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: 2402 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
DriveMCP: un marco de IA agéntica para un sistema avanzado de asistencia al conductor
arXiv: 2609.17247v1Tipo de anuncio: nuevo Resumen: Un marco de asistencia al conductor de IA auténtico que integra la percepción, el razonamiento de cumplimiento, la interpretación del estado del vehículo y el arbitraje de seguridad en un marco modular y auditabl
arXiv · cs.ROCoAdapt: un marco basado en LLM para la percepción colaborativa adaptativa en enjambres robóticos IIoT
arXiv: 2609.16852v1Tipo de anuncio: cross Resumen: Los entornos industriales de IoT despliegan cada vez más robots móviles autónomos para tareas como el manejo de materiales, el ensamblaje de productos o la inspección de infraestructuras. En tal caso,
arXiv · cs.RODefensas universales para agentes de LLM integrados en herramientas contra ataques adversarios
arXiv: 2609.16098v1Tipo de anuncio: nuevo Resumen: los agentes del Modelo de Lenguaje Grande (LLM) han demostrado capacidades impresionantes en una variedad de dominios, particularmente cuando se integran con herramientas externas para tareas de varios pasos
arXiv · cs.CREstegomalware basado en permutaciones en modelos de lenguaje grandes: amenazas y contramedidas
arXiv:2609.16193v1 Tipo de anuncio: nuevo Resumen: La dificultad de entrenar modelos de lenguaje grandes (LLM), junto con su ubicuidad, plantea la amenaza de stegomalware, donde las cargas útiles maliciosas están incrustadas en el modelo w
arXiv · cs.CRImplementación de una puerta trasera indetectable de caja blanca para funciones aleatorias de Fourier
arXiv:2609.16403v1 Tipo de anuncio: nuevo Resumen: Goldwasser et al. mostraron que las puertas traseras indetectables se pueden plantar en modelos de aprendizaje automático entrenados con el algoritmo Random Fourier Features (RFF), bajo una dureza como
arXiv · cs.CRMarkSec: Evaluación consciente de la capacidad de los ataques adversarios contra las marcas de agua de LLM
arXiv: 2609.16681v1Tipo de anuncio: nuevo Resumen: la marca de agua LLM ayuda a rastrear el origen del texto generado, pero se enfrenta a ataques de robo que recuperan información de marca de agua, ataques de depuración que eliminan señales de marca de agua, un
arXiv · cs.CRHacia agentes de prueba de penetración seguros impulsados por IA: amenazas de seguridad, barandillas y perspectivas arquitectónicas
arXiv: 2609.16694v1Tipo de anuncio: nuevo Resumen: los agentes autónomos con tecnología LLM están transformando el espacio de pruebas de penetración con flujos de trabajo de seguridad ofensivos dinámicos de varios pasos que requieren una supervisión mínima por parte de
arXiv · cs.CRROSETTA: decodificación LLM eficiente y precisa para preservar la privacidad a través de la evaluación híbrida CKKS/TFHE
arXiv: 2609.16915v1Tipo de anuncio: nuevo Resumen: Los modelos generativos de lenguaje grande (LLM) han logrado un rendimiento de vanguardia en muchas tareas del mundo real, como la generación de código y la respuesta a preguntas. Estos modelos pre
arXiv · cs.CRPlug 'n' Pray: Detección genética basada en LLM de posibles exposiciones de archivos de registro en complementos de sistemas de gestión de contenido de terceros
arXiv:2609.17164v1 Tipo de anuncio: nuevo Resumen: los sistemas de gestión de contenido (CMS), como WordPress, alimentan una gran parte de la web (~58%), y su extensibilidad a través de complementos de terceros es una fuente importante de su p
arXiv · cs.CROptiPrime: Optimización de la inferencia privada a través del codiseño de protocolos y hardware
arXiv:2609.16898v1 Tipo de anuncio: cross Resumen: La inferencia de la red neuronal profunda privada (DNN) basada en el cifrado homomórfico híbrido (HE) y la computación multipartita (MPC) puede proteger los datos del usuario con una garantía formal, b
arXiv · cs.CR¿Los LLM hacen que los distinguidores neuronales sean sabios?
arXiv: 2606.10692v2Tipo de anuncio: reemplazar Resumen: Los distinguidores neuronales son un método de criptoanálisis para criptografía de clave simétrica que entrena modelos de aprendizaje automático en pares de textos planos y textos cifrados con
arXiv · cs.CR(A)iSpy: Troyanos parásitos para la infraestructura de aprendizaje automático
arXiv: 2607.17550v2Announce Type: replace Resumen: Las canalizaciones modernas de aprendizaje automático (ML) dependen en gran medida de bibliotecas de terceros para la compilación de gráficos y la aceleración de hardware. Mientras que las prácticas actuales auditan datos y m
arXiv · cs.CRConozca a su agente: Pentesting impulsado por el reconocimiento de agentes de IA
arXiv:2607.19837v2 Announce Type: replace-cross Resumen: El pentesting tradicional utiliza el reconocimiento en cada paso para descubrir debilidades invisibles, crear ataques más fuertes y avanzar en el objetivo; argumentamos que los agentes de IA r
arXiv · cs.CRVibe Patenting: Evaluación de jueces de LLM para agentes profesionales de redacción de patentes
arXiv: 2609.13422v1Tipo de anuncio: nuevo Resumen: Los jueces de LLM se utilizan cada vez más para evaluar y mejorar los resultados generados por la IA, sin embargo, su confiabilidad para el trabajo profesional complejo sigue sin estar clara. Estudiamos este problema th
arXiv · cs.AIHacia una IA física autoadaptativa: ¿Pueden los agentes de LLM gestionar tareas físicas a largo plazo?
arXiv: 2609.13436v1Tipo de anuncio: nuevo Resumen: los agentes del Modelo de Lenguaje Grande (LLM) ofrecen un camino prometedor hacia la gestión autónoma de tareas físicas a largo plazo sin intervención humana. Sin embargo, las tareas físicas requieren una
arXiv · cs.AILabAgent: Personalice cualquier centro de investigación para descubrimientos científicos utilizando agentes de IA
arXiv:2609.13437v1 Tipo de anuncio: nuevo Resumen: La investigación científica es un proceso continuo que enfatiza la herencia. Los métodos desarrollados por los predecesores a menudo son ampliados por nuevos investigadores para explorar más
arXiv · cs.AITimeThink: Eliciting Compositional Reasoning in Timeseries Large Language Models
arXiv: 2609.13457v1Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes multimodales (TS-MLLM) de series temporales han comenzado recientemente a aprovechar las capacidades de razonamiento de los modelos de lenguaje grandes (LLM) para la tarea de respuesta a preguntas
arXiv · cs.AIGobernar a la velocidad de la máquina: una arquitectura de inteligencia adaptativa para la aplicación de políticas de IA en tiempo real
arXiv: 2609.13466v1Tipo de anuncio: nuevo Resumen: La adopción de IA empresarial ha llegado al 78% de las organizaciones a nivel mundial, pero la infraestructura para gobernar esa adopción no ha seguido el ritmo. Este documento identifica y caracteriza
arXiv · cs.AIDel texto legal a las fuentes de riesgo específicas de la IA: un análisis sistemático de los requisitos de alto riesgo de la Ley de IA de la UE
arXiv: 2609.13535v1Tipo de anuncio: nuevo Resumen: La Ley de IA de la UE introduce requisitos obligatorios para los sistemas de IA de alto riesgo con el objetivo explícito de garantizar el desarrollo y el funcionamiento de una IA confiable. Al mismo tiempo
arXiv · cs.AIHacia una capa de garantía de decisión para la planificación de vuelos asistida por IA en la gestión del tráfico aéreo
arXiv: 2609.13552v1Tipo de anuncio: nuevo Resumen: La IA generativa se utiliza cada vez más de manera informal en la gestión del tráfico aéreo (ATM) para tareas como la generación del plan de vuelo, la interpretación de la trayectoria y la verificación de restricciones
arXiv · cs.AIEnrutamiento consciente de carbono para llamadas de función en sistemas LLM Edge-Cloud
arXiv: 2609.13559v1Tipo de anuncio: nuevo Resumen: los modelos de lenguaje grandes (LLM) con capacidades de llamada a funciones se están volviendo críticos para los sistemas modernos de IA agéntica. Sin embargo, las implementaciones actuales generalmente enrutan
arXiv · cs.AIUn marco híbrido de IA para el análisis inteligente de la cadena de suministro
arXiv: 2609.13561v1Tipo de anuncio: nuevo Resumen: La utilización eficiente del análisis de la cadena de suministro para la toma de decisiones sigue siendo un desafío importante para los planificadores, ya que las tareas críticas como la consulta de bases de datos, el rendimiento clave
arXiv · cs.AIIA multimodal causal para predicción de quimiosensibilidad personalizada
arXiv: 2609.13567v1Tipo de anuncio: nuevo Resumen: La quimioterapia mejora la supervivencia de algunas pacientes con cáncer de mama, pero los médicos no pueden predecir de manera confiable quién. Las pautas actuales se basan en las puntuaciones de recurrencia como un indicador para tr
arXiv · cs.AI¿Cómo se produce y es importante el maltrato de la IA del usuario en los sistemas conversacionales?
arXiv: 2609.13579v1Tipo de anuncio: nuevo Resumen: La investigación sobre seguridad a menudo se centra en los daños generados por los modelos, pero los usuarios también pueden dirigir hostilidad, coerción y presión adversaria a los modelos. Entender cómo y cuándo eso o
arXiv · cs.AI