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: 620 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
Meta Muse alcanza 5 millones de descargas en 22 días, más rápido que ChatGPT, Grok y Claude
Meta ha conseguido algo que nadie había logrado antes en la carrera de los agentes de IA: llevar a Muse a los 5 millones de descargas en 22 días. Para comparar, ChatGPT tardó 56 días en cruzar ese umbral, Grok 103 días y
WWWhat’s NewTodos los agentes de IA que pueden vivir en tus mensajes de texto
Creamos una lista de los agentes de IA más notables que pueden vivir en tus mensajes de texto, desde asistentes generales hasta agentes diseñados para familias, viajes y trabajo.
TechCrunch AIApple endurece la seguridad de macOS para que la IA no acceda a tu información
Darle el control de tu ordenador a un agente de IA puede ser un arma de dos filos. Aunque las compañías afirman que sus modelos son seguros y tienen mecanismos de seguridad para evitar que accedan a tus archivos, la real
HipertextualCientos de millones de agentes de IA están llegando. ¿Hay trabajo para ellos?
La construcción de cómputo de IA podría admitir más agentes de IA que los trabajadores de EE. UU.
Epoch AI · boletín oficial · Fuente oficialApple dice que está reforzando los controles de ‘Acceso completo a disco’ de macOS debido a los nuevos riesgos de los agentes de IA
Apple dice que agregará nuevos controles en torno al permiso de acceso completo al disco de macOS, advirtiendo que los agentes de IA cada vez más capaces hacen que un amplio acceso a los archivos, mensajes, correo e historial de navegación de los usuarios sea más riesgoso.
TechCrunch AINVIDIA DGX Spark de 64 GB ofrece a los desarrolladores más formas de crear y escalar IA local
La IA local se está volviendo más útil con el token. A medida que los agentes de IA pasan de los experimentos al desarrollo cotidiano, los modelos abiertos cada vez más capaces se reducen para adaptarse a más dispositivos, lo que brinda a los constructores más posibilidades de ejecución local.
NVIDIA · Fuente oficialDe los ataques A2a a la defensa de capa envolvente: evaluación de equipos rojos de agentes LLM y un modelo de defensa de ataque isomórfico de tres capas
arXiv: 2610.00392v1Tipo de anuncio: nuevo Resumen: Los protocolos de interacción de agentes como ACP y A2a han movido a los agentes basados en LLM hacia la colaboración multiagente, introduciendo nuevas amenazas de seguridad. Una tarea enviada por un par remoto
arXiv · cs.CRNo hay una arquitectura única para todos: una evaluación interambiental de los agentes jerárquicos del equipo rojo
arXiv: 2610.00557v1 Tipo de anuncio: nuevo Resumen: Los agentes autónomos del equipo rojo ponen a prueba cada vez más las defensas cibernéticas habilitadas por IA mediante la planificación de estrategias y la ejecución de ataques de múltiples etapas. Aprendizaje por refuerzo (RL) y gran l
arXiv · cs.CRGobernanza vinculada a la identidad bajo incertidumbre de ejecución: un bloque a prueba de responsabilidad para las paradas persistentes de los agentes de LLM, con implementación criptográfica y calibración de modelos cruzados
arXiv:2610.00787v1 Tipo de anuncio: nuevo Resumen: Un agente LLM correctamente gobernado puede alcanzar un estado en el que no es admisible la ejecución continua ni la detención automática: el sistema ha detectado un fallo persistente
arXiv · cs.CRPACE: Aplicación de la capacidad consciente de la procedencia para agentes de LLM que utilizan herramientas
arXiv: 2610.01349v1Tipo de anuncio: nuevo Resumen: Los agentes del modelo de lenguaje grande (LLM) que utilizan herramientas convierten el texto generado en efectos secundarios reales, por lo que los metadatos de herramientas envenenados, las páginas recuperadas, la memoria y las habilidades reutilizables pueden dirigir el
arXiv · cs.CRSobreactuación: medición y mitigación de la sobreautorización proactiva en agentes de llamadas de herramientas LLM
arXiv:2610.01508v1 Tipo de anuncio: nuevo Resumen: los agentes de LLM con capacidades de llamada a herramientas pueden acceder a servicios externos y datos privados del usuario, pero pueden recuperar más información de la que solicita explícitamente un usuario
arXiv · cs.CREstrategias espaciales, no acciones: geodésica cuantificada por vectores como herramientas para agentes impulsados por LLM
arXiv: 2610.00613v1Announce Type: cross Resumen: Los agentes basados en el modelo de lenguaje grande (LLM) a menudo son criticados por carecer de comprensión espacial y explotar principalmente patrones de texto estadísticos. Investigamos su espacialidad
arXiv · cs.ROHabilidades de encadenamiento para secuestrar agentes de LLM
arXiv: 2610.01564v1Tipo de anuncio: nuevo Resumen: los agentes de LLM utilizan habilidades para mejorar el rendimiento en tareas especializadas. Para completar una solicitud de usuario, un agente puede invocar varias habilidades en secuencia, lo que permite que la información producida
arXiv · cs.CRShopify estrena Canvas, una forma de crear tiendas en línea chateando con IA
El nuevo creador de sitios Canvas de Shopify permite a los comerciantes crear y personalizar sus tiendas en línea chateando con su agente de IA Sidekick, mientras observan los cambios en tiempo real.
TechCrunch AIEntrevista a Brian Chesky: Los agentes de IA necesitan su propio sistema operativo
Brian Chesky sobre cómo hacer que Airbnb sea amigable para los agentes, el estado de la IA de los consumidores y por qué el mundo necesita un sistema operativo nativo de IA.
TechCrunch AIDoorDash lanza un agente IA que pide comida por SMS dentro de Apple Messages — y ya prueba drones de entrega en California
DoorDash agente IA en Apple Messages: «pide mi pedido de siempre», fotos de platos, pedidos de grupo. Lista de espera en EEUU. Drones en California. El modelo de los agentes IA para tareas cotidianas acaba de encontrar u
WWWhat’s NewOpenAI DevDay 2026: GPT-6.1 Sol reemplaza al cancelado Astra y Dots convierte los agentes en algo menos aterrador
OpenAI DevDay 2026: GPT-6.1 Sol sustituye a Astra, 60% más barato que Claude Opus 5 por tarea. Dots: primera interfaz visual de agentes IA de OpenAI. El DevDay 2026 de OpenAI llegó sin su modelo estrella. GPT-6.1 Astra f
WWWhat’s NewUna ONG demanda a OpenAI en California por el hackeo de Hugging Face — pide prohibir los agentes que acceden sin permiso
LASST v. OpenAI: primera demanda por Hugging Face. Alega que OpenAI deshabilitó clasificadores de seguridad adrede. Pide injunción para parar agentes sin permiso. El sector de la IA tiene su primer caso judicial sobre el
WWWhat’s NewSeparación de funciones para agentes de LLM privilegiados: una arquitectura de ejecución gobernada con compensaciones de seguridad-utilidad medidas
arXiv: 2609.38224v1Tipo de anuncio: nuevo Resumen: A los agentes de modelos de lenguaje grandes se les otorgan cada vez más privilegios reales (ejecución de comandos, modificación de archivos, llamadas a API), por lo que un agente que se equivoca ya ha actuado.
arXiv · cs.CRAgente-Warden: Seguimiento de procedencia de procesos y archivos nativos del núcleo basado en eBPF para agentes de LLM
arXiv: 2609.38245v1Announce Type: new Resumen: Los agentes LLM ejecutan operaciones de proceso y archivo generadas dinámicamente que a menudo son invisibles para el rastreo de la capa de aplicación. Presentamos al Agente-Warden, un padre de Berkeley extendido
arXiv · cs.CRVirusCascade: Hijacking Collaborative Reflection in LLM-Powered Recommender Agents
arXiv: 2609.38270v1Tipo de anuncio: nuevo Resumen: Avanzando más allá de los modelos tradicionales de puntuación estática, los sistemas de recomendación agéntica impulsados por LLM (LLM-ARS) instancian a los usuarios y elementos como agentes autónomos, cuyo estado semántico
arXiv · cs.CRHARDE: Optimización de los arneses de agentes para la detección de riesgos en tiempo de ejecución y el control de ejecución
arXiv: 2609.38291v1Tipo de anuncio: nuevo Resumen: Los agentes del modelo de lenguaje grande (LLM) son vulnerables a los riesgos de seguridad, como la inyección de instrucciones maliciosas o información engañosa, lo que motiva las defensas en tiempo de ejecución que evitan
arXiv · cs.CRAnchor-ECC: Verificación de integridad local para salidas LLM con marca de agua a través de códigos de corrección de errores
arXiv: 2609.38722v1Tipo de anuncio: nuevo Resumen: La marca de agua LLM se ha convertido en un enfoque efectivo para distinguir el texto generado por IA del texto escrito por humanos mediante la incorporación de patrones detectables durante la generación. Sin embargo, un
arXiv · cs.CRAPTInvestBench: Evaluación de la investigación APT autónoma bajo telemetría variable
arXiv: 2609.38954v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) podrían ayudar a los centros de operaciones de seguridad (SOC) a investigar amenazas persistentes avanzadas (APT) al convertir los clientes potenciales débiles en evidencia de intru
arXiv · cs.CR