Actualizado diariamente1459 historias verificadas
Source-checked AI coverage of product launches, policy shifts, safety research, and industry moves, explained in plain English by a nonprofit education team.
Every story links to the strongest available evidence: original sources when available, otherwise clearly attributed reporting.
Qué sucedió, por qué es importante y qué observar: sin impuestos de jerga.
Cuando la señal es escasa, no publicamos nada en lugar de rellenar el feed.
Un flujo creciente de perspectivas verificadas para personas que necesitan comprender la IA sin perseguir exageraciones.
Google Threat Intelligence Group dice que los adversarios están utilizando la IA para acelerar la investigación de vulnerabilidades, evadir la detección, automatizar acciones de malware y apuntar a la cadena de suministro de software en torno a los sistemas de IA.
Una preimpresión de arXiv informa que los modelos de lenguaje pueden revelar datos confidenciales colocados en contexto, incluso después de rechazar solicitudes de extracción directa. En experimentos controlados, los autores dicen que los ataques adaptativos recuperaron secretos breves de resultados ordinarios y extrajeron números completos de Seguro Social de un agente de estilo de producción.
Un nuevo artículo de arXiv presenta Thinkingbox, un entorno de pruebas y punto de referencia para probar agentes de IA en tareas comerciales de varios pasos. El modelo probado más sólido logró una puntuación de aprobado@1 del 65,36 %, pero solo una puntuación de aprobado^20 del 25,25 %, lo que resalta la brecha entre el éxito ocasional y la ejecución confiable.
Una preimpresión de arXiv que evalúa 3 LLM a través de 11 métodos de compresión informa que la precisión y la perplejidad agregadas pueden ocultar una pérdida desigual de conocimiento, un exceso de confianza en la información recién perdida y compensar los cambios en el sesgo de los subgrupos.
Una preimpresión de arXiv informa que el texto irrelevante para la tarea sesga constantemente los modelos de lenguaje multimodal en los juicios visuales y describe el efecto como un cambio afín medible en los márgenes de decisión.
Una preimpresión de arXiv identifica el creciente desequilibrio entre los valores singulares del peso de la red neuronal como una posible causa de la pérdida de adaptabilidad y luego propone recortar periódicamente esos valores en el aprendizaje continuo y de refuerzo.
Una nueva preimpresión de arXiv presenta un diagnóstico para decidir cuándo las combinaciones de modelos de regresión específicas de una región pueden superar a una combinación fija. En las pruebas descritas por los autores, una pequeña sonda de dominio objetivo etiquetada predijo ganancias y ayudó a rechazar un despliegue que produjo más de 30 veces la pérdida estática.
Una preimpresión de arXiv informa evidencia de que Llama 3.1 8B rastrea internamente las primeras diferencias en secuencias numéricas especialmente diseñadas. El estudio ofrece un mecanismo propuesto para este comportamiento, pero su alcance y solidez no quedan claros en el resumen proporcionado.
Una preimpresión aceptada en MLHC 2026 describe PAFIR, un marco de aprendizaje por refuerzo que selecciona señales cambiantes de riesgo de caídas específicas de cada persona a partir de mediciones de salud multimodales repetidas. El artículo informa una mejor captura de patrones que las líneas de base, pero el registro proporcionado no proporciona tamaños de efecto ni evidencia de caídas reducidas.
Una preimpresión de arXiv describe DCGCNet, un modelo que combina la reconstrucción de ECG y la clasificación de la fibrilación auricular, informando un AUC superior a 0,98 en siete configuraciones de conjuntos de datos cruzados y resistencia a varios tipos de ruido.
Una nueva preimpresión de arXiv presenta PU-HNO, un modelo de tres etapas para predecir mapas de radio interiores detallados a partir de simulaciones de baja fidelidad e información de escenas. Los autores informan mejoras en varios enfoques básicos, pero el registro proporcionado no proporciona resultados numéricos ni evidencia de implementación en el mundo real.
Una preimpresión de arXiv presenta Tianmu-TC, un marco de pronóstico generativo basado en datos del Pacífico Norte Occidental que, según sus autores, mejora los pronósticos de ciclones tropicales en las cuencas oceánicas globales al tiempo que utiliza menos computación.
One useful briefing each week
Get the week’s verified AI news, original data, useful tools, learning picks, and fresh AI jobs.
Hiring an AI professional or launching a useful AI product? Put it in front of people who came here to learn and act.
Publicar un trabajo de IA Submit an AI tool