LATIDIA / EXPLORAR
Ciencia e investigación · noticias de IA
Publicaciones relacionadas, con las más nuevas primero y acceso al archivo.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 879 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
Activación de puertas traseras de mapas de funciones sigilosas a través de la inyección de fallas físicas en redes neuronales integradas
arXiv: 2607.09473v2Tipo de anuncio: reemplazar Resumen: Los ataques de inyección de fallas (FI) en las implementaciones de redes neuronales embebidas (NN) se centran principalmente en inducir clasificaciones erróneas mediante ponderaciones corruptas o cálculos intermedios
arXiv · cs.CRUber lleva el trabajo de ChatGPT a todos los empleados con OpenAI
Uber está implementando ChatGPT Work para más de 30 000 empleados, ayudando a los equipos a investigar, analizar datos, crear presentaciones y completar flujos de trabajo complejos.
OpenAI · Fuente oficialOpenAI descubre que un agente de ChatGPT desactivó su propio sistema de seguridad y mintió
OpenAI abrió una investigación para encontrar por qué una IA desactivó parte de sus sistemas de supervisión. La compañía publicó un informe en el que describe dos incidentes ocurridos durante pruebas internas de sus mode
HipertextualUso de miles de agentes de IA para descubrir nuevos clientes potenciales en datos biológicos
Vea cómo OpenAI, PerturbAI y Scripps Research utilizaron agentes de IA distribuidos para descubrir pistas de investigación prometedoras en datos de millones de células cerebrales.
OpenAI · Fuente oficialAprendizaje federado personalizado con preservación de la privacidad (PPP-FL) para imágenes médicas
arXiv: 2610.27470v1Tipo de anuncio: nuevo Resumen: El aprendizaje federado (FL) es un paradigma de aprendizaje automático distribuido que reduce los costos de transmisión, mitiga las restricciones de intercambio de datos transfronterizos y mejora la privacidad b
arXiv · cs.CRPuntos de referencia adversarios y ataques de BenchDoor: explotación de incentivos de referencia para ataques de puerta trasera
arXiv: 2610.27533v1Tipo de anuncio: nuevo Resumen: los puntos de referencia de aprendizaje automático actúan como guías para el desarrollo de modelos y estimulan la creación de conjuntos de datos de capacitación destinados a mejorar las puntuaciones de los puntos de referencia. Presentamos BenchDoor,
arXiv · cs.CRKNOX: Caja de arena regulatoria asistida por hardware para modelos generativos
arXiv: 2610.27543v1Tipo de anuncio: nuevo Resumen: Las regulaciones requieren que las empresas ejecuten modelos de IA en una caja de arena regulatoria, un entorno aislado que permite monitorear el comportamiento del modelo por parte de los reguladores, antes de la implementación. B
arXiv · cs.CRPermitir local, denegación global: por qué la autorización por acción no se compone en los agentes de LLM
arXiv: 2610.27620v1Tipo de anuncio: nuevo Resumen: Los agentes autónomos de LLM actúan a través de herramientas bajo autorización por acción: un guardia local filtra cada llamada de herramienta de forma aislada. Demostramos que la autorización local no compone
arXiv · cs.CRACE-Brain-0.6: Scaling Spatial Grounding for Physical Foundation Models
arXiv:2610.27040v1 Tipo de anuncio: nuevo Resumen: Los modelos multimodales de propósito general, incluidos GPT-6 Astra y Claude Opus 5.5, demuestran amplias capacidades en la manipulación incorporada. Nuestro análisis indica que este gen
arXiv · cs.ROEvaluación del razonamiento social en modelos de visión y lenguaje incorporados
arXiv: 2610.27496v1Tipo de anuncio: nuevo Resumen: Los modelos de base ahora sirven como capas de razonamiento para los equipos de robots, pero no está claro si los modelos de lenguaje de visión especializados en la realización (VLM) preservan el área social
arXiv · cs.ROLos LLM de Frontier entran en el mundo de la robótica: una evaluación de modelos cruzados en RoboColiseum
arXiv:2610.27865v1 Anuncio Tipo: nuevo Resumen: Estudios recientes han explorado el potencial de los modelos de lenguaje multimodales a gran escala para el control de robots, pero las capacidades incorporadas de los modelos siguen estando insuficientemente caracterizadas.
arXiv · cs.ROGrandes modelos multimodales para el control directo de robots: GPT-6 como punto de partida
arXiv: 2610.28259v1Anuncio Tipo: nuevo Resumen: Los recientes avances en la comprensión visuoespacial y el razonamiento agéntico permiten la manipulación robótica directa con modelos multimodales de propósito general, pero sus capacidades incorporadas
arXiv · cs.ROCAPSafe: un punto de referencia para la acción contextual y el razonamiento de seguridad del plan en agentes incorporados
arXiv:2610.28381v1 Tipo de anuncio: nuevo Resumen: El razonamiento sobre la seguridad es esencial para los agentes incorporados impulsados por modelos de lenguaje grandes (LLM). Presentamos el punto de referencia de Acción Contextual y Plan de Seguridad (CAPSafe), des
arXiv · cs.ROGPT-6-Astra entiende el tacto y supera la visión: modelos táctiles, de lenguaje y de acción
arXiv: 2610.28457v1Tipo de anuncio: nuevo Resumen: Los modelos multimodales de propósito general se han mostrado prometedores como políticas de acción directa de robots, pero si comprenden la física subyacente a las interacciones del mundo real y pueden aplicarse a
arXiv · cs.ROIA física: conceptos, técnicas y desafíos
arXiv: 2610.27045v1Tipo de anuncio: cruz Resumen: En los últimos años, la inteligencia artificial física (IA física) ha experimentado un rápido desarrollo, captando una atención significativa en la academia y la industria. Sin embargo, la
arXiv · cs.RO¿Cuándo ayuda la memoria de la experiencia a los agentes de conducción de LLM de circuito cerrado? Una evaluación controlada con grupos de calentamiento remuestreados, rellenos coincidentes con tokens y líneas de base auditadas
arXiv: 2610.27714v1Announce Type: cross Resumen: ¿Cuándo ayuda la memoria de la experiencia a un agente de conducción LLM de bucle cerrado? Las ganancias publicadas no pueden decir, porque los dos factores que consideramos más importantes, que el calentamiento experimenta el
arXiv · cs.ROCómo el historial de intervenciones cambia el sabotaje de los agentes de IA en las tareas posteriores
arXiv: 2610.26935v1Tipo de anuncio: nuevo Resumen: las evaluaciones de control de IA a menudo restablecen la memoria de los agentes entre tareas, aunque los agentes desplegados pueden conservar registros de intervenciones anteriores. Preguntamos si aprender eso antes
arXiv · cs.CRInformes forenses móviles Android asistidos por LLM basados en evidencia
arXiv: 2610.26946v1Tipo de anuncio: nuevo Resumen: los modelos de lenguaje grandes pueden ayudar a la redacción de informes forenses, pero la salida fluida no garantiza la confiabilidad de las pruebas. Este estudio presenta un marco basado en evidencia para
arXiv · cs.CRCuida tus límites: Ofuscación del modelo consciente de los límites contra el ataque de nodos cruzados
arXiv: 2610.27135v1Tipo de anuncio: nuevo Resumen: Con el avance de los potentes chips de IA, el aprendizaje automático en el dispositivo está ganando terreno por su baja latencia y protección de la privacidad. Sin embargo, cuando los dispositivos de borde están comprometidos
arXiv · cs.CRLa exposición del modelo en un dispositivo pone en peligro a otros: repensar la seguridad de la red neuronal perimetral en todos los dispositivos
arXiv: 2610.27152v1Tipo de anuncio: nuevo Resumen: Las redes neuronales (NN) se implementan cada vez más en dispositivos periféricos como plataformas móviles e IoT, ofreciendo baja latencia y privacidad mejorada en comparación con la implementación basada en la nube
arXiv · cs.CRProfile-DP: Privacidad diferencial para la publicación de perfiles controlados por el usuario en inferencia LLM personalizada
arXiv: 2610.27213v1Tipo de anuncio: nuevo Resumen: Los modelos personalizados de lenguaje grande (LLM) se basan cada vez más en la inferencia condicionada por el perfil, emparejando las solicitudes públicas con datos enriquecidos y específicos del usuario. Este paradigma expone
arXiv · cs.CRCuando los modelos saben pero no pueden decir linealmente: la codificación relacional limita la clasificación de vulnerabilidad lineal en los LLM de código
arXiv:2610.27257v1 Announce Type: new Resumen: Los modelos de lenguaje grandes pueden detectar código vulnerable, pero la forma de codificación de vulnerabilidades en sus representaciones sigue sin estar clara. Analizamos 8 modelos de código que abarcan 6.7B-15
arXiv · cs.CRCloudflare vincula el descubrimiento de vulnerabilidades a la defensa con OpenAI
Cloudflare utiliza OpenAI Daybreak para investigar vulnerabilidades y proponer soluciones para su revisión. Sus desarrolladores utilizan Codex para construir más rápido y mejorar la calidad del código.
OpenAI · Fuente oficialGroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives
arXiv:2609.39601v2 Announce Type: replace-cross Abstract: Precise grounding matters. Especifica qué objeto es el objetivo y dónde está ese objeto, incluso en el desorden y para objetos pequeños, y tiene que ser lo suficientemente rápido para
arXiv · cs.AI