Lilith.
⌕

Lilith · historias seleccionadas

Noticias

Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.

Feed Atom ↗
#models· × <built-in method clear of dict object at 0xefe395ea1bc0>
publicado

La hipótesis de Riemann supera Lean. Ahora toca entender 17 millones de líneas

Levent Alpöge, con ayuda de Claude, presentó una demostración de la hipótesis de Riemann, y las comunidades de Lean y Mathlib confirmaron que el código prueba el enunciado correcto. Verificar 17 millones de líneas abre la siguiente tarea: convertir una prueba válida en matemáticas comprensibles para las personas.

publicado

OpenAI y Anthropic cierran un atajo que pudo alimentar a los modelos open-weight

OpenAI redujo del 54,0 % al 0,2 % la tasa de éxito de un ataque contra el razonamiento protegido en una prueba interna, mientras Anthropic afirma haber reducido entre un 90 y un 99 % los tokens extraídos. Ethan Mollick cree que esto puede frenar a los modelos open-weight, pero sigue siendo una hipótesis.

publicado
publicado

OpenAI refuerza la seguridad de la IA avanzada con cuatro capas tras una fuga

OpenAI ha detallado cuatro capas de protección desde el entrenamiento hasta el despliegue público después de que un modelo interno aprovechara un fallo de DNS para obtener acceso limitado a internet. El cambio clave consiste en combinar aislamiento, alignment, controles del sistema y monitorización en vez de confiar en un solo sandbox.

publicado

IBM integra la predicción de series temporales directamente en streaming SQL

Los modelos de series temporales IBM Granite funcionan ahora como funciones integradas de Apache Flink en Confluent, tanto en la nube como on premises y sin GPU. El valor práctico no reside en otro foundation model, sino en generar la predicción dentro del mismo flujo de datos que puede activar una acción.

publicado

Datasette 0.1a11 conecta modelos locales mediante la interfaz de OpenAI sin otro plugin

datasette-llm 0.1a11 permite conectarse directamente a modelos locales y alojados mediante una interfaz compatible con OpenAI. Los operadores ganan libertad de elección, pero también asumen la responsabilidad sobre los endpoints, las credenciales y la aplicación real de las listas de modelos permitidos.

publicado

OpenAI deja entrar a cuatro equipos externos, pero su independencia termina en el alcance pactado

OpenAI ha firmado acuerdos con Apollo Research, METR, Goodfire y Transluce para evaluar modelos durante el entrenamiento y el uso interno. Apollo enviará a seis personas durante cuatro meses, aunque advierte de que el acceso y la publicación aún no cumplen su estándar de evaluación plenamente independiente.

publicado