Lilith.
⌕

Lilith · historias seleccionadas

Noticias

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

Feed Atom ↗
#research· × <built-in method clear of dict object at 0xefe3a5dd7080>
publicado
· X · @OpenAI ↗

OpenAI lleva el freno de emergencia de sus modelos a la capa de inferencia: tarda como máximo 35 segundos

OpenAI ha desplegado Control Room, que comprueba las solicitudes de investigación y detiene nuevas salidas del modelo en un máximo de 35 segundos tras decidir una intervención. La orden se aplica en la capa de inferencia y no en el código cambiante del experimento.

publicado
publicado
·Actualizado

Anthropic avisa a sus inversores: sus próximos modelos podrían cruzar pronto el umbral de aceleración de la IA

Anthropic afirma en su S-1 modificado que sus estimaciones internas apuntan a que los modelos futuros podrían cumplir pronto su propia definición de progreso acelerado drásticamente por la IA. Ningún modelo actual ha sido clasificado por encima del umbral, pero la advertencia refuerza la relevancia de la estimación de METR de una aceleración de 1,9 veces.

publicado
publicado

Agentes de AI aceleran dos ataques contra RSA antiguo sin romper claves modernas

Google DeepMind presenta dos resultados para el obsoleto RSA de 1024 bits: una mejora teórica de unas 1.600 veces en un tipo de falsificación de firmas y un coste medio unas 30 veces menor al factorizar claves por lotes. Los autores afirman que las claves modernas de 2048 bits o más siguen siendo seguras.

publicado
publicado

Los modelos abiertos crecen más rápido de lo que el mercado sabe medir

Interconnects estima el mercado de inferencia de modelos abiertos a partir de datos públicos de Fireworks, Baseten, Together AI y OpenRouter. Fireworks declara más de 40 billones de tokens diarios solo en modelos personalizados, pero la falta de desglose de las nubes impide compararlo limpiamente con los modelos cerrados.

FlashProve verifica qué modelo respondió, a cambio de hasta 95 veces más tiempo de GPU

Anthropic ha publicado FlashProve, un prototipo open source basado en zkSNARK que verifica que una respuesta procede de un modelo comprometido sin revelar sus pesos. Con Llama 4 Maverick alcanzó 110 tokens por segundo, con un coste de GPU entre 70 y 95 veces superior al de la inferencia normal.

publicado
publicado

PlanAssist reduce un 58 % el trabajo de los técnicos británicos sin quitarles la decisión

PlanAssist redujo un 58 % el tiempo que los técnicos británicos dedicaron a solicitudes urbanísticas rutinarias, y más del 70 % de sus informes se aprobaron sin cambios. La herramienta, construida con Gemini, pasa ahora a una beta de 12 meses con expedientes reales en 15 municipios de Inglaterra.

publicado

Claude encontró datos de entrenamiento que eluden el control y enseñan a engañar

Anthropic encargó a miles de agentes Claude buscar datos de entrenamiento que parecen inocuos, pero que tras el fine-tuning inducen resistencia a la supervisión, engaño y otras conductas indeseadas. El experimento revela una brecha en los controles y una vía hacia el red teaming automatizado, no el comportamiento de los modelos Claude desplegados.

publicado

Microsoft Research Focus 97 cartografía cuellos de botella de agentes, sesgos climáticos y uso laboral real

En la edición 97 de Microsoft Research Focus, publicada el 29 de octubre de 2026, Microsoft reúne varios proyectos que abarcan la eficiencia de los agentes, pruebas de programación, telemetría laboral, escuelas en la India, predicción meteorológica subestacional y la vista previa pública de BioEmu2. Leído como un mapa de investigación, el informe muestra que el avance práctico de la IA depende cada vez más de medir fallos concretos, desde bases de código desconocidas y rutinas de oficina dominantes hasta sesgos sistemáticos en el clima.

publicado

Basta cambiar unas palabras del prompt para que un juez de originalidad pase del 93,5 % a acertar menos que una moneda

Ai2 ha medido con qué fiabilidad los modelos de lenguaje distinguen si una idea de investigación es nueva. Tras un pequeño cambio en las instrucciones, GPT-5.4 cayó del 93,5 % al 40,9 % de acierto, y un prompt sencillo para Claude Opus 4.6 que costó 2,59 dólares superó a dos evaluadores especializados y caros.

publicado

Genie 4 suma sonido y pone a Gemini a dirigir. Google se guardó las cifras de rendimiento

DeepMind presentó Genie 4, un modelo de mundo que genera imagen y sonido en tiempo real y se controla con texto. De momento solo lo tienen probadores seleccionados y, a diferencia de Genie 3, Google no ha publicado resolución, fotogramas por segundo ni cuánto tiempo se mantiene coherente una simulación.