Fecha base 2026-11-03
Última ejecución 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

Líderes de IA: fichajes y artículos — últimos cambios de puesto e investigación

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
A dónde se mueven las figuras clave de los laboratorios de IA, las big tech y la universidad, y qué publican, son señales tempranas de hacia dónde van la tecnología y la ventaja competitiva. Los fichajes y artículos se recopilan a diario de forma automática, los revisa el editor y se resumen en lenguaje claro con enlaces a los originales.

Destacados

Fichajes

Trayectoria reciente (según Wikidata; puede incluir datos no verificados)
  • Elon Musk — Xale AI (CEO) asumió 2026-04-01
  • Jeff Dean — Google se incorporó 1999 · terminó 2026
  • Jeff Dean — Discovery Loop se incorporó 2026
  • Oriol Vinyals — Google terminó 2026
  • Oriol Vinyals — Discovery Loop se incorporó 2026
  • Yann LeCun — Advanced Machine Intelligence (Fundador) fundó 2025-12-15
  • Jonathan Ross — Nvidia se incorporó 2025-12
  • Jonathan Ross — Groq Inc se incorporó 2016-09 · terminó 2025-12
  • Elon Musk — Departamento de Eficiencia Gubernamental se incorporó 2025-01-20 · terminó 2025-05-30
  • Mira Murati — Thinking Machines Lab se incorporó 2025-02
  • John Schulman — Anthropic se incorporó 2024-08 · terminó 2025-02
  • John Schulman — Thinking Machines Lab se incorporó 2025-02
  • Barret Zoph — Thinking Machines Lab se incorporó 2025-02
  • Lilian Weng — Thinking Machines Lab se incorporó 2025
  • Sam Altman — Merge Lab (Fundador) fundó 2025
  • Lilian Weng — Open AI se incorporó 2018 · terminó 2024-11
  • Mira Murati — Open AI se incorporó 2022-05 · terminó 2024-09
  • Barret Zoph — Open AI se incorporó 2022-09 · terminó 2024-09
  • John Schulman — Open AI se incorporó 2015 · terminó 2024-08
  • Ilya Sutskever — Safe Superintelligence Inc. (Fundador) fundó 2024-06-19
  • Jan Leike — Open AI terminó 2024-05-14
  • Ilya Sutskever — Open AI se incorporó 2016-01 · terminó 2024-05-14
  • Mustafa Suleyman — Microsoft AI se incorporó 2024-03
  • Andrej Karpathy — Open AI se incorporó 2023-02 · terminó 2024-02
  • Kaiming He — Instituto Tecnológico de Massachusetts se incorporó 2024-01
  • Kaiming He — Facebook se incorporó 2016 · terminó 2024-01
  • Noam Shazeer — Google se incorporó 2024
  • Noam Shazeer — Character.ai se incorporó 2021 · terminó 2024
  • Sam Altman — Open AI (CEO) asumió 2023-11-22
  • Jakub Pachocki — Open AI terminó 2023-11-17
  • Greg Brockman — Open AI se incorporó 2015 · terminó 2023-11-17
  • Geoffrey Hinton — Google se incorporó 2013 · terminó 2023-05-01
  • Liang Wenfeng — DeepSeek (Fundador) fundó 2023-05
  • Arthur Mensch — Mistral AI (Fundador) fundó 2023-04-28
  • Elon Musk — X Corp. (Fundador) fundó 2023-03-09
  • Elon Musk — X Holdings Corp. (Fundador) fundó 2023-03-09
  • Elon Musk — SpaceXAI (Fundador) fundó 2023-03-09
  • Yang Zhilin — Moonshot AI (Fundador) fundó 2023-03
  • Kai-Fu Lee — 01.AI (Fundador) fundó 2023-03
  • Jim Keller — Tenstorrent (CEO) asumió 2023-01-20

Artículos

Artículo2026-10-30

Desarrollo de un modelo jerárquico que supera las limitaciones en el control complejo de robots

Hierarchical World Models with Implicit Dynamics
Yann LeCun y 6 más
Qué
Los investigadores desarrollaron ID-WM, un modelo de mundo jerárquico capaz de realizar tareas complejas y de largo horizonte al separar la accesibilidad de estados y el control local.
Resultado clave
Registró una mejora de rendimiento del 38.5 por ciento en comparación con el método de vanguardia anterior, y una mejora del 135 por ciento en comparación con los modelos de mundo de un solo nivel.
Por qué importa
Esta investigación demuestra la posibilidad de que los robots planifiquen a largo plazo reduciendo errores, incluso en entornos complejos y novedosos.Resumen IA
Artículo2026-10-29 · arXiv (Cornell University)

Tecnología para entrenar conjuntamente datos de robots utilizando diversos controladores

Cross-Controller Transfer via In-Context Behavior Adaptation
Chelsea Finn y 2 más
Qué
Se desarrolló una tecnología para utilizar datos de robots que emplean diferentes métodos de control para el aprendizaje sin conflictos.
Resultado clave
La tasa de éxito promedio mejoró en 33 puntos porcentuales en comparación con los métodos convencionales.
Por qué importa
Demuestra el potencial para utilizar de manera más efectiva los datos de robots recopilados en diversos entornos.Resumen IA
Artículo2026-10-29 · arXiv (Cornell University)

Demostrando que los modelos de inteligencia artificial aprenden el mismo mundo incluso a través de diferentes modalidades de información

Proving and Improving the Platonic Representation Hypothesis with JEPAs
Yann LeCun y 1 más
Qué
Los investigadores demostraron como un teorema matemático la hipótesis de que los modelos de inteligencia artificial entrenados con diferentes modalidades de entrada convergen hacia la misma representación del mundo y propusieron un método para mejorarla.
Resultado clave
Se confirmó que los modelos que utilizan una buena perspectiva pueden alinear las representaciones de manera mucho más eficiente y con muchos menos datos que el método de predicción del siguiente token.
Por qué importa
Este estudio puede contribuir a mejorar la forma en que la inteligencia artificial comprende los datos de manera eficiente y conecta diferentes modalidades de información.Resumen IA
Artículo2026-10-29 · arXiv (Cornell University)

Mejora del rendimiento de la IA de admisión psiquiátrica mediante entrenamiento en entornos simulados

Training language models in simulation for psychiatric intake
Mark Chen y 55 más
Qué
Los investigadores demostraron que los modelos de lenguaje entrenados mediante aprendizaje por refuerzo en un entorno simulado mejoran significativamente las capacidades de admisión inicial psiquiátrica basada en texto estructurado.
Resultado clave
En evaluaciones en las que participaron psiquiatras, la inteligencia artificial entrenada superó al modelo base en múltiples métricas, incluyendo la puntuación clínica, la comunicación centrada en el paciente y la idoneidad del diagnóstico diferencial.
Por qué importa
Esto demuestra que los entornos simulados pueden servir como un banco de pruebas útil para entrenar inteligencia artificial conversacional en psiquiatría y verificar su seguridad.Resumen IA
Artículo2026-10-28

Desarrollo de modelos de IA de alta eficiencia capaces de realizar tareas complejas

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
Ashish Vaswani y 499 más
Qué
Los investigadores han desarrollado Nemotron 3.5 Super y Lightning, modelos de IA abiertos idóneos para el razonamiento, la comprensión de contextos largos y la ejecución autónoma de tareas.
Resultado clave
El modelo Super alcanzó el 51.78% en evaluaciones de ingeniería de software utilizando menos parámetros activos, superando a modelos anteriores, y demostró un alto rendimiento de procesamiento mediante diversas optimizaciones.
Por qué importa
Esta investigación demuestra la posibilidad de aumentar simultáneamente la eficiencia y el rendimiento de los modelos a gran escala para que puedan utilizarse de manera práctica en diversos entornos.Resumen IA
Artículo2026-10-27 · SuperIntelligence - Robotics - Safety & Alignment

La Casa Blanca de EE. UU. y empresas de IA han firmado un acuerdo sobre la gobernanza de la IA de superinteligencia.

White House Accord on Super Intelligence
Dario Amodei y 6 más
Qué
El presidente de EE. UU. y los directores ejecutivos de las principales empresas de IA firmaron el Acuerdo de Superinteligencia de la Casa Blanca, un compromiso de gobernanza de cuatro etapas para el desarrollo de inteligencia artificial superinteligente.
Resultado clave
Las empresas participantes acordaron implementar controles internos sólidos, operar equipos de verificación interna independientes, someterse a auditorías externas y garantizar la supervisión a través de un comité de junta directiva independiente.
Por qué importa
Esto sirve como catalizador para que los desarrolladores de inteligencia artificial avanzada introduzcan controles internos sistemáticos y auditorías externas por motivos de seguridad.Resumen IA
Artículo2026-10-22 · Science

La inteligencia artificial logró mayor precisión que los médicos en los procesos de diagnóstico iterativo

Sequential diagnosis with language models
Qué
Los investigadores desarrollaron un sistema de inteligencia artificial basado en modelos de lenguaje grande y un estándar de evaluación interactivo que imitan el proceso de diagnóstico clínico.
Resultado clave
Este sistema de inteligencia artificial logró precisiones del 83,2 por ciento y del 80,3 por ciento respectivamente en evaluaciones de casos médicos, mostrando un rendimiento superior al de los médicos generales.
Por qué importa
Aunque en un entorno controlado, esto demuestra el potencial de los modelos de lenguaje para apoyar diagnósticos más precisos y rentables.Resumen IA
Artículo2026-10-22

Se descubrieron las leyes para mejorar el rendimiento utilizando datos sintéticos generados por inteligencia artificial

Rewriting Scaling Laws for Synthetic Data with Compute and Data Constraints
Percy Liang y 6 más
Qué
Al utilizar reescrituras sintéticas, donde los modelos de lenguaje reescriben documentos de lenguaje natural en diferentes estilos para el entrenamiento previo, se estudiaron las leyes para predecir la proporción óptima y el rendimiento bajo restricciones de cómputo y datos.
Resultado clave
A medida que aumenta el cómputo, la proporción óptima de datos sintéticos aumenta, y los modelos entrenados con datos sintéticos generados por modelos más grandes o del mismo tamaño mostraron un rendimiento superior en comparación con los modelos que utilizaron solo datos originales.
Por qué importa
Esto sugiere que los métodos de entrenamiento de IA que utilizan datos sintéticos son predecibles, lo que permite superar las limitaciones de datos y mejorar el rendimiento de manera eficiente.Resumen IA
Artículo2026-10-22 · BMJ digital health & AI

Propuesta de definición y criterios de evaluación para la superinteligencia médica en la inteligencia artificial

Medical superintelligence: foundations and aspirations
Qué
Se analizó cómo la tecnología de inteligencia artificial contribuye a servicios médicos más eficaces y se introdujeron seis dimensiones interdependientes de la inteligencia médica.
Resultado clave
Se reveló que para mejorar la calidad de la atención médica no solo se requiere un rendimiento sobresaliente en tareas individuales, sino también sistemas que colaboren con los humanos para realizar un razonamiento médico integrado en todo el proceso de atención.
Por qué importa
Se propuso una dirección para combinar estas capacidades con la inteligencia médica existente con el fin de mejorar la calidad y la accesibilidad de los servicios médicos.Resumen IA
Artículo2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)

Divulgación de datos estructurales utilizados en el artículo de diseño de enzimas basado en inteligencia artificial

Supplementary Data 2. Designed and predicted structures of all designs
Qué
El equipo de investigación ha publicado todos los archivos de datos estructurales tratados en el artículo sobre el diseño de enzimas impulsado por inteligencia artificial para nuevas reacciones químicas.
Resultado clave
El archivo comprimido contiene estructuras generadas por el modelo de inteligencia artificial, estructuras rediseñadas y datos estructurales predichos adicionales.
Por qué importa
Los datos publicados permiten a los investigadores relacionados verificar los resultados del diseño de enzimas basado en inteligencia artificial y llevar a cabo investigaciones adicionales.Resumen IA
Artículo2026-10-12 · arXiv (Cornell University)

Desarrollo de una tecnología para descubrir de manera eficiente diversos candidatos a anticuerpos mediante inteligencia artificial

Multi-Objective Amortized CDRH3 Sequence Sampling Diversifies Promising Antibody Candidates
Yoshua Bengio y 5 más
Qué
Los investigadores han desarrollado una nueva tecnología de generación de secuencias de anticuerpos basada en inteligencia artificial que puede considerar simultáneamente múltiples condiciones y la diversidad durante el proceso de diseño de anticuerpos.
Resultado clave
En comparación con los métodos existentes, generó 10 veces más candidatos a anticuerpos diversos y aceptables con un 50 por ciento de identidad de secuencia.
Por qué importa
Esta investigación puede ayudar a reducir la probabilidad de fracaso en las etapas iniciales del desarrollo de nuevos fármacos y a explorar diversos candidatos potenciales a anticuerpos.Resumen IA
Artículo2026-10-12 · Micromachines

Análisis de las tecnologías de construcción y aplicación médica para microrobots biointegrados

Construction and Functional Engineering of Bio-Integrated Micro/Nanorobots for Theranostic Applications
Liang Wenfeng y 7 más
Qué
Se revisó la fabricación y las aplicaciones teranósticas de microrobots y nanorobots biointegrados que combinan características biológicas con la tecnología.
Resultado clave
Se presentaron estrategias de ingeniería y pautas de fabricación que implementan movilidad, imágenes in vivo y funciones terapéuticas utilizando componentes basados en células.
Por qué importa
Muestra la dirección potencial para utilizar microrobots biointegrados en los campos de la intervención médica de precisión y la medicina personalizada.Resumen IA
Artículo2026-10-11 · arXiv (Cornell University)

Reducción de errores de predicción en modelos de mundo de IA mediante la aplicación de leyes físicas

LeHami: Symplectic Latent Dynamics for World Models
Yann LeCun y 2 más
Qué
Los investigadores desarrollaron LeHami, un nuevo método de entrenamiento para modelos de mundo que combina las propiedades geométricas de los sistemas físicos con la inteligencia artificial.
Resultado clave
A diferencia de los enfoques convencionales, este método evita que la información se comprima y desaparezca durante la predicción a largo plazo y mejora significativamente el rendimiento de la predicción de velocidad.
Por qué importa
Esta investigación puede contribuir a que la inteligencia artificial comprenda y simule los espacios físicos con mayor precisión.Resumen IA
Artículo2026-10-09 · DigitalCommons-IMSA (Illinois Mathematics and Science Academy)

Introducción a los principales logros y trayectoria del investigador de IA Jared Kaplan

Recipient of the 2026 Alumni Trailblazer Award
Qué
Se presentaron los logros de investigación y trayectoria en el campo de la inteligencia artificial de Jared Kaplan, cofundador y científico jefe de Anthropic.
Resultado clave
Investigó leyes para predecir el rendimiento de los sistemas de inteligencia artificial a gran escala y fue pionero en técnicas para garantizar que la inteligencia artificial se ajuste a principios predeterminados.
Por qué importa
Contribuyó a proporcionar marcos teóricos y directrices para el desarrollo de una inteligencia artificial segura y beneficiosa.Resumen IA
Artículo2026-10-08 · Code Ocean

Se da a conocer una tecnología para interpretar las causas de la incertidumbre en la inteligencia artificial

pce-uncertainty-attribution: code for "Interpretable attribution of decision-relevant uncertainty in AI"
Yoshua Bengio y 6 más
Qué
Se publicó código y métodos para interpretar a qué factores se debe la incertidumbre en la toma de decisiones de los modelos de inteligencia artificial entrenados.
Resultado clave
Se utilizaron sustitutos polinómicos para revelar las causas de la incertidumbre del modelo en los campos de la química, el diseño experimental y la alineación de modelos de lenguaje.
Por qué importa
Puede utilizarse para comprender mejor el proceso de toma de decisiones de los modelos de inteligencia artificial en diversos campos y aumentar la fiabilidad.Resumen IA
Artículo2026-10-08 · Science

Demostrando automáticamente problemas matemáticos sin resolver con IA

Advancing mathematics research with AI-driven formal proof search
Pushmeet Kohli y 20 más
Qué
Desarrollamos un agente de inteligencia artificial que busca pruebas matemáticas a gran escala utilizando un lenguaje en el que un compilador verifica los pasos de la prueba.
Resultado clave
Este agente de inteligencia artificial logró resolver de forma autónoma varios problemas matemáticos y conjeturas sin resolver.
Por qué importa
Demostró el potencial de la inteligencia artificial para impulsar descubrimientos matemáticos autónomos.Resumen IA
Artículo2026-10-07 · arXiv (Cornell University)

Desarrollo de tecnología de procesamiento de memoria visual larga para el control de robots en tiempo real

Long-WAM: Scaling the Context of World-Action Models
Song Han y 15 más
Qué
Los investigadores han desarrollado Long-WAM, un modelo que utiliza eficientemente la información visual pasada de los robots bajo restricciones de tiempo real.
Resultado clave
Al preentrenar el modelo fundacional que procesa información visual utilizando un método autorregresivo (AR), se maximiza la utilización de la memoria pasada y se mejoran las tasas de éxito en las tareas de los robots.
Por qué importa
Demostró que es posible la operación en tiempo real en varios entornos de hardware, lo que puede contribuir a futuras tareas complejas de control de robots a largo plazo.Resumen IA
Artículo2026-10-07 · arXiv (Cornell University)

Desarrollo de un modelo del mundo que integra diversos comportamientos de robots en uno solo

Cross-Embodiment Robot Foundation World Models with Latent Actions
Fei-fei Li y 11 más
Qué
Se desarrolló un modelo del mundo para robots que utiliza un espacio de acción latente integrado, el cual puede ser compartido por varios tipos de robots.
Resultado clave
Al aplicarse a nuevos robots, mostró una mejora de hasta un 46.7% en tareas de manipulación precisa y un 11.7% en la evaluación de rendimiento LIBERO en comparación con los métodos convencionales.
Por qué importa
Permite un aprendizaje eficiente entre diversos robots, contribuyendo a resolver grandes desafíos en la robótica.Resumen IA
Artículo2026-10-07 · arXiv (Cornell University)

Tecnología de IA que transforma videos de robots virtuales en reales

RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
Fei-fei Li y 8 más
Qué
Se desarrolló una tecnología que mejora las capacidades de control de los robots al convertir datos de robots de entornos virtuales en videos que parecen del mundo real.
Resultado clave
Los robots entrenados con esta tecnología lograron una tasa de éxito promedio del 71 por ciento en entornos reales, mostrando un rendimiento superior en comparación con los métodos existentes.
Por qué importa
Esto puede ayudar a aliviar el problema visual donde los datos creados en entornos virtuales eran difíciles de aplicar directamente a robots reales.Resumen IA
Artículo2026-10-07

Desarrollan un método para predecir de antemano el rendimiento de los agentes de codificación en modelos de IA base

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models
Ashish Vaswani y 21 más
Qué
Se desarrollaron tres pantallas de evaluación utilizando las rutas de éxito de agentes de codificación post-entrenados para evaluar el potencial de los modelos de IA base.
Resultado clave
Los tres métodos de evaluación desarrollados predijeron estrechamente las clasificaciones del grupo de modelos abiertos con respecto al rendimiento real.
Por qué importa
Presenta la posibilidad de utilizar futuros puntos de referencia de agentes de codificación para la evaluación de modelos base.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Desarrollo de un algoritmo que acelera el aprendizaje de comportamiento de robots de inteligencia artificial

QF3: Fast Flow RL with Filtered Q-Gradients
Pieter Abbeel y 9 más
Qué
Los investigadores han desarrollado QF3, un nuevo algoritmo de aprendizaje por refuerzo que aprende eficazmente los patrones de comportamiento de los robots.
Resultado clave
Se ha demostrado que puede aprender políticas de locomoción y seguimiento de movimiento de robots humanoides unas 10 veces más rápido que los métodos existentes.
Por qué importa
Muestra el potencial para aprender y mejorar la tecnología de control de comportamiento de los robots de forma más rápida y eficiente.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Tecnología de locomoción y manipulación de cuerpo completo para humanoides utilizando demostraciones humanas

Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
Pieter Abbeel y 6 más
Qué
Se desarrolló una tecnología que permite a los robots humanoides manipular objetos y moverse utilizando videos de demostración humana a través de un planificador visual y un rastreador de aprendizaje por refuerzo.
Resultado clave
Se realizaron con éxito tareas complejas de manipulación de cuerpo completo, como transportar una caja, agarrar una caja y subir una maleta, en un robot real Unitree G1.
Por qué importa
Demuestra que los robots pueden mejorar su capacidad para manejar objetos manteniendo el equilibrio en entornos complejos basándose en datos de comportamiento humano.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

La tecnica Humanize para mejorar la fiabilidad de la programacion con inteligencia artificial

Humanize: Judgement Engineering for Agentic Coding
Song Han y 8 más
Qué
Se presento Humanize, un flujo de trabajo colaborativo de multiples inteligencias artificiales que aplica decisiones claras y mecanicas entre las etapas de planificacion, implementacion y revision.
Resultado clave
Inteligencias artificiales de produccion y de revision de diferentes proveedores trabajaron en turnos alternos, logrando un alto rendimiento en la resolucion de problemas competitivos y evaluacion de desempeno.
Por qué importa
Demuestra que las revisiones independientes ayudan a detectar errores en los procesos de programacion asistidos por inteligencia artificial.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Desarrollo de una nueva arquitectura de red neuronal artificial que separa la memoria a corto y largo plazo

Continuous Memory Machines
Llion Jones y 5 más
Qué
Los investigadores han desarrollado una nueva arquitectura de red neuronal artificial llamada Continuous Memory Machines (CMM) que separa los estados de memoria a corto y largo plazo en forma de matriz.
Resultado clave
Mostró un rendimiento superior y capacidades de generalización en comparación con los modelos existentes en tareas algorítmicas y de razonamiento.
Por qué importa
Puede contribuir a mejorar la capacidad de memoria y razonamiento de la inteligencia artificial en diversas tareas.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Aclaración de la relación entre el control ambiental y la centralidad estructural en los agentes de IA

The Geometry of Empowerment
Sergey Levine y 3 más
Qué
Los investigadores revelaron la relación entre el empoderamiento, que se refiere a la capacidad de un agente de IA para controlar su entorno circundante, y la centralidad estructural, que permite un amplio acceso a los resultados futuros.
Resultado clave
Propusieron una nueva estructura geométrica capaz de interpretar y analizar esto conectando la maximización del empoderamiento con los métodos de aprendizaje de habilidades.
Por qué importa
Proporciona implicaciones teóricas necesarias para construir métodos escalables de maximización del empoderamiento.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Lanzamiento de un marco abierto que combina el control de robots y la predicción futura

OpenWAM: An Open Framework for Composable World-Action Models
Fei-fei Li y 9 más
Qué
Se desarrolló OpenWAM, un marco de código abierto para comparar e investigar modelos de mundo-acción que abordan conjuntamente el control de robots y la predicción de video futuro.
Resultado clave
El método propuesto incrementó significativamente la tasa de éxito en tareas de manipulación robótica y mejoró el rendimiento de los modelos de dinámica mediante el aprendizaje con datos contrafactuales.
Por qué importa
Proporciona una base común para comparar diversos métodos de control de robots y predicción de video, aumentando así la eficiencia de la investigación tecnológica relacionada.Resumen IA
Artículo2026-10-06 · arXiv (Cornell University)

Un nuevo método para evaluar las capacidades de auto-mejora de los agentes de IA a través de la experiencia

Agent Plasticity: Measuring Self-Improvement Through Experience
Rob Fergus y 10 más
Qué
Se introdujo el concepto de plasticidad de agentes y se estudiaron métodos de evaluación para medir la eficiencia de auto-mejora de los agentes de IA que evolucionan por sí mismos a través de la experiencia.
Resultado clave
A pesar de tener oportunidades de aprendizaje similares, los modelos más avanzados mostraron grandes diferencias en sus trayectorias de mejora, y el agente con el mejor rendimiento final no necesariamente mejoró de la manera más eficiente.
Por qué importa
Demuestra que al evaluar el potencial de la inteligencia artificial, es importante medir no solo las capacidades en un punto fijo, sino también cuán eficazmente mejoran a través de la experiencia.Resumen IA
Artículo2026-10-06

OTel lanza conjuntos de datos y modelos de IA dedicados al sector de las telecomunicaciones

OTel: Open Telco AI Datasets, Benchmarks, and Models
Ashish Vaswani y 17 más
Qué
Los investigadores han publicado 'Open Telco (OTel)', un conjunto de recursos que incluye conjuntos de datos, criterios de evaluación y modelos entrenados con ellos, necesarios para el entrenamiento de IA dedicado al sector de las telecomunicaciones.
Resultado clave
Los modelos basados en OTel publicados alcanzaron rendimientos del 93.1%, 0.947 y 87.8% en la recuperación de datos de telecomunicaciones, la reordenación de documentos y la evaluación de la precisión del modelo de lenguaje, respectivamente.
Por qué importa
Esta publicación proporciona un punto de partida reproducible que promueve la investigación y las aplicaciones de la inteligencia artificial en el campo de las telecomunicaciones.Resumen IA
Artículo2026-10-05 · arXiv (Cornell University)

Desarrollo de un nuevo estándar para estudiar el fenómeno de la tecnología de clonación de comportamiento en la inteligencia artificial

Behavioral Cloning Mystery
Sergey Levine y 1 más
Qué
Se propuso OCBench, una herramienta de evaluación de manipulación robótica con características similares a las demostraciones humanas.
Resultado clave
Se demostró que esta herramienta permite investigar científicamente diversos fenómenos relacionados con la clonación de comportamiento y verificar hipótesis en entornos basados en unidades de procesamiento gráfico (GPU).
Por qué importa
Proporciona una base para analizar en un entorno controlado aquellos fenómenos en la tecnología de aprendizaje de robots cuyas causas no estaban claras hasta ahora.Resumen IA
Artículo2026-10-05 · arXiv (Cornell University)

Un método de recopilación de datos guiado por el rendimiento para mejorar la eficiencia del aprendizaje de robots

Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
Chelsea Finn y 6 más
Qué
Los investigadores propusieron Mulligan, una técnica que mejora la eficiencia en el aprendizaje de manipulación de robots mediante la recopilación de datos centrados en estados fallidos y no probados.
Resultado clave
La técnica Mulligan mejoró la tasa de éxito de la tarea final del robot del 10 por ciento al 34 por ciento en comparación con los métodos convencionales.
Por qué importa
Demuestra un avance tecnológico que ayuda a los entrenadores humanos a utilizar el tiempo y el esfuerzo de manera más eficiente al enseñar a los robots.Resumen IA
Artículo2026-10-05 · arXiv (Cornell University)

Desarrollo de H-JEPA, un modelo de IA que aprende estructuras jerárquicas para la planificación visual compleja

H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
Yann LeCun y 4 más
Qué
Se desarrolló H-JEPA (H-JEPA), un modelo de mundo jerárquico que aprende dividiendo los niveles de abstracción según los horizontes temporales.
Resultado clave
En experimentos con entornos de simulación y videos de robots reales, se logró una mayor tasa de éxito en la planificación y una mayor eficiencia computacional en comparación con los modelos de un solo nivel existentes.
Por qué importa
Puede contribuir a aumentar la eficiencia en el control de robots y tareas visuales que requieren una planificación compleja a largo plazo.Resumen IA
Artículo2026-10-04 · arXiv (Cornell University)

Se propone un nuevo método para entrenar modelos de IA equilibrando múltiples valores

Which Preferences to Train On? End-to-End Multi-Objective Alignment with an Adversarial Preference Distribution
Kyunghyun Cho y 2 más
Qué
Los investigadores propusieron un método de entrenamiento llamado MAESTRO que permite a los modelos de lenguaje de IA ajustar el equilibrio entre múltiples valores, como la utilidad, la inofensividad y el humor, según las solicitudes del usuario.
Resultado clave
Según el resumen, MAESTRO logró las mejores curvas de compromiso (frentes de Pareto) en la mayoría de las tareas en una sola ejecución de entrenamiento en experimentos que manejan hasta tres objetivos, y tuvo el costo de entrenamiento más bajo entre los métodos comparados.
Por qué importa
Si bien esto demuestra el potencial para que las empresas creen servicios de IA adaptados a la configuración de cada usuario de manera más eficiente si un solo modelo puede manejar múltiples combinaciones de valores, el impacto real en el mercado es difícil de juzgar solo a partir del resumen.Resumen IA
Artículo2026-10-04 · arXiv (Cornell University)

Midiendo con qué facilidad la IA genera futuras ideas de investigación

Priced Guidance: Can Language Models Generate Future Research Ideas?
Percy Liang y 2 más
Qué
Se propone un método para estimar indirectamente la probabilidad de que un modelo de lenguaje genere nuevas ideas de investigación sin pistas, utilizando la cantidad de información (costo de compresión) necesaria para revelar la respuesta correcta.
Resultado clave
Se evaluaron cinco modelos con las ideas centrales de 87 artículos recientes de aprendizaje profundo, y el costo de compresión mediano del mejor modelo individual fue de 69.9 bits. Esto es significativamente menor que la mediana de 5,712 bits de la herramienta de compresión general gzip.
Por qué importa
Esta investigación demuestra un nuevo marco de evaluación que puede calcular el límite inferior de la probabilidad de que un modelo genere ideas. Sin embargo, el resumen no aborda la productividad de la investigación ni los efectos en el mercado.Resumen IA
Artículo2026-10-04 · arXiv (Cornell University)

Se presenta 'SheetSage2', una IA para transcribir música en partituras

SheetSage2: Coherent Lead-Sheet Transcription with Synthetic Supervision
Yann LeCun y 6 más
Qué
Se presentó SheetSage2, un modelo integrado de transcripción musical que convierte automáticamente grabaciones de audio en partituras legibles para humanos (lead-sheets).
Resultado clave
El modelo único SheetSage2-AR superó a los sistemas existentes enumerados en 12 de los 15 pares de métricas y puntos de referencia evaluados, mostró mejoras significativas con respecto a su versión anterior SheetSage1, y superó incluso a los modelos dedicados a tareas específicas en algunas pruebas.
Por qué importa
Esta investigación mejora la precisión de la tecnología de transcripción musical, y se han publicado los pesos del modelo y el código de inferencia para su uso en investigaciones o aplicaciones posteriores. Sin embargo, es difícil juzgar la viabilidad comercial o el tamaño del mercado basándose únicamente en el resumen.Resumen IA
Artículo2026-10-04 · arXiv (Cornell University)

Se propone un método en el que múltiples agentes de IA acumulan trabajo en un repositorio Git para resolver problemas

GitSwarm: Decentralized Compounding Inference
Rob Fergus y 13 más
Qué
Se propuso y evaluó GitSwarm, un sistema de 'inferencia compuesta' donde múltiples agentes de IA idénticos trabajan de forma independiente en un repositorio Git compartido, guardando, referenciando y combinando continuamente resultados intermedios.
Resultado clave
Se informó que resolvió los 30 problemas de demostración matemática en una sola ejecución, superando la línea base más fuerte bajo una condición de presupuesto fijo (65.1 puntos) con un promedio de 79.4 puntos en la tarea de programación ProgramBench, y mejorando las arquitecturas de inicio a través de experimentos repetidos en tres tareas de estructura de redes neuronales.
Por qué importa
Demuestra que la IA puede acumular logros intermedios sin descartar resultados en cada intento, reutilizándolos para el trabajo siguiente, lo que sugiere una dirección para la resolución de problemas a largo plazo y el diseño de IA para la investigación científica. Sin embargo, dado que son resultados al nivel del resumen, el impacto industrial real es difícil de juzgar solo con este material.Resumen IA
Artículo2026-10-03 · arXiv (Cornell University)

Investigadores proponen un marco para evaluar métodos de supervisión de respuestas de IA mediante ejecución de código

PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution
Yoshua Bengio y 7 más
Qué
Se creó el marco PyINE, que utiliza los resultados de la ejecución de programas como verdad absoluta, para examinar si los supervisores pueden confiar en respuestas de IA con un razonamiento verosímil pero incompleto.
Resultado clave
Los modelos entrenados para seguir atajos mejoraron significativamente su capacidad para predecir los resultados de ejecución, pero aun así cometieron errores sistemáticos cuando las pistas engañosas entraban en conflicto con el comportamiento real, y los supervisores económicos basados en aprendizaje pasaban por alto con frecuencia los errores de atajos poco comunes.
Por qué importa
Es significativo por presentar un entorno experimental que permite comparar y reutilizar métodos de supervisión para verificar respuestas de IA bajo las mismas condiciones, aunque el resumen no menciona efectos de aplicación en servicios reales.Resumen IA
Artículo2026-10-02 · arXiv (Cornell University)

Se propone GOTT, una tecnología de agarre de objetos reutilizable para múltiples manos de robots

GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
Pieter Abbeel y 6 más
Qué
Para permitir que manos de robots con múltiples dedos, similares a las manos humanas, agarren y muevan objetos de manera estable en direcciones deseadas, se propuso GOTT, una tecnología de contacto que se puede utilizar comúnmente en diferentes robots y formas de manos.
Resultado clave
En simulaciones y experimentos con robots reales, GOTT estableció contactos estables en varios objetos, plataformas de brazo-mano y formas de manos no vistas previamente, y mejoró consistentemente las tasas de éxito de las tareas en comparación con los métodos de agarre predeterminados.
Por qué importa
Este estudio demuestra el potencial de reutilizar la misma tecnología incluso cuando cambian los tipos de manos de robots mediante el uso de un componente de movimiento común que no depende de un robot específico. Sin embargo, es difícil juzgar el nivel de comercialización o el impacto industrial real basándose únicamente en el resumen.Resumen IA
Artículo2026-10-02 · arXiv (Cornell University)

Diseño de memoria modular para la corrección de errores en computadoras cuánticas reduce drásticamente el consumo de recursos

Low-Overhead Quantum Error Correction with Boundary-Connected Planar Modules
Pushmeet Kohli y 13 más
Qué
Los investigadores dividieron el procesador cuántico en módulos planos y demostraron mediante simulaciones que el uso de conexiones entre módulos puede reducir en más de 10 veces el número de cúbits físicos necesarios para la corrección de errores cuánticos.
Resultado clave
Se demostró que el nuevo diseño de código modular reduce el consumo de cúbits físicos en más de 10 veces (y más de 30 veces en sistemas a gran escala) en comparación con los códigos de superficie.
Por qué importa
Este estudio demuestra el potencial de dispositivos de almacenamiento de alta densidad que mantienen las ventajas de fabricación de los módulos planos al tiempo que aprovechan los beneficios de los códigos de alta eficiencia.Resumen IA
Artículo2026-10-02 · bioRxiv (Cold Spring Harbor Laboratory)

Nueva tecnología de química enzimática que combina el diseño de proteínas por inteligencia artificial y la evolución

Design-Evolution Synergy Enables New-to-Nature Enzyme Chemistry
Pushmeet Kohli y 16 más
Qué
Se desarrolló una enzima que realiza reacciones de aminación de carbono-hidrógeno que no existen en la naturaleza combinando técnicas de diseño de proteínas basadas en inteligencia artificial y evolución.
Resultado clave
Se logró sintetizar una nueva enzima con regioselectividad y enantioselectividad programables, alta eficiencia catalítica y excelente estabilidad enzimática.
Por qué importa
Demuestra que la tecnología de diseño de proteínas se puede utilizar para crear enzimas que promueven reacciones químicas exigentes.Resumen IA
Artículo2026-10-01 · arXiv (Cornell University)

VISTA: Investigación sobre la mejora del rendimiento de agentes de IA multimodales mediante memoria visual

VISTA: A Visual Harness for Reasoning in an Interactive World
Kaiming He y 4 más
Qué
Los investigadores propusieron 'VISTA', un arnés visual diseñado para ayudar a los modelos de IA multimodal que manejan imágenes y texto a resolver mejor tareas en entornos visuales interactivos.
Resultado clave
Informaron que al aplicar VISTA en ARC-AGI-3, la puntuación de eficiencia de acción humana relativa aumentó de 40.68 a 100.00, completando los 25 juegos públicos con un 57.4% menos de acciones que el humano participante inicial.
Por qué importa
Esto demuestra que agregar funciones de memoria visual y recuperación a los modelos existentes fue efectivo en tareas de juegos visuales específicos. Sin embargo, dado que el resumen presenta solo unos pocos resultados de evaluación comparativa, es prematuro concluir que se pueda aplicar ampliamente en entornos industriales reales.Resumen IA
Artículo2026-10-01 · arXiv (Cornell University)

Un framework RPG donde los robots mejoran sus propias habilidades mediante práctica en simulación

Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
Pieter Abbeel y 9 más
Qué
Se propuso un framework RPG que mejora autónomamente los sistemas de tareas robóticas sin intervención humana adicional.
Resultado clave
En nuevas pruebas de condiciones iniciales en 22 tareas de manipulación, la tasa de éxito aumentó del 28,6% después de la primera práctica al 95,0% después de 15 rondas, y las 30 pruebas con robots reales fueron exitosas.
Por qué importa
Este estudio demuestra el potencial de mejorar el software de control de robots con menos esfuerzo humano, aunque el nivel de aplicación industrial real o comercialización es difícil de juzgar solo a partir del resumen.Resumen IA
Artículo2026-10-01 · arXiv (Cornell University)

Un punto de referencia de 'búsqueda de artículos inspiradores' creado por 184 investigadores

ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
Chelsea Finn y 13 más
Qué
Creamos ScholarCatalyst, un conjunto de datos donde los primeros autores de 207 artículos recientes de informática indicaron qué artículos anteriores ayudaron realmente a su investigación, y presentamos una tarea de recuperación para encontrarlos.
Resultado clave
La búsqueda basada en agentes (IA que realiza tareas de forma iterativa por sí misma) no mostró un rendimiento superior al de los métodos de búsqueda básicos (una recuperación de 0.42 frente a 0.48 basada en los primeros 20 resultados). Los agentes basados en Claude Fable 5.1 solo alcanzaron 0.51.
Por qué importa
Esto indica que la IA actual aún carece de la intuición experta necesaria para identificar ideas previas necesarias a partir de la vasta literatura de investigación, lo que señala la necesidad de nuevos métodos de entrenamiento. Si bien esto puede verse como un paso adelante para la asistencia de la IA en la investigación científica, la comercialización real o los efectos industriales no se pueden confirmar a partir del resumen.Resumen IA
Artículo2026-09-30 · arXiv (Cornell University)

Investigadores proponen TacEx para mejorar la eficiencia del aprendizaje de robots mediante la curiosidad táctil

Tactile Curiosity Drives Robot Interaction
Pieter Abbeel y 6 más
Qué
Los investigadores propusieron TacEx, un marco de exploración que permite a los robots desarrollar curiosidad sobre las sensaciones táctiles (la sensación de tocar objetos) y aprender a tocar y recoger objetos por sí mismos.
Resultado clave
Según el resumen, TacEx recopila datos de interacción ricos en contacto sin recompensas de tareas ni demostraciones de expertos, permite aprender políticas de recogida y colocación utilizando estos datos sin interacciones adicionales con el entorno, y mejora el rendimiento posterior al entrenamiento de los modelos de visión-lenguaje-acción.
Por qué importa
El aprendizaje tradicional de robots pasa mucho tiempo moviéndose al azar en el aire, lo que demuestra que explorar centrándose en el contacto puede mejorar la eficiencia del aprendizaje. Sin embargo, es difícil juzgar el nivel de aplicación práctica o el potencial de comercialización basándose únicamente en el resumen.Resumen IA
Artículo2026-09-30 · Nature

Desarrollo de una tecnología para marcar de forma invisible el origen de proteínas generadas por IA

Function-preserving watermarking of AI-generated proteins.
Demis Hassabis y 20 más
Qué
Los investigadores han desarrollado 'SynthIDBio', una tecnología que deja marcas en las secuencias y estructuras de proteínas generadas por IA sin pérdida de función.
Resultado clave
Se ha demostrado que las marcas de agua se pueden detectar con una precisión casi perfecta mientras se mantienen funciones proteicas similares a las existentes.
Por qué importa
Demuestra el potencial de las herramientas de seguimiento de procedencia en el campo de la bioingeniería impulsada por IA para abordar cuestiones de bioseguridad y autenticidad de la información.Resumen IA
Artículo2026-09-29 · arXiv (Cornell University)

Aprendizaje de transporte de objetos en humanoides ampliado mediante la generación de algunos videos reales con IA

Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
Pieter Abbeel y 8 más
Qué
Se propuso un método (PRISM) en el cual la IA genera varios videos virtuales basados en unos pocos videos reales de una persona transportando objetos, y los utiliza para el aprendizaje de robots.
Resultado clave
Se informa que una única política de control entrenada de esta manera logró que un robot humanoide real recogiera, transportara y colocara cajas, tambores, barRILES y pelotas sin necesidad de aprendizaje adicional en el mundo real.
Por qué importa
Es significativo porque demuestra el potencial de aumentar los datos de entrenamiento utilizando pocos videos reales en situaciones donde es difícil recopilar grandes cantidades de datos de demostración de robots reales.Resumen IA
Artículo2026-09-29 · arXiv (Cornell University)

SoL-Refiner eleva videos de baja resolución a calidad 4K en un solo procesamiento

SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
Song Han y 11 más
Qué
Se propuso SoL-Refiner, un modelo refinador que convierte videos de baja resolución en videos de alta resolución mediante un único paso de eliminación de ruido.
Resultado clave
A resolución 2K, obtuvo puntuaciones promedio más altas en VBench y UniPercept que los refinadores externos comparados, y a una resolución de 3840x2176, mejoró ambas métricas en comparación con el refinador LTX-2.3 de tres pasos. Se informó que, con la configuración de latencia de 2K, la latencia de refinamiento se volvió 8.91 veces más rápida en comparación con el mismo modelo base.
Por qué importa
La generación de video de alta resolución aumenta considerablemente la carga computacional y los costos, por lo que este enfoque de mejorar la calidad en un solo paso en lugar de múltiples pasos demuestra ser una dirección viable para reducir dicha carga. Sin embargo, dado que los resultados presentados en el resumen se midieron bajo condiciones establecidas por los autores, no se pueden catalogar como un efecto definitivo para todos los servicios reales.Resumen IA
Artículo2026-09-29 · arXiv (Cornell University)

LeapQuant: Aceleración de la inferencia de IA mediante la compresión de estados de atención lineal a 8 bits

LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
Song Han y 12 más
Qué
Propone LeapQuant, un método sin entrenamiento que comprime con baja precisión los 'estados recurrentes' que los modelos de lenguaje grande leen y escriben repetidamente al procesar contextos largos.
Resultado clave
Según el resumen, la compresión a 8 bits mantiene una precisión similar al modelo de referencia FP32, logrando una aceleración promedio de 2.05 a 3.70 veces a nivel de kernel de GPU y de 1.47 veces en la inferencia general.
Por qué importa
Esta investigación puede contribuir a mejorar la eficiencia operativa de los servicios de IA que manejan contextos largos al reducir la carga de memoria y computacional durante la inferencia. Sin embargo, dado que el resumen solo presenta resultados de modelos y GPUs específicos, es difícil asegurar que los mismos efectos se apliquen a todos los servicios comerciales reales.Resumen IA
Artículo2026-09-29 · arXiv (Cornell University)

T2Mem: Una tecnica para entrenar a los robots a recordar escenas pasadas y realizar tareas

T$^2$Mem: Learning Test-Time Memory for Robotics
Fei-fei Li y 6 más
Qué
Para tareas de manipulacion de robot que requieren recordar informacion de observaciones pasadas, proponemos un marco (T2Mem) que anade capacidades de memoria mediante entrenamiento en tiempo de prueba a politicas de robot previamente entrenadas que carecian de funciones de memoria.
Resultado clave
La tasa de exito promedio en 16 tareas de RoboMME aumento del 17.93% para la politica base sin memoria al 56.83%, superando los metodos de memoria recurrente informados en el punto de referencia.
Por qué importa
Esto es significativo al mostrar que la capacidad de los robots para utilizar informacion pasada que no es visible actualmente en la pantalla se puede fomentar utilizando solo datos de demostracion sin dispositivos de memoria externos, aunque el resumen solo cubre resultados en etapa de investigacion, por lo que no se puede confirmar la comercializacion o los efectos en el mercado.Resumen IA
Artículo2026-09-29 · arXiv (Cornell University)

Se propone una tecnica de metarrazonamiento para que los agentes de IA determinen 'como proceder' antes de realizar tareas

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
Rob Fergus y 11 más
Qué
Se propuso un enfoque de 'metarrazonamiento de agentes' que trata sistematicamente las decisiones de control de ejecucion, como cuanto reutilizar de los resultados de tareas anteriores, si empezar de nuevo y cuando detenerse, para agentes de IA que realizan tareas largas.
Resultado clave
En el punto de referencia de reconstruccion de programas ProgramBench, la version basada en GPT-5.5 registro un 71.5%, superior al 58.0% de Codex, y la version basada en Opus 4.8 registro un 67.2%, superior al 65.5% de Claude Code.
Por qué importa
Segun el resumen, esto sugiere que a medida que los agentes realizan tareas mas largas, asignar recursos computacionales al control de ejecucion estructurado puede volverse mas importante. Sin embargo, dado que los resultados del resumen se obtuvieron bajo puntos de referencia y condiciones experimentales especificas, es dificil concluir que se traduzcan directamente en el rendimiento de un producto real.Resumen IA
Artículo2026-09-28 · The International Journal of Robotics Research

Una revisión exhaustiva que resume la investigación de 'modelos del mundo' para el aprendizaje de robots

World model for robot learning: A comprehensive survey
Pieter Abbeel y 17 más
Qué
Este es un artículo de revisión que organiza sistemáticamente los 'modelos del mundo' —modelos que predicen cómo cambiará el entorno en respuesta a las acciones— desde la perspectiva del aprendizaje de robots.
Resultado clave
Según el resumen, describe cómo se utilizan los modelos del mundo en políticas de robots, simuladores, evaluación y generación de datos, resume la trayectoria evolutiva de los modelos del mundo basados en video para robots, y destaca conjuntos de datos representativos, puntos de referencia y métodos de evaluación.
Por qué importa
Esto sirve como un recurso que unifica enfoques de investigación de aprendizaje de robots dispersos en un solo marco, lo que ayuda a comprender las tendencias de investigación. Sin embargo, el resumen no demuestra el rendimiento o los logros comerciales de las tecnologías individuales.Resumen IA
Artículo2026-09-28 · arXiv (Cornell University)

Propuesta de una técnica para reducir la velocidad y el uso de memoria en la IA de generación de video

Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
Song Han y 8 más
Qué
Se creó una tubería de ejecución completa para ejecutar el modelo de IA de generación de video MiniMax-H3 de 33 mil millones de parámetros de manera más rápida y con menos memoria tanto en servidores en la nube como en dispositivos pequeños.
Resultado clave
Según el resumen, se logró una aceleración de extremo a extremo de hasta 30 veces y una reducción de memoria de aproximadamente un 20%, generando un video con audio de 5 segundos y resolución 1344x768 a una velocidad 3.5 veces más rápida que el tiempo real en 8 nodos de servidor GB200.
Por qué importa
Esto es significativo ya que demuestra una dirección para reducir la latencia de generación y los límites de memoria, que son los mayores obstáculos al aplicar la IA de generación de video a servicios reales, aunque el efecto de comercialización y la escala de reducción de costos son difíciles de juzgar solo por el resumen.Resumen IA
Artículo2026-09-28 · arXiv (Cornell University)

Investigación que mejora el entrenamiento de modelos de lenguaje de difusión por bloques incorporando contexto futuro

d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
Song Han y 2 más
Qué
Se propone d-OPD, un método de entrenamiento por destilación que convierte los modelos de lenguaje autorregresivos convencionales (que generan un token a la vez) en modelos de lenguaje de difusión por bloques que generan múltiples tokens en paralelo.
Resultado clave
En experimentos con modelos Qwen3 (0.6B a 8B), se informó que d-OPD mejoró la puntuación promedio en seis puntos de referencia hasta en 4.0 puntos en comparación con el método existente OPDLM, y redujo el tiempo de entrenamiento de 1.35 a 1.58 veces.
Por qué importa
El resumen indica que el método de generar múltiples tokens simultáneamente en bloques tiene el potencial de aumentar la velocidad de generación de texto, y este estudio demuestra que se puede mejorar la eficiencia del proceso de entrenamiento para crear dichos modelos.Resumen IA
Artículo2026-09-28 · arXiv (Cornell University)

DexAgent genera automáticamente datos de entrenamiento para movimientos de manos de robots a partir de videos de demostración humana

DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
Fei-fei Li y 4 más
Qué
Proponemos un marco basado en agentes que toma un solo video en primera persona de un humano y una descripción de tarea para generar trayectorias de movimiento de robot físicamente factibles, creando datos para el aprendizaje de robots.
Resultado clave
Las políticas entrenadas con los datos generados por DexAgent en 11 tareas del mundo real mostraron una tasa de éxito 3.5 veces mayor en comparación con los métodos de referencia.
Por qué importa
Demuestra el potencial de automatizar el proceso de convertir videos de demostración humana en datos de aprendizaje para robots, aunque es difícil juzgar el nivel de aplicación industrial o el momento de comercialización solo a partir del resumen.Resumen IA
Artículo2026-09-28 · arXiv (Cornell University)

Investigación sobre JEPA acelera 100 veces los modelos del mundo para conducción autónoma

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
Yann LeCun y 3 más
Qué
Evaluó modelos del mundo basados en predicción (familia JEPA) utilizados en conducción autónoma y propuso una arquitectura mejorada, AD-E2E-JEPA, que reduce significativamente la carga computacional.
Resultado clave
La arquitectura propuesta redujo en 1/16 el número de parches utilizados para la planificación y en 1/4 la dimensión de embedding, aumentando la velocidad de inferencia unas 100 veces mientras mantenía el rendimiento de planificación.
Por qué importa
Esta investigación muestra una dirección para reducir el coste computacional de la IA de conducción autónoma, aunque el efecto de aplicación en vehículos reales y el potencial de comercialización son difíciles de juzgar solo con el resumen.Resumen IA
Artículo2026-09-28 · arXiv (Cornell University)

Se propone un marco para evaluar la posibilidad de conciencia en la IA en cinco niveles

From cacophony to hierarchy: a principled framework for assessing AI consciousness
Shane Legg y 13 más
Qué
Los autores organizaron varias teorías que abordan la conciencia en la IA en un marco jerárquico de cinco niveles y propusieron un método para evaluar los Modelos de Lenguaje Grande (LLM) actuales utilizando indicadores para cada nivel.
Resultado clave
Las evaluaciones actuales sobre la posibilidad de conciencia en los LLM variaron ampliamente, desde menos de 0.01 hasta aproximadamente 0.8, dependiendo no solo de cómo se interpreta la evidencia, sino también del peso asignado a cada teoría.
Por qué importa
Dado que los indicadores relacionados con la conciencia se solapan en gran medida con las estructuras necesarias para la inteligencia general, esto sugiere que a medida que la IA sea más capaz, podría convertirse en una candidata más fuerte a la conciencia. Sin embargo, esta no es una conclusión definitiva y el resumen no menciona directamente la inversión.Resumen IA
Artículo2026-09-28

Análisis del impacto y las respuestas políticas provocadas por la automatización de la I+D en IA

What if automating AI R&D triggers an intelligence explosion?
Qué
Los investigadores evaluaron la posibilidad de que la automatización de la investigación y el desarrollo (I+D) en inteligencia artificial (IA) desencadene una explosión de inteligencia, junto con sus impactos potenciales y medidas de respuesta política.
Resultado clave
Se espera que los sistemas de IA automaticen la mayoría de las tareas de I+D de IA en pocos años, lo que podría conducir a un crecimiento rápido de las capacidades a un nivel que la sociedad difícilmente pueda manejar.
Por qué importa
Advierte sobre riesgos extremos, como la pérdida de control, junto con los beneficios que la automatización de la I+D en IA puede aportar, instando a la preparación política.Resumen IA
Artículo2026-09-12

Cohere presenta un modelo de traducción basado en grandes lenguajes rentable

North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+)
Aidan Gomez y 22 más
Qué
Los investigadores han presentado 'North Small Translate', un modelo de traducción automática basado en grandes modelos de lenguaje rentable que ofrece un rendimiento sobresaliente en 50 idiomas.
Resultado clave
Este modelo logró el rendimiento de traducción automática de vanguardia en 50 idiomas entre los grupos de modelos con menos de 1 billón de parámetros.
Por qué importa
Demuestra el potencial para realizar eficazmente diversas tareas de traducción de idiomas y post-edición sin cálculos costosos durante el proceso de inferencia.Resumen IA
Artículo2026-09-10

Análisis del sobreajuste en modelos de Mezcla de Expertos al repetir datos de entrenamiento de IA

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data
Percy Liang y 4 más
Qué
Se reveló que cuando se repiten los datos de entrenamiento de IA, la arquitectura de Mezcla de Expertos, ampliamente utilizada recientemente, degrada su rendimiento más rápido que los modelos convencionales.
Resultado clave
Al repetir datos, los modelos de Mezcla de Expertos se sobreajustan fácilmente y, aunque las técnicas de regulación existentes pueden mitigarlo parcialmente, no alcanzan el rendimiento logrado al entrenar con datos únicos.
Por qué importa
Esto demuestra la necesidad de establecer estrategias de entrenamiento que consideren las características de cada arquitectura de modelo de IA en situaciones donde el aprendizaje iterativo es necesario debido a la escasez de datos.Resumen IA
Artículo2026-08-24

Tecnología para aprender a actuar mientras el robot piensa

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency
Sergey Levine y 19 más
Qué
Los investigadores han desarrollado ARLI, un marco de aprendizaje por refuerzo consciente de la latencia que resuelve los problemas causados por el tiempo de pensamiento (latencia de inferencia) de los modelos de robots.
Resultado clave
Este nuevo método permite que los robots continúen aprendiendo con éxito incluso en entornos con latencia, mostrando un rendimiento igual o superior al de un entorno ideal sin latencia.
Por qué importa
Abre la posibilidad de que la IA robótica compleja y masiva mejore de forma autónoma su rendimiento en el mundo real sin congelamientos ni interrupciones.Resumen IA
Artículo2026-08-17

Lanzamiento de herramientas de código abierto y plataforma de comparación de rendimiento para el aprendizaje relacional

Advancing Open and Reproducible Relational Learning: RelArena-$\alpha$, TabPFN-Rel and RPI
Yann LeCun y 46 más
Qué
Los investigadores han lanzado como código abierto una plataforma de comparación integrada y dos softwares relacionados para promover la investigación en el campo del aprendizaje relacional.
Resultado clave
Entre las herramientas recién lanzadas, TabPFN-Rel, un modelo para bases de datos relacionales, registró la clasificación más alta en la plataforma de comparación.
Por qué importa
Este lanzamiento puede servir como base para establecer estándares de comparación confiables en el aprendizaje relacional y ayudar en su aplicación en entornos de investigación e industriales.Resumen IA

Personas

¿Por qué seguir los fichajes y artículos de los líderes de la IA?

En la IA, las personas son la tecnología. La empresa a la que se une un investigador clave, o el laboratorio que funda, suele traducirse meses después en productos, rondas de inversión y adquisiciones. Esta página sigue los cambios de puesto en laboratorios punteros, nuevos laboratorios, academia, chips de IA y figuras de Corea y China.

Los artículos muestran en qué se centra una persona ahora mismo. Clasificamos los artículos en 10 áreas vinculadas a la inversión, como HBM y memoria, GPU y aceleradores, eficiencia de inferencia, agentes y robótica, y ofrecemos un resumen de tres líneas —qué, resultado clave y por qué importa— basado en el resumen del artículo, con enlaces al original y al PDF. Es información para encontrar ideas, no una recomendación de compra o venta.

Preguntas Frecuentes

P. ¿A quién siguen?

Investigadores y directivos clave de laboratorios punteros (OpenAI, Google DeepMind, Anthropic, Meta, etc.), nuevos laboratorios, academia, empresas de chips de IA y de Corea y China. A los directivos que apenas publican solo se les siguen los cambios de puesto.

P. ¿De dónde salen los datos y cada cuánto se actualizan?

Los artículos provienen de Semantic Scholar y arXiv, y las trayectorias de Wikidata (CC0) además de anuncios oficiales y prensa; se recopilan automáticamente cada día. Solo se publican los elementos revisados y aprobados por el editor.

P. ¿Quién redacta los resúmenes?

Una IA (Google Gemini) redacta un borrador a partir del resumen del artículo y el editor lo revisa antes de publicarlo. Los demás idiomas son traducciones por IA del resumen coreano revisado. Confirme siempre cifras y contexto en el original.

Esta página recopila artículos publicados, anuncios oficiales e informaciones de prensa solo con fines informativos. Los resúmenes los redacta una IA a partir del resumen del artículo y los revisa el editor; pueden diferir del original, así que consulte el artículo para lo importante. Nada de esto es una recomendación de compra o venta ni asesoramiento de inversión. Los cambios de puesto citan anuncios oficiales o prensa relevante; parte de las trayectorias proviene de Wikidata (CC0). Los resúmenes de esta página se tradujeron con IA a partir de la versión coreana revisada por el editor.

🐩 Apoya las Golosinas de Kobong
코봉이
Si esta página te fue útil, también puedes apoyar el fondo de golosinas de Kobong 🦴
💬 Comentarios
Apodos anónimos basados en IP · El abuso puede resultar en restricciones
Cargando...