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: 2317 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
El mismo cero: por qué ASR idéntico puede implicar diferentes garantías en LLM-Agent Security
arXiv:2610.04504v1 Tipo de anuncio: nuevo Resumen: la seguridad del agente LLM ha producido un denso panorama de defensas: refuerzo rápido, filtros de contenido, puertas de permisos, sandboxes, pero ningún marco le dice a un implementador qué
arXiv · cs.CRProtección del aprendizaje automático cuántico de la distribución de claves cuánticas militares contra ataques criptográficamente camuflados
arXiv: 2610.04543v1Tipo de anuncio: nuevo Resumen: La distribución de claves cuánticas demuestra que su protocolo es seguro y no dice nada sobre el hardware que se encuentra debajo, por lo que los operadores militares y gubernamentales lo utilizan para el comando y control
arXiv · cs.CRRAÍZ: Descubrir recompensas por comportamientos incorporados especificados por el usuario
arXiv: 2610.04250v1Tipo de anuncio: nuevo Resumen: El aprendizaje de refuerzo para el control incorporado sigue limitado por la dificultad de la especificación de la recompensa. Aunque los métodos recientes basados en el modelo de lenguaje grande (LLM) pueden sintetizar
arXiv · cs.ROMienten rara vez, mienten a lo grande: sigilosos ataques internos a equipos de robots LLM
arXiv:2610.04744v1 Tipo de anuncio: nuevo Resumen: Cuando un equipo de robots delega la planificación y la confianza mutua a los agentes de LLM, un solo robot comprometido puede corromper el resultado compartido. Estudiamos esta amenaza en una tarea fundamentada:
arXiv · cs.ROInspeccionar robots: evaluación de las capacidades y la seguridad de la IA incorporada
arXiv:2610.06306v1 Anuncio Tipo: nuevo Resumen: Los modelos de lenguaje de propósito general son cada vez más capaces de controlar hardware robótico. Por lo tanto, comprender las capacidades y la seguridad de estos modelos cuando se implementan es cada vez más importante.
arXiv · cs.ROAprendizaje en contexto de vídeo recursivo para robots genéticos
arXiv: 2610.06843v1Tipo de anuncio: nuevo Resumen: los agentes de LLM que organizan las políticas de visión-lenguaje-acción (VLA) congeladas mejoran en todos los episodios a través de la memoria de texto, que registra lo que hizo el agente pero no cómo la tarea
arXiv · cs.ROMás allá del servicio de LLM: Caracterización de las cargas de trabajo de visión-lenguaje-acción para el diseño de sistemas de IA incorporados
arXiv: 2610.05062v1Announce Type: cross Resumen: Los modelos de visión-lenguaje-acción (VLA) traducen las observaciones multimodales en acciones robóticas de bajo nivel. Durante el funcionamiento del robot, cada periodo de control establece un plazo de inferencia
arXiv · cs.ROUna encuesta de navegación y manipulación robóticas con simuladores de física en la era de la IA incorporada
arXiv: 2505.01458v3Tipo de anuncio: reemplazar Resumen: La navegación y la manipulación son capacidades centrales en la IA incorporada, pero capacitar a los agentes para que las realicen directamente en el mundo real es costoso, requiere mucho tiempo e inseguro.
arXiv · cs.ROProgramación de robots de fabricación con IA imperfecta: LLM como expertos en ajuste para la selección de configuración de impresión FDM
arXiv:2603.22118v2 Tipo de anuncio: reemplazar Resumen: Utilizamos la impresión 3D de modelado por deposición fundida (FDM) como un estudio de caso de cómo los robots de fabricación pueden usar IA imperfecta. En FDM, la configuración de impresión afecta fuertemente la salida
arXiv · cs.ROModelos de lenguaje grandes para el diseño de robots basado en modelos
arXiv:2609.33423v2 Tipo de anuncio: reemplazar Resumen: los modelos de lenguaje grandes (LLM) pueden contribuir con conocimientos de ingeniería útiles al diseño de robots, pero los diseños generados directamente pueden basarse en suposiciones implícitas y no proporcionar
arXiv · cs.RO¿Qué tan vulnerable es mi política de aprendizaje? Ataques universales de perturbación adversarial contra las políticas modernas de clonación del comportamiento
arXiv: 2502.03698v5Tipo de anuncio: replace-cross Resumen: El aprendizaje por imitación, también conocido como aprendizaje a partir de demostraciones, es un enfoque popular para entrenar modelos de IA; sin embargo, la vulnerabilidad de estos modelos a la adversaria
arXiv · cs.ROMismas piezas, diferentes servidores: un punto de referencia de Tetris para los agentes de IA según lo servido
arXiv:2603.02348v2 Tipo de anuncio: replace-cross Resumen: Un agente cumple con un modelo como servido: a través de un punto final con una tarjeta de precio, una caché compartida y otros inquilinos, o en cualquier hardware que ejecute un modelo autohospedado. Banco
arXiv · cs.ROCuidado con EviLLM: habilitar la inyección de vulnerabilidades a través de modelos de lenguaje grandes
arXiv: 2610.03857v1Tipo de anuncio: nuevo Resumen: Los avances en los modelos de lenguaje grande (LLM) han permitido la generación de código impulsado por IA a partir de especificaciones de lenguaje natural, introduciendo nuevas superficies de ataque para inyectar vulnerabilidades
arXiv · cs.CRTinta invisible, mentiras visibles: cómo las marcas de agua de producción causan alucinaciones en los LLM
arXiv: 2610.04860v1 Tipo de anuncio: nuevo Resumen: La marca de agua de texto ayuda a identificar el contenido generado por IA, pero su efecto sobre la fiabilidad de los hechos sigue siendo poco explorado. En este artículo, estudiamos la alucinación de la marca de agua: hecho
arXiv · cs.CRRazonamiento limitado: jerarquía cognitiva en la defensa cibernética entre humanos y IA
arXiv: 2610.04878v1Tipo de anuncio: nuevo Resumen: Las evaluaciones humano-agente a menudo comprimen la interacción en una sola puntuación de rendimiento, incluso cuando las políticas humanas y automatizadas se adaptan de manera diferente con el tiempo. Estudiamos esto en un s
arXiv · cs.CRCyTReX: Marco de razonamiento de amenazas de ciberseguridad basado en IA explicable para redes DER
arXiv: 2610.04286v1Tipo de anuncio: nuevo Resumen: los entornos de recursos de energía distribuida (DER) se basan en protocolos de comunicación de red para coordinar comandos de control, mediciones y estados de dispositivos en activos de borde y
arXiv · cs.CRMinas terrestres de enfriamiento: ataques de interferencia entre inquilinos en puertas de enlace de LLM
arXiv: 2610.05089v1Tipo de anuncio: nuevo Resumen: las puertas de enlace LLM aplican cuotas de inquilinos separadas mientras comparten implementaciones de modelos y registros de enfriamiento que excluyen temporalmente los backends defectuosos. Sin embargo, la solicitud de un inquilino falla
arXiv · cs.CRMarca de agua de código guiada por gramática con temperatura verde
arXiv: 2610.05323v1Tipo de anuncio: nuevo Resumen: La marca de agua del modelo de lenguaje grande incrusta señales estadísticas detectables durante la decodificación, pero los cambios resultantes en las probabilidades del token pueden degradar la calidad de la generación.
arXiv · cs.CRAutoDP-LLM: Automatización del preprocesamiento de datos para sistemas de detección de intrusiones utilizando modelos de lenguaje grandes
arXiv:2610.05369v1 Tipo de anuncio: nuevo Resumen: La creciente complejidad y escala de los ciberataques modernos exigen sistemas de detección de intrusiones (IDS) inteligentes y computacionalmente eficientes. Sin embargo, el diseño eficaz
arXiv · cs.CRAutoML en línea: evaluación de ataques de envenenamiento en la estrategia de defensa de entrenamiento adversario en redes IoT
arXiv: 2610.05810v1Tipo de anuncio: nuevo Resumen: Los vectores de ataque de envenenamiento impulsados por aprendizaje automático (ML) son maniobras adversarias mediante las cuales un atacante inserta, corrompe o altera intencionalmente los datos de entrenamiento para distorsionar un
arXiv · cs.CREl compromiso no es consecuencia: evaluación de la autorización del alcance de la tarea en agentes de LLM con repetición emparejada
arXiv:2610.05840v1 Announce Type: new Abstract: Un modelo que utiliza herramientas puede seguir una instrucción maliciosa incluso cuando sus credenciales son válidas. Estudiamos si la autorización del ámbito de la tarea contiene la ejecución de la herramienta resultante.
arXiv · cs.CRH-CRSPV: Preventing Semantic Omission in Late-Bound Large Language Model Releases
arXiv: 2610.05989v1Announce Type: new Abstract: Los pipelines de lanzamiento de modelos en idiomas grandes combinan cada vez más compromisos, firmas, registros de procedencia y backends de verificación heterogéneos. Sin embargo, validar cada submi
arXiv · cs.CR¿En qué se equivocó la primera reparación? Localización de los orígenes de las fallas silenciosas en la reparación de vulnerabilidades genéticas
arXiv:2610.06163v1 Announce Type: new Abstract: Localizing where a LLM-based agent first fail to keep security during a repair can show which stage of its workflow needs a additional safeguard. Esto es difícil para
arXiv · cs.CRMarcas de agua: de la imposibilidad al cumplimiento auditable
arXiv: 2610.06317v1Tipo de anuncio: nuevo Resumen: El artículo 50 (2) de la Ley de Inteligencia Artificial de la UE requiere que los proveedores de sistemas generativos hagan que las salidas sintéticas sean legibles y detectables por máquina, mientras califican
arXiv · cs.CR