altman ya puso sobre la mesa que la IA estaba siendo una de las mejores excusas de las grandes tecnológicas para justificar las rondas de despidos que se han venido produciendo en 2026. Sin embargo, durante una entre
XatakaIA y aprendizaje. Lo que las familias deben saber
La inteligencia artificial está cambiando la forma en que aprendemos, y es normal que como padres surjan dudas. ¿Es una ayuda real o un simple atajo? En Google creemos q…
Google en español · Fuente oficialAnthropic se abre a que el Gobierno bloquee sus modelos IA si se estima el riesgo de 50 muertes o 1.000 millones de dólares en daños
Anthropic ha estado presentando entre bambalinas un borrador de proyecto de ley sobre la seguridad de los modelos de IA más punteros en el Capitolio, según el medio Politico . Desde luego no es frecuente que un laborator
XatakaSusan Li, CFO de Meta, sobre el futuro de la compañía y la IA: "Si Muse no funciona, las cosas van a ir realmente mal"
El pasado 12 de octubre, Meta realizó una de las apuestas más arriesgadas de la compañía. Zuckerberg presentó Muse Wonder , el primer modelo de IA de vanguardia con aspiraciones de competir de tú a tú, por fin , en la li
XatakaAgentes de IA que navegan y compran por ti: qué permisos les das y qué es la inyección de instrucciones
Ningún agente de navegador es inmune, admite Anthropic. Qué es la inyección de instrucciones y 5 hábitos para que tu agente no compre por otro. La noticia Agentes de IA que navegan y compran por ti: qué permisos les das
WWWhat’s NewIA en el móvil o en la nube: qué cambia para tu privacidad y tu batería
La NPU de un Copilot+ PC supera los 40 billones de operaciones por segundo, pero no todo se queda en local. Qué procesan Apple, Google y Microsoft. La noticia IA en el móvil o en la nube: qué cambia para tu privacidad y
WWWhat’s New¿Puede un VLM de Frontier servir como una política de robot para la manipulación dependiente de la memoria?
arXiv: 2610.17350v2Tipo de anuncio: reemplazar Resumen: Utilizamos un modelo de lenguaje de visión de frontera congelado, GPT-6-Astra, directamente como la política del robot en RoboMME, un punto de referencia de 16 tareas de manipulación dependientes de la memoria que abarcan
arXiv · cs.ROMiscalibración de seguridad controlada por recuperabilidad en modelos de lenguaje grandes
arXiv: 2610.22425v1Tipo de anuncio: nuevo Resumen: se espera que los modelos de lenguaje alineados con la seguridad rechacen las solicitudes dañinas y sigan siendo útiles para las benignas. Sin embargo, debido a que muchas evaluaciones califican solo la respuesta final
arXiv · cs.CRUn marco ENF genético para la autenticación de vídeo forense contra la IA generativa
arXiv: 2610.22440v1Anunciar Tipo: nuevo Resumen: Los modelos generativos ahora sintetizan video que es difícil de distinguir de las imágenes genuinas, y los detectores aprendidos que son clave en los artefactos de un generador se degradan bruscamente cuando no se ven
arXiv · cs.CRTodo el mundo es un poco racista: un nuevo ataque de puerta trasera ML en modo de caja negra
arXiv: 2610.22459v1Tipo de anuncio: nuevo Resumen: Las puertas traseras se encuentran entre los ataques más impactantes contra el aprendizaje automático (ML), sin embargo, la mayoría de los métodos existentes asumen alguna forma de envenenamiento por tiempo de entrenamiento o manipulación directa del modelo
arXiv · cs.CRModel-as-a-Trojan: autoactivación de la exfiltración encubierta de DNS horneada en los pesos de un agente LLM
arXiv: 2610.22578v1Announce Type: new Abstract: Los modelos de peso abierto se descargan de hubs públicos y se ejecutan dentro de arneses de agentes que les otorgan herramientas, de manera más poderosa, un shell, bajo el supuesto de que un sandbox conta
arXiv · cs.CRACE: un motor de mapeo de cumplimiento y detección de intrusiones orquestado por IA
arXiv: 2610.22702v1Tipo de anuncio: nuevo Resumen: Este estudio propone el Automated Compliance Engine (ACE), un marco orquestado por IA que vincula la detección de intrusiones, el mapeo de control regulatorio y la contramedida automatizada
arXiv · cs.CREl atacante de LLM: un marco unificado de equipo rojo para la evaluación de la privacidad de los sistemas LLM divididos y distribuidos
arXiv:2610.22722v1 Announce Type: new Resumen: Los modelos de lenguaje dividido mantienen el texto de entrada en un cliente pero envían representaciones intermedias a un servidor. Los ataques pueden reconstruir el texto de estos mensajes. Comparación de la eva de privacidad
arXiv · cs.CRVeil-Then-Reveal: Protección de la privacidad de la PII a través de la pseudoanonimización reversible en el usuario de confianza cero: interacción LLM
arXiv: 2610.22800v1Tipo de anuncio: nuevo Resumen: los modelos de lenguaje grandes (LLM) procesan cada vez más documentos confidenciales e información personal, pero envían mensajes que contienen información de identificación personal (PII) a
arXiv · cs.CRGRADUACIÓN: Defensa de anticuerpos estructurada por gráficos para agentes LLM
arXiv: 2610.22828v1Announce Type: new Resumen: Los ataques de envenenamiento y descomposición de la memoria distribuyen pruebas maliciosas en las operaciones de los agentes de modelos de lenguaje grandes. Las defensas existentes a nivel de solicitud pueden pasar por alto
arXiv · cs.CRAtaques de envenenamiento sigilosos a través de la caché de razonamiento KV reutilizada
arXiv:2610.22873v1 Announce Type: new Resumen: Los sistemas modernos de modelo de lenguaje grande (LLM) reutilizan cachés de clave-valor (KV) para acelerar la inferencia. Trabajos recientes han demostrado que la reutilización de cachés KV a partir de rastros de razonamiento también puede i
arXiv · cs.CRSAFE-Mem: Memoria Agénica Segura con Autoridad Fina y Recuperación Consciente de la Gobernanza
arXiv: 2610.22959v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) dependen cada vez más de la memoria persistente para respaldar el razonamiento a largo plazo y las interacciones personalizadas. Sin embargo, la información recopilada de e
arXiv · cs.CRAgentLoupe: Etiquetas causales semánticas residentes en el núcleo para la observabilidad del agente de IA
arXiv: 2610.23233v1Announce Type: new Resumen: Los agentes de IA traducen las intenciones del usuario en acciones del sistema a través de invocaciones de herramientas. Atribuir con precisión estas acciones a sus interacciones LLM de origen es esencial para Secur
arXiv · cs.CRAtribución a nivel de token de marcas de agua LLM multimodo: regla óptima y ponderación de creencias
arXiv: 2610.23601v1Announce Type: new Resumen: Un verificador de marca de agua puede contener muchos modos, es decir, claves secretas, y un documento puede mezclar tramos de diferentes modos con texto sin marca de agua. Informar directamente del modo con el l
arXiv · cs.CRHardEval: un punto de referencia verificado por la ejecución para el endurecimiento de la seguridad impulsado por la IA y la corrección del cumplimiento
arXiv: 2610.23685v1Tipo de anuncio: nuevo Resumen: Implementar los controles de la Guía de implementación técnica de seguridad (STIG) sigue siendo una tarea exigente de administración del sistema operativo. Cada requisito de seguridad del lenguaje natural mu
arXiv · cs.CRRedDarwin: Evolución de las habilidades de Jailbreak contra los LLM de Frontier
arXiv: 2610.23726v1Tipo de anuncio: nuevo Resumen: El trabajo en equipo rojo debe adaptarse continuamente a medida que evolucionan las salvaguardas de LLM de frontera, sin embargo, los enfoques existentes buscan en gran medida mensajes contradictorios u optimizan dentro del procedimiento de ataque fijo
arXiv · cs.CRIdentificar, clasificar, actuar: cumplimiento controlado por instrucción para LLM sobre datos externos
arXiv:2610.22874v1 Announce Type: cross Resumen: Los LLM sobre datos externos se enfrentan a una tensión por instrucción: un solo documento o herramienta a menudo intercala directivas legítimas con inyecciones de aviso contradictorio, y t
arXiv · cs.CRVulnSAGE: Adjudicación de informes SAST conectando el razonamiento de LLM con la estructura del programa
arXiv:2610.23035v1 Announce Type: cross Abstract: Static Application Security Testing (SAST) reporta operaciones flag cuya seguridad depende del contexto específico del proyecto, y los mantenedores deben decidir qué informes describen re
arXiv · cs.CRVoz clonada por IA: cómo protegerte con una palabra clave familiar antes de que te llamen
Bastan 3 segundos de audio para clonar una voz, según Starling Bank. Una palabra clave familiar, acordada en persona, desactiva el timo. La noticia Voz clonada por IA: cómo protegerte con una palabra clave familiar antes
WWWhat’s New