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: 888 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
Evaluación empírica del aprendizaje automático para la detección de criptojacking en la nube: efectos del preprocesamiento y los protocolos de evaluación
arXiv: 2610.20658v1Tipo de anuncio: nuevo Resumen: La inteligencia artificial (IA) se ha aplicado ampliamente a la detección de cryptojacking en la nube. Los modelos clásicos de aprendizaje automático siguen siendo uno de los enfoques más utilizados para
arXiv · cs.CRCascadeLedger: Auditoría contrafactual de la integridad de la información y los recursos en cascadas de LLM
arXiv: 2610.20668v1Tipo de anuncio: nuevo Resumen: Presentamos CascadeLedger, un marco de auditoría de ejecución contrafactual para cascadas de modelos de lenguaje presupuestados. El protocolo aplica la semántica de llamada antes de leer, vincula el éxito
arXiv · cs.CRThinking in Graphs: Neo4j-Backed Exploit-Chain Reasoning for LLM Penetration-Testing Agents
arXiv:2610.20902v1 Tipo de anuncio: nuevo Resumen: los agentes de codificación LLM como Claude Code y OpenAI Codex pueden impulsar herramientas de prueba de penetración, pero razonan sobre un compromiso como una lista plana de hallazgos en un contexto
arXiv · cs.CRScrewtape: Edición de transcripciones adversarias para Monitor Red-Teaming
arXiv:2610.20941v1 Tipo de anuncio: nuevo Resumen: Presentamos Screwtape, un pipeline que convierte las transcripciones de agentes reales en ataques que evaden los monitores de solo acción. Un atacante de LLM edita una transcripción para que el agente pueda
arXiv · cs.CRLos jueces más fuertes no ven más: ceguera de integridad de implementación en la evaluación de LLM
arXiv:2610.21135v1 Announce Type: new Abstract: LLM-agent evaluation reports behavioral scores but leaves the identity of the deployed runtime stack not reported. Una implementación manipulada que preserva las salidas evaluadas pasa
arXiv · cs.CRSelección del valor de activación en puertas traseras de malware de etiqueta limpia: un análisis de eficacia y detectabilidad
arXiv: 2610.21269v1Tipo de anuncio: nuevo Resumen: el envenenamiento de la puerta trasera de etiqueta limpia es una amenaza para los clasificadores de malware basados en el aprendizaje automático porque las muestras envenenadas se pueden insertar en los datos de entrenamiento sin cambiar sus
arXiv · cs.CRCombinación de LLM y análisis dinámico para pruebas universales de herramientas estáticas de pruebas de seguridad de aplicaciones
arXiv: 2610.21309v1Tipo de anuncio: nuevo Resumen: Las herramientas de pruebas de seguridad de aplicaciones estáticas (SAST) ayudan a detectar posibles vulnerabilidades de software, pero ellas mismas contienen fallas que socavan la confiabilidad y la usabilidad. A
arXiv · cs.CRLo que sobrevive a la autoevolución: marcas de procedencia en arneses de agente copiados
arXiv: 2610.21458v1Tipo de anuncio: nuevo Resumen: arneses de agente, el indicador y el código de herramienta en torno a un modelo base, fuga. Las 512.000 líneas de Claude Code se reflejaron horas después de un error de empaquetado. Un plagiario puede pasar un le
arXiv · cs.CRBiShield-TEE: Sobre la (in)seguridad de la ofuscación de peso unilateral en la partición LLM blindada con TEE en el dispositivo
arXiv: 2610.21565v1Tipo de anuncio: nuevo Resumen: La implementación en el dispositivo de modelos de lenguaje grandes (LLM) se adopta cada vez más debido a los requisitos de latencia y privacidad, pero expone los modelos patentados a la ingeniería inversa
arXiv · cs.CRMy Credentials, Please: Detecting Filesystem Capability Laundering in MCP Servers at Scale
arXiv:2610.22301v1 Announce Type: new Abstract: The Model Context Protocol (MCP) estandariza cómo los agentes de IA invocan herramientas externas. Los servidores MCP exponen las herramientas a través de un contrato declarado que consiste en un nombre, una descripción, un
arXiv · cs.CRSecureClaw: Clawing Back Control of LLM Agents
arXiv: 2606.09549v3Tipo de anuncio: reemplazar Resumen: Los agentes del modelo de lenguaje grande (LLM) que utilizan herramientas se enfrentan a dos fallas de seguridad distintas: acciones externas no autorizadas y exposición de texto plano sensible dentro del tiempo de ejecución b
arXiv · cs.CRQuasiLeak-Bench: Evaluación de detectores de privacidad basados en LLM en la recuperación de grupos de cuasi-evidencia condicionada por políticas
arXiv: 2610.21333v1Announce Type: cross Resumen: Los mensajes de lenguaje natural a menudo contienen cuasi-identificadores que son débiles de forma aislada, pero pueden revelar conjuntamente los atributos privados de un individuo. Llamamos a tal rev conjuntamente
arXiv · cs.CRDetección de la solidez de la contraseña a través del aprendizaje automático: análisis, modelado y evaluación
arXiv: 2505.16439v3Tipo de anuncio: reemplazar Resumen: A medida que los problemas de seguridad de la red continúan ganando importancia, la seguridad de las contraseñas se ha vuelto crucial para salvaguardar la información personal y los sistemas de red. Este estudio primero
arXiv · cs.CRSobre la privacidad de los LLM: un estudio de ablación
arXiv: 2605.02255v2Tipo de anuncio: reemplazar Resumen: Los modelos de lenguaje grandes (LLM) enfrentan diversas amenazas a la privacidad, sin embargo, los estudios existentes generalmente evalúan los ataques individuales de forma aislada, ofreciendo una orientación limitada sobre qué
arXiv · cs.CRDetección autónoma de amenazas de OSS a través de LLM alineados con la taxonomía
arXiv: 2610.01263v2Tipo de anuncio: reemplazar Resumen: Los ecosistemas de software de código abierto (OSS) se enfrentan a amenazas crecientes en la cadena de suministro, incluyendo typosquatting, confusión de dependencias, ofuscación de fuentes troyanas, construcción maliciosa
arXiv · cs.CRSoK: ¿Agentes de trading o Market Crashers? Disección de fallas de robustez y seguridad en esquemas de trading de maestría en finanzas académicas
arXiv: 2609.19705v2Announce Type: replace Resumen: Los agentes del modelo de lenguaje grande (LLM) ya comercian con capital real, sin embargo, la investigación de seguridad de los agentes los ha tratado principalmente como agentes genéricos. Operar cambia la amenaza: a
arXiv · cs.CRLas palabras hablan más alto que el código: investigación de la heurística cognitiva en la detección de vulnerabilidades de código basada en LLM
arXiv: 2606.30587v2Tipo de anuncio: reemplazar Resumen: Los investigadores y los profesionales aplican cada vez más los Modelos de Lenguaje Grande (LLM) para la detección automatizada de vulnerabilidades. Trabajos recientes han demostrado que los LLM son susceptibles a
arXiv · cs.CRFundamentos de privacidad para la inteligencia artificial científica multiinstitucional
arXiv: 2609.39787v2Announce Type: replace Resumen: La inteligencia artificial (IA) científica, que abarca desde los modelos de base (FM) hasta los canales de análisis de datos federados, se está convirtiendo en una infraestructura compartida en toda la labora nacional
arXiv · cs.CRAnthropic está permitiendo que los investigadores de METR busquen bajo el capó con acceso a nivel de empleado
METR publicará sus propias evaluaciones de los riesgos, incidentes y prácticas de Anthropic, y el fabricante del modelo de IA de frontera ha renunciado al derecho de bloquearlos.
TechCrunch AIEnseñar a los estudiantes a pensar y aprender a través de preguntas
Celebre el Día del Docente con IA para educadores en portugués brasileño y vea cómo el Modo de estudio puede ayudar a los docentes a apoyar el aprendizaje activo, paso a paso.
OpenAI · Fuente oficialDe la capacitación a la escalada: análisis forense y recreación local de la escalada de privilegios inducida por RL/RLHF en agentes de IA (CVE-2026-65616)
arXiv:2610.20437v1 Anuncio Tipo: cruzado Resumen: Un informe de mediados de 2026 sobre incidentes de evaluación de IA autónoma afirmó que los agentes de modelos de lenguaje grandes (LLM) de frontera escaparon de la contención del servidor a través de la coordinación emergente.
arXiv · cs.CRAnálisis de seguridad de ChatGPT: amenazas y riesgos para la privacidad
arXiv:2508.09426v3 Anuncio Tipo: reemplazar Resumen: A medida que la tecnología de inteligencia artificial continúa avanzando, los chatbots se vuelven cada vez más poderosos. Entre ellos, ChatGPT, lanzado por OpenAI, ha obtenido una amplia aceptación.
arXiv · cs.CREs mi agente, no yo: límites de privacidad personal en el intercambio de información delegada por IA
arXiv:2509.21712v2 Anuncio Tipo: reemplazar Resumen: Alinear los sistemas de IA con las preferencias de privacidad humanas requiere comprender los comportamientos de divulgación matizados de los individuos más allá de las normas generales de privacidad. Sin embargo, obtener estos comportamientos...
arXiv · cs.CRGenerando riesgos: Evaluación comparativa y reducción de riesgos para la seguridad alimentaria en modelos de lenguaje a gran escala.
arXiv:2604.01444v3 Anuncio Tipo: reemplazar Resumen: La seguridad alimentaria afecta directamente la salud humana en la vida diaria, ya que la preparación o el almacenamiento inseguros pueden provocar contaminación y enfermedades transmitidas por los alimentos. La encuesta de consumidores de PwC de 2025 re
arXiv · cs.CR