AI LEADERS · MOVES & PAPERS

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

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

Artículo2026-10-30

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

Yann LeCun

Artículo2026-10-29

Tecnología para entrenar conjuntamente datos de robots utilizando diversos controladores

Chelsea Finn

Artículo2026-10-29

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

Yann LeCun

Artículo2026-10-29

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

Mark Chen

Personas Todo Laboratorios punteros Nuevos laboratorios Academia Hardware de IA Corea China Directivos

Área Todo HBM y memoria GPU y aceleradores de IA Eficiencia de inferencia Entrenamiento y escalado Agentes y programación Robótica e IA física Modelos del mundo y multimodal Centros de datos y energía IA para la ciencia Seguridad y regulación

Fichajes · Academia · IA para la ciencia

Aún no hay fichajes con estos filtros.

Artículos · Academia · IA para la ciencia

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

IA para la ciencia

Resumen completo Leer artículo ↗ PDF ↗

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

IA para la ciencia Seguridad y regulación

Resumen completo Leer artículo ↗ PDF ↗

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

IA para la ciencia

Resumen completo Leer artículo ↗ PDF ↗

Personas

Laboratorios punteros

Nuevos laboratorios

Mira MuratiCEO de Thinking Machines Lab Andrej KarpathyFundador de Eureka Labs Yann LeCunFundador de AMI LabsÚltima actividad 2026-10-30 Ilya SutskeverCEO de SSI Llion JonesSakana AIÚltima actividad 2026-10-06 Lilian WengCofundador de Thinking Machines Lab Barret ZophFrecuentes cambios (informes de regreso a OpenAI en 2026 y nuevo traslado)Sergey LevinePhysical Intelligence y UC BerkeleyÚltima actividad 2026-10-06 Aravind SrinivasCEO de Perplexity Arthur MenschCEO de Mistral AI Ashish VaswaniEssential AIÚltima actividad 2026-10-28 Aidan GomezCEO de CohereÚltima actividad 2026-09-12 John SchulmanCientífico jefe en Thinking Machines Lab Chelsea FinnPhysical Intelligence y Universidad de StanfordÚltima actividad 2026-10-29 Fei-fei LiFei-Fei LiCEO de World Labs y Universidad de StanfordÚltima actividad 2026-10-07

Academia

Richard SuttonUniversidad de Alberta Stuart RussellUC Berkeley Andrew NgDeepLearning.AI y AI Fund Yoshua BengioUniversidad de Montreal y LawZeroÚltima actividad 2026-10-12 Geoffrey HintonProfesor emérito, Universidad de TorontoÚltima actividad 2026-09-28 Christopher ManningUniversidad de StanfordÚltima actividad 2026-07-20 Percy LiangUniversidad de Stanford y Together AIÚltima actividad 2026-10-22 Pieter AbbeelUC BerkeleyÚltima actividad 2026-10-06 Kaiming HeMITÚltima actividad 2026-10-01

Hardware de IA

Bill DallyCientífico jefe de NVIDIA Tri DaoTogether AI y PrincetonÚltima actividad 2026-08-12 Song HanMIT y NVIDIAÚltima actividad 2026-10-07 Andrew L FeldmanAndrew FeldmanCEO de Cerebras Jonathan RossGroq Jim KellerCEO de Tenstorrent Jim FanRobótica de NVIDIA

Corea

Ha Jung-wooVicepresidente del Comité Presidencial de Estrategia Nacional de IA (Renunció como secretario presidencial de IA en 2026)Última actividad 2026-04-22 Kim Sung-hoonKim Sung HunCEO de Upstage Bae Kyung-hoonBae KyunghoonMinistro de Ciencia y TIC (Exdirector de LG AI Research)Alice H. OhOh Alice HaeyunKAIST Lee Hae-minSecretario presidencial de Planificación del Futuro de la IA (Nombrado en 2026)Kyunghyun ChoCho KyunghyunNYU y GenentechÚltima actividad 2026-10-04

China

Liang WenfengFundador de DeepSeekÚltima actividad 2026-10-12 Yang ZhilinFundador de Moonshot AIÚltima actividad 2026-07-27 Kai-Fu Lee01.AI

Directivos

Kwak Noh-jungCEO de SK hynix Mark ZuckerbergCEO de Meta Sam AltmanCEO de OpenAI Jun Young-hyunJefe de la división DS de Samsung Electronics Jen-Hsun HuangJensen HuangCEO de NVIDIA C.C. WeiPresidente y CEO de TSMC Greg BrockmanPresidente de OpenAI Lisa SuCEO de AMD Lip-Bu TanCEO de Intel Satya NadellaCEO de Microsoft Sanjay MehrotraCEO de Micron Masayoshi SonPresidente de SoftBank Sundar PichaiCEO de Alphabet Andy JassyCEO de Amazon Elon MuskCEO de xAI y Tesla Kevin ScottCTO de Microsoft Tan Hock EngHock TanCEO de Broadcom

¿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.