LATIDIA / EXPLORAR
Modelos y chatbots · noticias de IA
Publicaciones relacionadas, con las más nuevas primero y acceso al archivo.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 1326 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
Estegomalware basado en permutaciones en modelos de lenguaje grandes: amenazas y contramedidas
arXiv:2609.16193v1 Tipo de anuncio: nuevo Resumen: La dificultad de entrenar modelos de lenguaje grandes (LLM), junto con su ubicuidad, plantea la amenaza de stegomalware, donde las cargas útiles maliciosas están incrustadas en el modelo w
arXiv · cs.CRImplementación de una puerta trasera indetectable de caja blanca para funciones aleatorias de Fourier
arXiv:2609.16403v1 Tipo de anuncio: nuevo Resumen: Goldwasser et al. mostraron que las puertas traseras indetectables se pueden plantar en modelos de aprendizaje automático entrenados con el algoritmo Random Fourier Features (RFF), bajo una dureza como
arXiv · cs.CRMarkSec: Evaluación consciente de la capacidad de los ataques adversarios contra las marcas de agua de LLM
arXiv: 2609.16681v1Tipo de anuncio: nuevo Resumen: la marca de agua LLM ayuda a rastrear el origen del texto generado, pero se enfrenta a ataques de robo que recuperan información de marca de agua, ataques de depuración que eliminan señales de marca de agua, un
arXiv · cs.CRHacia agentes de prueba de penetración seguros impulsados por IA: amenazas de seguridad, barandillas y perspectivas arquitectónicas
arXiv: 2609.16694v1Tipo de anuncio: nuevo Resumen: los agentes autónomos con tecnología LLM están transformando el espacio de pruebas de penetración con flujos de trabajo de seguridad ofensivos dinámicos de varios pasos que requieren una supervisión mínima por parte de
arXiv · cs.CRROSETTA: decodificación LLM eficiente y precisa para preservar la privacidad a través de la evaluación híbrida CKKS/TFHE
arXiv: 2609.16915v1Tipo de anuncio: nuevo Resumen: Los modelos generativos de lenguaje grande (LLM) han logrado un rendimiento de vanguardia en muchas tareas del mundo real, como la generación de código y la respuesta a preguntas. Estos modelos pre
arXiv · cs.CRPlug 'n' Pray: Detección genética basada en LLM de posibles exposiciones de archivos de registro en complementos de sistemas de gestión de contenido de terceros
arXiv:2609.17164v1 Tipo de anuncio: nuevo Resumen: los sistemas de gestión de contenido (CMS), como WordPress, alimentan una gran parte de la web (~58%), y su extensibilidad a través de complementos de terceros es una fuente importante de su p
arXiv · cs.CR¿Los LLM hacen que los distinguidores neuronales sean sabios?
arXiv: 2606.10692v2Tipo de anuncio: reemplazar Resumen: Los distinguidores neuronales son un método de criptoanálisis para criptografía de clave simétrica que entrena modelos de aprendizaje automático en pares de textos planos y textos cifrados con
arXiv · cs.CRVibe Patenting: Evaluación de jueces de LLM para agentes profesionales de redacción de patentes
arXiv: 2609.13422v1Tipo de anuncio: nuevo Resumen: Los jueces de LLM se utilizan cada vez más para evaluar y mejorar los resultados generados por la IA, sin embargo, su confiabilidad para el trabajo profesional complejo sigue sin estar clara. Estudiamos este problema th
arXiv · cs.AIHacia una IA física autoadaptativa: ¿Pueden los agentes de LLM gestionar tareas físicas a largo plazo?
arXiv: 2609.13436v1Tipo de anuncio: nuevo Resumen: los agentes del Modelo de Lenguaje Grande (LLM) ofrecen un camino prometedor hacia la gestión autónoma de tareas físicas a largo plazo sin intervención humana. Sin embargo, las tareas físicas requieren una
arXiv · cs.AITimeThink: Eliciting Compositional Reasoning in Timeseries Large Language Models
arXiv: 2609.13457v1Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes multimodales (TS-MLLM) de series temporales han comenzado recientemente a aprovechar las capacidades de razonamiento de los modelos de lenguaje grandes (LLM) para la tarea de respuesta a preguntas
arXiv · cs.AIEnrutamiento consciente de carbono para llamadas de función en sistemas LLM Edge-Cloud
arXiv: 2609.13559v1Tipo de anuncio: nuevo Resumen: los modelos de lenguaje grandes (LLM) con capacidades de llamada a funciones se están volviendo críticos para los sistemas modernos de IA agéntica. Sin embargo, las implementaciones actuales generalmente enrutan
arXiv · cs.AI¿Cómo se produce y es importante el maltrato de la IA del usuario en los sistemas conversacionales?
arXiv: 2609.13579v1Tipo de anuncio: nuevo Resumen: La investigación sobre seguridad a menudo se centra en los daños generados por los modelos, pero los usuarios también pueden dirigir hostilidad, coerción y presión adversaria a los modelos. Entender cómo y cuándo eso o
arXiv · cs.AIFLoKD: Destilación adaptativa de conocimientos para LLM federado de bajo rango a través de redes inalámbricas
arXiv:2609.13580v1 Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes (LLM) han demostrado capacidades sólidas en una amplia gama de tareas de procesamiento de lenguaje natural. Sin embargo, el ajuste fino convencional típicamente rel
arXiv · cs.AILa seguridad como una restricción: ajuste fino de un recomendador de LLM para explicarse a sí mismo
arXiv:2609.13657v1 Tipo de anuncio: nuevo Resumen: Los sistemas de recomendación tradicionales suelen estar entrenados para predecir con qué elemento interactuarán los usuarios a continuación, pero no por qué. Sin embargo, ofrecer evidencia personalizada de por qué un uso
arXiv · cs.AIRecuperabilidad como primitiva del sistema para agentes de IA de Long-Horizon
arXiv: 2609.13672v1Tipo de anuncio: nuevo Resumen: los agentes de IA pueden ser interrumpidos mientras editan archivos, llaman a herramientas o llevan a cabo tareas de varios pasos. El reinicio repite el trabajo completado, pero continúa desde no verificado o superado
arXiv · cs.AIOptimización de la dirección del señalizador: una defensa post-hoc contra la destrucción de LLM
arXiv: 2609.16204v1Tipo de Anuncio: Cross Resumen: Las barandillas de seguridad en modelos de lenguaje de peso abierto se pueden omitir fácilmente utilizando la Ablación de Funciones de Rechazo (RFA), una técnica que identifica y proyecta un rechazo lineal
arXiv · cs.CRTrustworthy Agentic AI: A Comprehensive Cybersecurity and Systems Survey on Threat Landscapes, Defense Architectures, and Open Challenges
arXiv: 2609.13731v1Tipo de anuncio: nuevo Resumen: La transición de los modelos de cimientos pasivos a los sistemas de IA agéntica autónomos y dirigidos a objetivos ha introducido capacidades sin precedentes al acoplar reas cognitivas recursivas
arXiv · cs.AI¿Cuántos pensamientos puede contener un vector? La capacidad de razonamiento por superposición
arXiv: 2609.13747v1Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes resuelven problemas difíciles a través de cálculos intermedios a través del razonamiento de varios pasos. La cadena de pensamiento tradicional codifica estos cálculos como tokens.
arXiv · cs.AIAprendizaje continuo homeostático
arXiv:2609.13771v1 Tipo de Anuncio: nuevo Resumen: En este artículo, formulo un problema de Aprendizaje Continuo y propongo un método llamado "Aprendizaje Continuo Homeostático" que permite a un agente de IA aprender continuamente en un chan
arXiv · cs.AIEficacia sorprendente de las autodemostraciones en la mejora del mapeo de ontologías de esquemas con LLM
arXiv: 2609.13776v1Tipo de anuncio: nuevo Resumen: La integración de bases de datos relacionales heterogéneas en una ontología centralizada sigue siendo un desafío persistente en la representación del conocimiento empresarial, principalmente debido a la
arXiv · cs.AIAprendizaje de refuerzo multiagente mejorado por LLM para vehículos eléctricos unificados: optimización de la estación de carga y la red en sistemas de carga pública
arXiv: 2609.13805v1Tipo de anuncio: nuevo Resumen: En la era del Internet de las cosas (IoT), coordinar la programación de carga de vehículos eléctricos (EV) conectados para equilibrar la satisfacción de carga de EV, la rentabilidad de la estación y
arXiv · cs.AIMARINERO: recuperación de optimización basada en LLM interactiva asistida por solucionador
arXiv: 2609.13945v1Tipo de anuncio: nuevo Resumen: Las descripciones en lenguaje natural de los problemas de optimización pueden ser incompletas o vagas sobre la información numérica que requiere un solucionador, incluidos los costos, las capacidades, las demandas,
arXiv · cs.AIMOSCOPT: Optimización Colectiva de la Mezcla de Habilidades para Agentes LLM
arXiv: 2609.14399v1Tipo de anuncio: nuevo Resumen: Las indicaciones y habilidades del lenguaje natural sirven como la columna vertebral estratégica de los agentes basados en LLM. Los avances recientes en la optimización rápida y de habilidades han logrado avances notables, sin embargo, un
arXiv · cs.AI¿Cuándo un resultado de escalado justifica una asignación diferente? Una revisión crítica de la evidencia de asignación de recursos para los sistemas de IA
arXiv:2609.14500v1 Tipo de anuncio: nuevo Resumen: los estudios de escalado de IA evalúan cada vez más los sistemas que combinan un modelo preentrenado con recuperación, búsqueda, verificación, herramientas e interacción. Sin embargo, una puntuación más alta bajo una la
arXiv · cs.AI