Fecha base 2026-11-03
Última ejecución 2026-11-03 23:30:04
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

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

LAST UPDATE 2026-11-04 08:05 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 · Nuevos laboratorios · Agentes y programación

Aún no hay fichajes con estos filtros.

Artículos · Nuevos laboratorios · Agentes y programación

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
Artículo2026-10-28

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
Artículo2026-10-07

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)

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
Artículo2026-10-04 · 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
Artículo2026-10-01 · 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
Artículo2026-09-28 · 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

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...