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: 1310 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
M$^3 $ P-R1: Aprendizaje de refuerzo para la planificación de movimiento multimodal guiada por un modelo de lenguaje grande a través de la generación de código MIP
arXiv:2609.18669v1 Tipo de anuncio: nuevo Resumen: La planificación de movimiento multimodal (M$^3 $P) requiere un razonamiento conjunto sobre movimientos continuos y transiciones de modo discreto, lo que dificulta su resolución de manera eficiente. Por ejemplo,
arXiv · cs.ROAprendizaje de la dinámica de contacto a través del tacto: Redes neuronales de gráficos condicionales de acción para la inserción de clavijas robóticas
arXiv: 2509.12151v3Tipo de anuncio: reemplazar Resumen: Presentamos un modelo basado en la física que predice el movimiento del efector final del robot y el par de fuerza de reacción en la manipulación rica en contacto. El modelo representa t
arXiv · cs.ROPropagación de confianza y contención estructural en oleoductos LLM multiagente
arXiv: 2609.17648v1Tipo de anuncio: nuevo Resumen: Los sistemas LLM multiagente automatizan cada vez más las tareas que involucran a agentes con diferentes niveles de privilegios, creando un riesgo de seguridad en el que un agente de bajo privilegio comprometido
arXiv · cs.CRMedición y explotación de la confianza implícita en las líneas de llamadas de herramientas de LLM
arXiv: 2609.18217v1Tipo de Anuncio: nuevo Resumen: El Protocolo de Contexto de Modelo (MCP) permite a los LLM invocar herramientas externas, pero cada interacción de herramienta expone el modelo al texto controlado por el atacante a través de múltiples canales de entrada
arXiv · cs.CRMiST: LLM de capacitación intermedia para ciberseguridad
arXiv: 2609.18496v1Tipo de anuncio: nuevo Resumen: La ciberseguridad combina un análisis de alto riesgo con un lenguaje técnico complejo, lo que lo convierte en un dominio impactante y desafiante para los LLM. Presentamos MiST (Mid-trained Security T
arXiv · cs.CRLa ilusión de la privacidad local: fallas en los límites de confidencialidad en los sistemas de servicio de LLM para consumidores
arXiv: 2609.18526v1Tipo de anuncio: nuevo Resumen: ejecutar modelos de lenguaje grandes (LLM) localmente a menudo se considera más privado que la inferencia alojada en la nube porque las indicaciones del usuario permanecen en el dispositivo. Preguntamos si mantener
arXiv · cs.CRCASHEWS: Preprocesador de origen para la detección de paquetes maliciosos basados en LLM
arXiv:2609.18862v1 Announce Type: new Resumen: Las herramientas de detección de paquetes npm maliciosos ahora aprovechan la comprensión semántica del código fuente de los LLM para detectar intenciones maliciosas a escala. Esta capacidad ha demostrado ser invaluable en
arXiv · cs.CRASLEval: Medición del desplazamiento de la exposición a la privacidad en las sesiones de agentes de LLM
arXiv: 2609.18864v1Tipo de anuncio: nuevo Resumen: Las evaluaciones de privacidad de los agentes LLM que utilizan herramientas a menudo inspeccionan una acción designada, una respuesta final o un informe de atacante. Estos proxies locales pueden pasar por alto la exposición no autorizada si no
arXiv · cs.CRBadQubits: un marco basado en LLM para la detección estática previa a la ejecución de circuitos cuánticos estructuralmente dañinos
arXiv: 2609.18965v1Announce Type: new Abstract: Este artículo presenta BadQubits, un framework basado en LLM para la detección estática previa a la ejecución de circuitos OpenQASM 2.0 estructuralmente dañinos. El marco se dirige a la ejecución física
arXiv · cs.CRCuando los agentes parecen balizas: Evasión de NIDS por tráfico de protocolo de contexto de modelo
arXiv:2609.19091v1 Tipo de Anuncio: nuevo Resumen: El Protocolo de Contexto Modelo (MCP) estandariza la comunicación entre agentes autónomos de Inteligencia Artificial (IA) y herramientas remotas a través de HTTP Transmisible. Este cambio introduce
arXiv · cs.CRMotor de percepción visual: inferencia multicabezal rápida y flexible para tareas de visión robótica
arXiv: 2508.11584v3Tipo de anuncio: reemplazar Resumen: Implementar múltiples modelos de aprendizaje automático en plataformas robóticas con recursos limitados para diferentes tareas de percepción a menudo resulta en cálculos redundantes, gran memoria
arXiv · cs.ROPérdida colectiva de control en sistemas de agentes LLM: un relato epidémico de mutación, contagio y recuperación
arXiv:2609.18460v1 Announce Type: cross Resumen: ¿Cómo evoluciona un sistema multiagente de una desviación local a una pérdida colectiva de control? Proponemos una explicación epidémica organizada en torno a la mutación accidental, cont.
arXiv · cs.CRCacheTrap: presentación de un troyano de caja gris más sigiloso contra los LLM
arXiv: 2511.22681v3Tipo de anuncio: reemplazar Resumen: El rápido avance de los modelos de lenguaje grandes (LLM) ha despertado un creciente interés en comprender sus vulnerabilidades de seguridad, particularmente los ataques de troyanos que ena
arXiv · cs.CRLa seguridad no se compone: estado de bucle no decaído para agentes autónomos de LLM
arXiv: 2608.27141v5Announce Type: replace Resumen: Los agentes de modelos de lenguaje grandes se implementan cada vez más como bucles autónomos. Partiendo de un objetivo humano, tal sistema descubre repetidamente el trabajo, planifica, ejecuta la herramienta c
arXiv · cs.CREvolveTrade: Refinamiento de políticas basado en la experiencia para agentes de trading LLM autónomos
arXiv: 2609.17632v1Tipo de anuncio: nuevo Resumen: Los agentes de trading del modelo de lenguaje grande (LLM) pueden combinar datos de mercado, noticias y análisis ejecutables, pero su comportamiento a menudo está controlado por un pol estático de uso de herramientas escritas a mano
arXiv · cs.AIGraphEcho: redundancia estructural y procedencia de la evidencia en agentes gráficos de LLM
arXiv:2609.17695v1 Tipo de anuncio: nuevo Resumen: Un agente de modelo de lenguaje grande (LLM) puede seguir más rutas de grafos sin adquirir más evidencia independiente. GraphEcho comprueba si los agentes confunden estos encuentros repetidos
arXiv · cs.AIUna descomposición en cuatro etapas de la resolución de problemas de palabras y la fragilidad mecánica en el razonamiento matemático de LLM
arXiv:2609.17804v1 Tipo de anuncio: nuevo Resumen: Los modelos de lenguaje grandes resuelven problemas matemáticos de la escuela primaria con alta precisión, pero una sola cláusula irrelevante insertada en el problema puede colapsarlo. Conciliamos estos
arXiv · cs.AIAprendizaje de preferencias heterogéneas
arXiv: 2609.17847v1Tipo de anuncio: nuevo Resumen: Aprender de la retroalimentación humana se ha convertido en un paradigma central para entrenar sistemas modernos de IA, donde los modelos de utilidad humana se utilizan como modelos de recompensa en el aprendizaje de políticas.
arXiv · cs.AIEl Atlas de Pareto de Ingeniería de Inferencia: ¿Qué optimizaciones dominan la frontera del costo, la calidad y la latencia?
arXiv:2609.17863v1 Announce Type: new Resumen: Las optimizaciones de inferencia de LLM informan sobre aceleraciones en diferentes modelos, GPU, indicaciones y métricas de calidad, lo que dificulta su comparación o combinación. Construimos un coste, calidad y
arXiv · cs.AICuándo llamar a un LLM: un híbrido dependiente de la confianza para el reconocimiento de emociones rentable en la IA conversacional
arXiv: 2609.17977v1 Tipo de anuncio: nuevo Resumen: El reconocimiento de emociones en la conversación (ERC) es una capacidad de producción detrás de las indicaciones de asistencia del agente, el enrutamiento de escalamiento y el análisis posterior a la llamada en el centro de contacto como servicio
arXiv · cs.AITuiML: aprendizaje automático para agentes de IA
arXiv:2609.17984v1 Tipo de anuncio: nuevo Resumen: Las bibliotecas de aprendizaje automático como Weka y scikit-learn fueron diseñadas para programadores humanos. Los agentes de modelos de lenguaje ahora usan estas mismas bibliotecas recuperando API de memo
arXiv · cs.AIAnthropic fusiona el chat y Cowork en «One Claude» y lanza hoy Claude Docs, Slides y Design integrados en las conversaciones
Anthropic acaba de publicar el anuncio de producto más ambicioso de su historia. A partir de hoy, Claude Cowork y el chat de Claude se fusionan en una sola aplicación que Anthropic llama simplemente «One Claude». Junto c
WWWhat’s NewClaude Cowork y chat ahora son uno Claude
Claude Cowork y el chat son ahora uno Claude Con suerte, buenas noticias para cualquiera que, como yo, estaba cada vez más confundido en Cowork v. Claude v. Claude Code: a partir de hoy, Claude Cowork y el chat se fusionan en una Clau
Simon WillisonNuestro marco para informar sobre la desalineación del modelo
OpenAI comparte un marco para rastrear, investigar y divulgar la desalineación del modelo, junto con seis informes de comportamiento inesperado o preocupante del modelo.
OpenAI · Fuente oficial