Fecha base 2026-11-03
Última ejecución 2026-11-03 22:30:03
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.87
WTI
$96.76
Gold
$3,940
USD/KRW
1,344
SOX
10,600
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.87
WTI
$96.76
Gold
$3,940
USD/KRW
1,344
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 07:41 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 · Modelos del mundo y multimodal

Aún no hay fichajes con estos filtros.

Artículos · Nuevos laboratorios · Modelos del mundo y multimodal

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
Artículo2026-10-11 · 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
Artículo2026-10-07 · 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
Artículo2026-10-06 · 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
Artículo2026-10-05 · 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
Artículo2026-09-28 · 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

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...