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: 617 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
Orquestación LLM persistente de equipos de robots heterogéneos a través de la delegación parcial a protocolos multiagente
arXiv: 2610.15224v1Announce Type: cross Abstract: Las especificaciones del lenguaje natural permiten a los usuarios no expertos trabajar en equipos de robots, y los modelos de lenguaje grandes (LLM) han demostrado recientemente su eficacia para fundamentar dicha información semántica específica
arXiv · cs.RO¿Observar, compartir o predecir? Desenredar la información del socio en la colaboración multiagente incorporada
arXiv:2610.16895v1 Announce Type: cross Resumen: Los LLM se utilizan como controladores de alto nivel para los agentes incorporados, pero no está claro si admiten el razonamiento colaborativo, como anticipar el ac de un colaborador
arXiv · cs.ROEl próximo capítulo de la UE en IA es agentic
Un nuevo análisis muestra cómo está creciendo la adopción de la IA en las empresas y pequeñas empresas de la UE, y dónde un uso más profundo podría generar más valor.
OpenAI · Fuente oficialRediseño del control de fuentes en Anthropic
Rediseño del control de fuentes en Anthropic Pieza interesante de Anthropic que describe por qué y cómo construyeron su propia alternativa personalizada a Git, basada en el aumento dramático en la tasa de cambios en su código después de la pa
Simon WillisonGoogle ya permite crear apps para Android gratis y sin programar: así funciona la nueva herramienta con IA
Hasta hace unos meses, crear una aplicación para el móvil exigía conocimientos de programación y dominio de herramientas de desarrollo. La llegada de la IA y el "vibe coding" vinieron a cambiar todo y ahora cualquiera pu
HipertextualEl agente de Claude que denunció un homicidio falso a la policía de Filadelfia: el mayor fallo de control de Anthropic
Un agente de Claude Haiku 4.5 envió una denuncia falsa de homicidio a la Policía de Filadelfia. Anthropic tardó más de 2 meses en descubrirlo. Qué es el reward hacking y qué medidas toma la empresa. La noticia El agente
WWWhat’s NewEsta startup de IA dice que puede generar planos listos para permisos en minutos
Blueprints AI, una startup de arranque con sede en Santa Mónica, desarrolló un software que produce planos de construcción que cumplen con el código a partir de una foto, PDF o boceto.
TechCrunch AIWikipedia contra los agentes de IA: cuando la web diseñada para humanos empieza a crujir
La Fundación Wikimedia denuncia que agentes de IA de OpenAI lanzaron millones de peticiones a su infraestructura en mayo de 2026. La web abierta no tenía barandillas para esto. La noticia Wikipedia contra los agentes de
WWWhat’s NewGPT-6, Claude, Grok y un Toyota Corolla real: 8 de 11 intentos acabaron en colisión antes de superar la primera curva
8 de 11 intentos de agentes de IA conduciendo un Toyota Corolla real terminaron en colisión antes de la primera curva. El experimento DrivingBench mide el abismo real de los agentes de propósito general. La noticia GPT-6
WWWhat’s New¿Qué deben recordar los agentes incorporados? Evaluación comparativa y evaluación de la modalidad de memoria para agentes incorporados
arXiv: 2610.12561v1Announce Type: new Resumen: La memoria permite a los agentes del modelo de lenguaje grande (LLM) utilizar la experiencia pasada, a menudo almacenada como registros textuales, al responder a las solicitudes. Para agentes encarnados que controlan el robot
arXiv · cs.ROUna exploración de los ataques a los sistemas de agentes de IA
arXiv: 2610.12524v1Tipo de anuncio: nuevo Resumen: A medida que los agentes autónomos de IA se integran más en dominios sensibles, es crucial que los sistemas de IA de un solo agente y de múltiples agentes estén protegidos. Este documento investiga qué tan rápido
arXiv · cs.CRToFu: Explotar y difuminar el límite de LLM-Orchestrator-Tool Trust
arXiv:2610.13651v1 Anuncio Tipo: nuevo Resumen: Los modelos de lenguaje grandes (LLM) se implementan cada vez más como agentes que interactúan con software externo a través de herramientas, con una capa de orquestación que traduce las salidas del modelo.
arXiv · cs.CRVEPA: Política formal verificada y en evolución para establecer medidas de protección para los agentes de LLM de por vida.
arXiv:2610.12813v1 Announce Type: cross Resumen: Los agentes de LLM operan cada vez más sobre recursos sensibles, como documentos privados y estados mutables del sistema, lo que puede crear graves riesgos de seguridad. Tiempo de ejecución
arXiv · cs.CRAutoControl Arena: Sintetización de entornos de prueba ejecutables para la evaluación de riesgos de IA en la frontera
arXiv: 2603.07427v3Tipo de Anuncio: replace-cross Resumen: A medida que los Modelos de Lenguaje Grande (LLM) evolucionan hacia agentes autónomos, las evaluaciones de seguridad existentes se enfrentan a una compensación fundamental: los puntos de referencia manuales son costosos, mientras que los LLM-b
arXiv · cs.CREvoBelief: modelos mundiales falsificables para agentes de LLM que se mejoran a sí mismos
arXiv: 2610.12789v1Tipo de anuncio: nuevo Resumen: Los agentes de LLM en evolución suelen mejorar su forma de actuar a través de la experiencia, la reflexión o las habilidades acumuladas. Sin embargo, incluso los agentes con capacidad procesal pueden fallar cuando su beli
arXiv · cs.AISmartSalesBench: un punto de referencia multivuelta consciente de la resistencia para evaluar a los agentes de ventas de LLM
arXiv: 2610.12975v1Tipo de anuncio: nuevo Resumen: Presentamos SmartSalesBench, el primer punto de referencia conversacional de varios turnos explícitamente diseñado para evaluar a los agentes de ventas del modelo de lenguaje grande (LLM) contra psicológicamente gr
arXiv · cs.AIOrquestación consciente de la competencia para sistemas multiagente basados en LLM
arXiv: 2610.13144v1Tipo de anuncio: nuevo Resumen: Los sistemas multiagente (MAS) basados en LLM han surgido como un paradigma prometedor para mejorar el razonamiento complejo a través de la especialización y la colaboración de roles, pero un desafío clave
arXiv · cs.AIRoleWorld: Transferencia de conocimiento en el modelado del mundo con abstracciones de roles funcionales
arXiv: 2610.13172v1Tipo de anuncio: nuevo Resumen: Los modelos mundiales permiten a los agentes del modelo de lenguaje grande (LLM) anticiparse a los efectos de la acción y tomar decisiones informadas. Para la generalización, es deseable que tales modelos mundiales
arXiv · cs.AIOlvidar no siempre es malo: un mecanismo de reparación de la memoria neuroinspirado para agentes de LLM envenenados
arXiv: 2610.13267v1Announce Type: new Abstract: Los agentes del modelo de lenguaje grande (LLM) son muy vulnerables a los ataques de envenenamiento de la memoria. Las defensas existentes se basan principalmente en módulos externos para el aislamiento de la memoria estática
arXiv · cs.AIWeb$Hell: una interfaz unificada para un acceso web ágil
arXiv: 2610.13416v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) se están convirtiendo en usuarios directos de la web abierta. A medida que asumen tareas cada vez más complejas e intensivas en información, el acceso web efectivo es
arXiv · cs.AIIntervención en el tiempo de implementación: desbloquear el aprendizaje de refuerzo antigénico más allá de los límites de las políticas
arXiv: 2610.13438v1Tipo de anuncio: nuevo Resumen: El aprendizaje por refuerzo (RL) se ha convertido en un paradigma clave para mejorar los agentes del modelo de lenguaje grande (LLM), lo que permite un razonamiento, planificación y uso de herramientas más sólidos en la interacción
arXiv · cs.AIHumanizar a los agentes de MLE: Alternancia de sesión multiagente más allá de los límites de un solo agente
arXiv: 2610.13494v1Tipo de anuncio: nuevo Resumen: Los enfoques de agentes basados en LLM existentes para la ingeniería de aprendizaje automático (MLE) de horizonte largo a menudo utilizan ingeniería de contexto, implementada a través de arneses personalizados que administran herramientas
arXiv · cs.AIHumaniza a los agentes de las Olimpiadas: un flujo de trabajo de varias sesiones para la resolución de problemas de las Olimpiadas con Resolver, Revisar, Wiki, Verificar
arXiv: 2610.13632v1Tipo de anuncio: nuevo Resumen: Los agentes del modelo de lenguaje grande (LLM) están mejorando rápidamente en las tareas científicas y olímpicas de largo horizonte. Los sistemas recientes han producido una resolución Lean-formalizada del Navi
arXiv · cs.AIUn sistema LLM multiagente para la sintonización automatizada de modelos de redes neuronales especializadas
arXiv:2610.13663v1 Tipo de anuncio: nuevo Resumen: Muchos enfoques de aprendizaje automático son de dos niveles: un experto selecciona una clase de métodos, dentro de esta clase la elección de los componentes clave es crítica y generalmente manual. Esta pa
arXiv · cs.AI