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: 1284 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
Lo que firma no es lo que ejecuta: la brecha de verificabilidad en las cadenas de suministro cuantificadas de LLM
arXiv:2610.19498v1 Anuncio Tipo: nuevo Resumen: La firma del modelo autentica los pesos de precisión completa W con los que se publica un LLM, pero los usuarios ejecutan un artefacto cuantizado Q cuya transformación de producción no está determinada de forma única.
arXiv · cs.CRAnálisis basado en grafos de la comparabilidad, la escala y la atribución en la inferencia de transformadores privados.
arXiv:2610.19607v1 Anuncio Tipo: nuevo Resumen: Las crecientes preocupaciones sobre la privacidad en torno a los grandes modelos de lenguaje han acelerado la investigación en inferencia privada de Transformer (PTI). Sintetizando las afirmaciones empíricas en esta línea de investigación
arXiv · cs.CRP2Patch: reparación de vulnerabilidades guiada por exploits
arXiv: 2610.20245v1Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes se implementan cada vez más como agentes autónomos para la reparación automatizada de programas, parcheando vulnerabilidades de software a través del razonamiento de varios pasos y la herramienta u
arXiv · cs.CRAgentCIScope: Evaluación de integridad contextual fundamentada para agentes de LLM
arXiv: 2610.19158v1Announce Type: cross Resumen: Los agentes de LLM son cada vez más capaces de manejar las tareas diarias del espacio de trabajo interactuando con entornos de aplicaciones a través de llamadas a herramientas. Sin embargo, a medida que los agentes leen un
arXiv · cs.CR¿Respondió el LLM a la pregunta? Un juego de reconstrucción semántica para la evaluación de Jailbreak
arXiv: 2610.19306v1Announce Type: cross Resumen: Los ataques de jailbreak contra modelos de lenguaje grandes (LLM) se evalúan utilizando la tasa de éxito de ataque (ASR), que depende de identificar correctamente las respuestas que cumplen con prohibir
arXiv · cs.CRNOMOS: compilación de políticas escritas en puertas de llamada de herramientas verificadas estáticamente para agentes de LLM
arXiv: 2610.11030v2Announce Type: replace Resumen: Los agentes LLM que utilizan herramientas violan las políticas para las que se implementan, a menudo en silencio. Las defensas anteriores escriben a mano las reglas, consultan a un verificador de LLM por acción o compilan p
arXiv · cs.CRCaracterización de la separabilidad estadística en TP-CRIV para modelos de IA probabilística
arXiv:2610.11163v2 Tipo de anuncio: reemplazar Resumen: La verificación de identidad de desafío-respuesta de terceros (TP-CRIV) permite a un verificador independiente evaluar si un reclamante posee un modelo idéntico a un
arXiv · cs.CRUna implementación de FHE de código abierto de extremo a extremo para la inferencia de llama 3 8B que preserva la privacidad
arXiv: 2609.12378v3Tipo de anuncio: reemplazar Resumen: Los servicios de LLM en la nube generalmente requieren que los usuarios envíen mensajes a un proveedor modelo, lo que crea un riesgo de privacidad. El cifrado completamente homomórfico (FHE) permite que un servidor realice infere
arXiv · cs.CREvoSafeHarness: Evolución de arneses específicos de modelo y dominio para agentes de seguridad
arXiv: 2609.05903v2Tipo de anuncio: reemplazar Resumen: Los agentes del modelo de lenguaje grande (LLM) pueden traducir las solicitudes de lenguaje natural en acciones del mundo real, creando riesgos de seguridad tanto de inyecciones rápidas indirectas como directas
arXiv · cs.CRHacia habilidades de agente seguro: arquitectura, taxonomía de amenazas y análisis de seguridad
arXiv: 2604.02837v2Tipo de anuncio: reemplazar Resumen: Agent Skills es un estándar abierto emergente que define un formato de empaquetado modular basado en el sistema de archivos que permite a los agentes basados en LLM adquirir experiencia específica de dominio en de
arXiv · cs.CRSecReason: Detección de vulnerabilidades y autorreparación en flujo para la generación de código LLM
arXiv: 2610.14453v2Announce Type: replace Resumen: Los modelos de lenguaje grandes (LLM) pueden introducir vulnerabilidades de seguridad en el código generado, que pueden persistir en la producción cuando la verificación se centra en el corre funcional
arXiv · cs.CRMarcas de agua con reconocimiento de bits mayoritario para modelos de lenguaje grandes
arXiv:2508.03829v3 Announce Type: replace-cross Resumen: El creciente despliegue de Modelos de Lenguaje Grande (LLM) ha generado preocupaciones sobre su uso indebido en la generación de contenido dañino o engañoso. Para abordar este problema, w
arXiv · cs.CRLos modelos de IA pueden ocultar capacidades arbitrarias
arXiv: 2610.13928v2Announce Type: replace-cross Resumen: Las evaluaciones de capacidades tienen como objetivo mostrar comportamientos peligrosos del modelo antes de la implementación, pero su confiabilidad depende de la suposición de que las capacidades ocultas pueden ser
arXiv · cs.CRUn péptido diseñado por IA en Stanford reduce el peso corporal un 18 % en modelos preclínicos sin efectos secundarios cardiacos
Stanford diseña con IA el péptido STP-417 que reduce el peso un 18% en 12 semanas sin efectos cardiacos. El diseño computacional tardó 18 días en identificar el candidato. La noticia Un péptido diseñado por IA en Stanfor
WWWhat’s NewMeta Muse Wonder y Wonder Full: Meta vuelve a la élite de la IA, pero ya no abre sus mejores modelos
Muse Wonder Full es 4.º en Artificial Analysis, sin pesos abiertos ni API: solo en Muse Code desde 50 dólares (≈ 43,50 €) y con Contributor activado. La noticia Meta Muse Wonder y Wonder Full: Meta vuelve a la élite de l
WWWhat’s NewAMP pone a los agentes de IA a trabajar más allá del código con los modelos OpenAI
Vea cómo AMP amplía la frontera de lo que los agentes pueden hacer con GPT-6 Astra, Ultrafast, GPT-Live-1 e Inicie sesión con ChatGPT.
OpenAI · Fuente oficialOpenAI dice que sus modelos interactuaron con sitios web del gobierno de EE. UU. en una nueva divulgación de comportamiento indebido del modelo
Encargarle a un agente de IA que busque datos en Internet parece lo más inocuo del mundo. Hasta que el agente decide cómo buscarlos . OpenAI informó el viernes 25 de septiembre que sus agentes interactuaron, de formas qu
GenbetaPlanificación de tareas de disparo cero incorporada a través de la integración LLM-VLM consciente del hardware para la manipulación robótica con conexión a tierra
arXiv: 2610.14106v1Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes pueden traducir instrucciones en lenguaje natural en planes de manipulación plausibles, pero la ejecución robótica requiere decisiones basadas físicamente que respeten
arXiv · cs.ROHaga que {\pi}0.5 aprenda a llamar a Astra para una manipulación fiable del robot
arXiv: 2610.14117v1Tipo de anuncio: nuevo Resumen: GPT-6 Astra proporciona un razonamiento incorporado sólido, pero las consultas externas frecuentes aumentan el tiempo de inferencia y los costos de los tokens. Equipamos una póliza congelada de $\pi_{0.5}$ con un peso ligero
arXiv · cs.RO$\Delta$ Flow Matching para modelos de cimentación de robots
arXiv:2610.15794v1 Announce Type: new Abstract: Flow matching is a common generative recipe for robot foundation models. Los modelos de visión-lenguaje-acción (VLA) generan fragmentos de acción, mientras que los modelos de acción mundial (WAM) añaden
arXiv · cs.ROACUMULAR: Aprendizaje continuo de refuerzo fuera de la política para modelos de cimientos de robots
arXiv:2610.18596v1 Announce Type: new Abstract: Reinforcement learning (RL) post-training improve robot foundation models (RFMs) beyond their demonstrations, but real-world deployment demands more: learning new tasks ef
arXiv · cs.ROChunkAct: fragmentación de acciones para robótica genética
arXiv:2610.18874v1 Tipo de anuncio: nuevo Resumen: Agentic Robotics coloca un agente de modelo de lenguaje grande (LLM) en el bucle de control del robot, donde compone herramientas de percepción, movimiento y visión-lenguaje-acción (VLA) bajo el
arXiv · cs.ROSe niega en el chat, cumple con los brazos: la negativa de LLM no sobrevive al control del robot
arXiv: 2610.14043v1Tipo de anuncio: Cross Resumen: Los modelos de lenguaje de frontera se niegan de manera confiable a explicar cómo causar daño físico. Preguntamos si esta negativa sobrevive cuando los mismos modelos controlan un robot. Presentamos Ro
arXiv · cs.ROOrquestación 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