Lilith.
⌕

Lilith · historias seleccionadas

Noticias

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

Feed Atom ↗
publicado

El hombre detrás de Memex en DARPA dirige el Catalyst Lab de Microsoft y apuesta por la ciberdefensa

Microsoft Research ha publicado una conversación con Chris White, responsable del nuevo Catalyst Lab. En DARPA, White dirigió Memex, herramientas de búsqueda en la dark web usadas contra la trata de personas. Ahora quiere aplicar la misma lógica de conectar pistas a la defensa de redes, aunque aún no ha mostrado un proyecto concreto.

· X · @simonw ↗

Un día después de su estreno, el RTS vibe-coded Battle Drones ya tiene una versión francesa ambientada en 1900

Simon Willison publicó el 20 de octubre Battle Drones, un juego de estrategia al estilo de Command & Conquer escrito sobre todo por agentes en Claude Code. Al día siguiente nació el proyecto francés Panache, que trasladó el juego, con licencia Apache 2.0, a la Belle Époque. Demuestra que, cuando el código abierto se abarata, lo caro pasa a ser el gusto.

DeepSeek abre un modelo barato y su stack de inferencia. Las agencias federales de EE. UU. ya no pueden comprárselo

En su 25.º repaso de modelos abiertos, Interconnects describe una semana en la que DeepSeek lanzó V4.1 Flash con licencia MIT y publicó su stack de inferencia DeepInfer. Al mismo tiempo, el Departamento de Seguridad Nacional de EE. UU. lo excluyó de las compras federales y China propuso autorizar la exportación de modelos frontier. Los pesos abiertos entran en una etapa en la que el origen también decide cómo se pueden usar.

FairStress de Ai2: los modelos abandonan una decisión correcta según a quién beneficie el cambio

Ai2 ha publicado FairStress, un benchmark con más de 13 millones de pruebas que mide con qué facilidad un modelo de lenguaje abandona una decisión bien fundamentada sobre personas. Modelos como Claude Opus 5 y GPT-5.5 cedieron de forma desigual: un argumento a favor del candidato de una minoría los convenció entre 8,8 y 42,4 puntos porcentuales más a menudo.

publicado

«Hazlo MUCHO más divertido» funcionó: Simon Willison hizo que Claude Code construyera un RTS jugable

Simon Willison ha publicado Battle Drones, un juego de estrategia al estilo de Command & Conquer escrito sobre todo por agentes de Claude Code a lo largo de 12 versiones grandes y 321 commits. El punto de inflexión fue un solo prompt, tras el cual Claude jugó más de mil partidas simuladas y reequilibró el juego. Incluso admite multijugador por sonido entre dos móviles.

Matemáticos con agentes de IA demuestran la conjetura KLS de hace 31 años. Los modelos solos, con los mismos tokens, no lo lograron

Xinzhi Zhang, de Microsoft Research, y su coautor Zhao Song han demostrado la conjetura de Kannan, Lovász y Simonovits de 1995. Los agentes de IA exploraron más de 100 enfoques posibles, pero la dirección la marcaron personas, y un intento de control sin ellas fracasó con un presupuesto de tokens similar.

· X · @OpenAI ↗

OpenAI compra Orchestra Bio: Rosalind tendrá agentes que vigilan el calendario del desarrollo de fármacos

OpenAI adquirió el 20 de octubre Orchestra Bio, una startup de cuatro años cuyos agentes de IA siguen estudios, plazos y retrasos en el desarrollo de fármacos. El equipo y la tecnología pasan a Rosalind, la línea de OpenAI para ciencias de la vida. No se ha revelado el precio; según TechCrunch, la startup había captado unos 20 millones de dólares.

Anthropic propone una ley en la que solo un juez puede frenar un modelo, y solo si peligran más de 50 vidas

Anthropic presenta al Congreso su propio proyecto de ley de seguridad de la IA. El lanzamiento de un modelo podría bloquearse ante un riesgo inminente de más de 50 muertes o daños de más de mil millones de dólares, pero la decisión sería de un juez de Washington, no de una agencia federal.

IBM dio a GPT-4.1 una chuleta hecha con sus propios errores y el agente superó a los modelos frontier en τ²-bench retail

IBM Research hizo que el modelo GPT-4.1, ya veterano, redactara reglas a partir de sus propios intentos y las añadió al prompt. El agente de atención al cliente alcanzó un 67,5 % de Pass^4 en la parte retail de τ²-bench y superó a todas las entradas de la clasificación, incluido un modelo con fine-tuning.

Terminal X mide el criterio inversor: su revisor con GPT-6.1 Sol coincide con un sénior el 88,6 % de las veces

Terminal X construye agentes que deben conservar el criterio de los mejores profesionales de una firma de inversión. En 500 evaluaciones, su agente revisor con GPT-6.1 Sol coincidió con un revisor sénior el 88,6 % de las veces. Todas las cifras proceden de un caso de estudio en el blog de OpenAI.

publicado

Una brecha en OpenCode Console convirtió claves API en facturas ajenas

Los atacantes obtuvieron algunas claves API guardadas en OpenCode Console y las usaron para consumir servicios de IA sin autorización. El incidente afectó al 1,4 % de los usuarios de Console, no a la aplicación de código abierto, y demuestra por qué los límites de gasto deben funcionar al margen de la confianza en una herramienta.

publicado