LATIDIA / EXPLORAR
Agentes y código · noticias de IA
Publicaciones relacionadas, con las más nuevas primero y acceso al archivo.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 621 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
Cuando las habilidades les indican a los agentes que no pregunten: Un estudio a gran escala de las directivas de supervisión en las habilidades de los agentes
arXiv:2610.37734v1 Anuncio Tipo: nuevo Resumen: Las habilidades de los agentes, paquetes de instrucciones reutilizables centrados en un archivo SKILL.md, extienden los agentes de IA bajo demanda, y una sola línea en una habilidad ampliamente copiada llega a cada agente que carga
arXiv · cs.CREscanee antes de instalar: Detección y mitigación de vulnerabilidades locales y compuestas en Skills.
arXiv:2610.37901v1 Anuncio Tipo: nuevo Resumen: Una habilidad de agente empaqueta instrucciones en lenguaje natural, scripts y archivos de referencia que un agente basado en LLM carga para una tarea. Las habilidades pueden acceder al sistema de archivos, shell y
arXiv · cs.CRRedes neuronales gráficas bipartitas recurrentes para la decodificación de errores QC-MDPC en criptosistemas McEliece
arXiv:2610.38479v1 Anuncio Tipo: nuevo Resumen: A medida que la llegada de la computación cuántica a gran escala amenaza el cifrado clásico, los códigos de verificación de paridad de densidad moderada cuasicíclica (QC-MDPC) han surgido como un elemento fundamental
arXiv · cs.CRMarca de agua conductual vinculada a la sesión para agentes LLM autónomos
arXiv:2610.38579v1 Anuncio Tipo: nuevo Resumen: Los agentes de modelos de lenguaje grandes (LLM) actúan cada vez más a través de interfaces web y herramientas externas. Producen trayectorias. Esas trayectorias pueden pasar por varias
arXiv · cs.CRCómo los agentes de seguridad SAST deterministas y de IA se reparten el trabajo: cobertura, políticas de arqueo y costes en Snyk VulnBench 2.0
arXiv:2610.38617v1 Anuncio Tipo: nuevo Resumen: Nos preguntamos qué encuentran los agentes de codificación de IA y los sistemas de seguridad de IA que las pruebas de seguridad de aplicaciones estáticas deterministas (SAST) no encuentran, y qué se les escapa que SAST sí detecta. Vu
arXiv · cs.CRAutomejora recursiva en la IA física: mecanismos, evidencia y evaluación.
arXiv:2610.38266v1 Anuncio Tipo: nuevo Resumen: Los sistemas encarnados pueden actualizar políticas, modelos del mundo, habilidades y programas ejecutables a partir de la experiencia de implementación, lo que permite que una interacción beneficie a tareas posteriores. Cuando un sistema
arXiv · cs.ROAtomTree: Un marco jerárquico para el seguimiento de instrucciones encarnadas con conciencia del estado mediante LLM.
arXiv:2610.38744v1 Anuncio Tipo: nuevo Resumen: El seguimiento de instrucciones encarnadas en entornos interactivos requiere que los agentes interpreten comandos en lenguaje natural y completen tareas de largo plazo. Los planificadores existentes
arXiv · cs.ROREALM: Identificación de activos de tareas mínimas para agentes de LLM
arXiv:2610.39155v1 Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) a menudo reciben acceso a más archivos, cuentas y servicios de los que requiere una tarea. La inyección rápida convierte este exceso de acceso en un opportu
arXiv · cs.CRAgentHeal: Evaluating Goal-Preserving Resource Recovery of Web Agents under Access Barriers
arXiv: 2610.39234v1Tipo de anuncio: nuevo Resumen: Los agentes del modelo de lenguaje grande (LLM) han demostrado una gran capacidad para automatizar tareas complejas de búsqueda de información y transacciones en la web abierta. Sin embargo,
arXiv · cs.CRJuzgar antes de la propagación: integridad contextual del gráfico de tareas para la privacidad multiagente
arXiv: 2610.39532v1Announce Type: new Abstract: Los sistemas LLM multiagente dependen cada vez más de la memoria persistente y la comunicación entre agentes. Estas capacidades crean riesgos de privacidad que se extienden más allá de la interacción individual
arXiv · cs.CRInferD: un marco Honeypot para la infraestructura de inferencia de IA
arXiv: 2610.39807v1Tipo de anuncio: nuevo Resumen: el modelo de lenguaje grande que sirve a las pilas, las API de inferencia comercial, las bases de datos vectoriales y las puertas de enlace de orquestación de agentes ahora se exponen en la Internet pública e indexan por c
arXiv · cs.CRThe Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables
arXiv:2610.40370v1 Tipo de anuncio: nuevo Resumen: Los agentes del modelo de lenguaje grande (LLM) para la salud personal leen los datos portátiles y los recomiendan, pero no aprenden sobre el individuo de una manera que pueda ser auditada o falsificada.
arXiv · cs.ROGimnasio: cualquier cosa para la robótica: Simulaciones físicas a escala con agentes digitales
arXiv: 2610.40565v1Tipo de anuncio: nuevo Resumen: Las simulaciones robóticas realistas y rápidas podrían permitir el entrenamiento a gran escala de modelos de IA incorporados que se transfieren al mundo real. Sin embargo, a pesar de décadas de progreso, la disponibilidad
arXiv · cs.ROLa IA ya empieza a dejar huella en el paro español. Los más expuestos: programadores y diseñadores
Cuando una pared cede, el primer aviso casi nunca es un derrumbe inmediato. Suele ser una fina grieta en la pintura apenas perceptible, a menos que la estés buscando. Con la IA y el empleo pasa algo parecido: tres años p
XatakaWabi, el agente de IA que crea mini aplicaciones, ahora valorado en $ 1,25 mil millones después de la última ronda
El jueves, la aplicación de IA Wabi, que ahora se describe a sí misma como un "agente personal", dijo que ha recaudado $ 55 millones con una valoración de $ 1.25 mil millones.
TechCrunch AIUna ingeniera de Amazon preguntó a ChatGPT cómo dejar su medicación de epilepsia. La IA le diseñó un calendario de 25 días que ha terminado en tragedia
Bowen Wan tenía 31 años, trabajaba como ingeniera de software en Amazon y sufría una epilepsia grave. En enero de 2026, ante la posibilidad de perder su empleo y su derecho a permanecer en Estados Unidos, recurrió a Chat
XatakaLa precisión del monitor no es la respuesta: un marco de valor de decisión para evaluar los monitores de reinicio de agentes de IA.
arXiv:2610.36544v1 Anuncio Tipo: nuevo Resumen: La precisión de la clasificación y las tasas de verdaderos positivos y falsos positivos por sí solas no determinan si reiniciar un agente de IA mejora el éxito. Usando un identificador exacto de alarma a acción
arXiv · cs.AIInfraDev: ¿Pueden los agentes de codificación desarrollar la infraestructura de IA y cómo podemos saberlo?
arXiv: 2610.36589v1Tipo de anuncio: nuevo Resumen: Los agentes de codificación están comenzando a desarrollar la infraestructura de IA de nivel de producción que capacita y sirve a modelos grandes, pero los puntos de referencia existentes cubren solo núcleos individuales o cantan
arXiv · cs.AISkill Dreaming: Evolución de las habilidades del repositorio a través de flujos de solicitudes de extracción
arXiv: 2610.36188v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) dependen cada vez más de habilidades reutilizables para tareas complejas de ingeniería de software, lo que hace que las bibliotecas de habilidades sean esenciales para el desarrollo de repositorios
arXiv · cs.AI¿Qué tan estables son las pruebas generadas por LLM bajo refactorización de programas? Una prueba de estrés para la generación de código verificable.
arXiv: 2610.36328v1Tipo de anuncio: nuevo Resumen: Los puntos de referencia para la generación de código verificable generalmente prueban una prueba contra una implementación fija. Preguntamos si la misma prueba sigue siendo válida después de que un programa refactorice
arXiv · cs.AI¿Corrección o manipulación? Medición de la vigilancia epistémica en agentes LLM bajo presión del usuario
arXiv: 2610.36453v1Tipo de anuncio: nuevo Resumen: Los agentes de LLM que responden preguntas y actúan en nombre de los usuarios deben decidir cuándo ceder el paso a un usuario que no está de acuerdo. El desacuerdo puede corregir un error genuino o puede ser un intento
arXiv · cs.AI¿Cuándo intervenir? Un estudio empírico de errores y autorrecuperación en agentes de LLM.
arXiv:2610.36471v1 Announce Type: new Resumen: Los agentes LLM interactúan con los servicios web para realizar tareas en nombre de los usuarios. Los errores durante estas interacciones pueden interrumpir la ejecución e impedir la finalización de la tarea, motivando a exte
arXiv · cs.AIAnalizar una hoja de cálculo con ChatGPT, Gemini o Claude: qué hacen bien y dónde se equivocan
ChatGPT, Gemini y Claude analizan tu Excel ejecutando código, pero fallan con tablas escaneadas y suposiciones. Cómo comprobar el resultado. La noticia Analizar una hoja de cálculo con ChatGPT, Gemini o Claude: qué hacen
WWWhat’s NewHGWM: Hierarchical Graph-Guided World Model for Zero-Shot Object Navigation via Graph Matching
arXiv:2610.32554v2 Anuncio Tipo: reemplazar Resumen: La navegación de objetos de cero disparos requiere que un agente encarnado elija dónde buscar mientras conserva la evidencia de observaciones previas. HGWM acopla una habitación generada por LLM
arXiv · cs.RO