Lilith.
⌕

Lilith · historias seleccionadas

Noticias

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

Feed Atom ↗
#ai-watchlist· × <built-in method clear of dict object at 0xefe3a61937c0>
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

Anthropic aconseja desmontar el ejército de subagentes. Un organigrama no es una arquitectura

Anthropic recomienda integrar parte de los subagentes especializados en un único bucle de agente con skills y herramientas. En sus despliegues, este diseño mejoró a menudo la calidad y redujo el coste y la latencia, aunque la empresa presenta experiencias de clientes y no un benchmark general.

publicado
publicado
publicado

Un agente leyó un libro línea a línea. Los enjambres de investigación convierten la web en una API gratuita

Ethan Mollick describió cómo Fable 5.2 reconstruyó el curso de W. H. Auden de 1941 extrayendo un libro de Internet Archive mediante búsquedas de texto completo repetidas, línea a línea. Un solo caso no mide la escala, pero muestra por qué los agentes cargarán la web de forma distinta a las personas.

La salida de Jensen Huang deja a los modelos abiertos sin capital ni voz en Washington

Nathan Lambert sostiene que la salida de Jensen Huang de NVIDIA somete a los modelos open weight a una doble presión: pierden respaldo político y sus creadores deben encontrar antes productos rentables. NVIDIA conserva su interés comercial en el ecosistema abierto, pero este ha perdido a su defensor más visible.

Una model spec debe definir cómo actúa la IA. Un nuevo marco pide también pruebas, versiones y control independiente

Safe AI Forum ha publicado un marco para model specs elaborado por autores de instituciones occidentales y chinas. Divide la especificación en 6 componentes y recomienda versiones públicas, mediciones de cumplimiento y acceso para evaluadores independientes.

publicado

Sin un buen instrumento de medida, la seguridad del modelo es solo una cifra en una diapositiva

Anthropic ha publicado diez recomendaciones para diseñar, ejecutar y documentar evaluaciones de seguridad. La idea central va más allá de la puntuación: si un equipo no valida el concepto medido, el grader y la incertidumbre, no sabe si ha medido la seguridad del modelo o su propio aparato de prueba.

Anthropic aceleró 1,9 veces el desarrollo de modelos, pero oculta pruebas clave

METR estima que las capacidades de los modelos internos de Anthropic crecen desde octubre de 2025 a un ritmo 1,9 veces mayor y que el uso de AI en investigación explica probablemente la mayor parte de la aceleración. El resultado importa, pero también depende de pruebas censuradas por Anthropic.

publicado
·Actualizado · X · @GoogleDeepMind ↗

Gemini 4 Carbon llega a la API tras dos semanas y Google lo reserva para las tareas más difíciles

Tras dos semanas de acceso restringido, Google ha abierto Gemini 4 Carbon a todos los desarrolladores y empresas de pago mediante la API y a los suscriptores de Google AI Ultra en varios productos. El precio parte de 2 dólares por millón de tokens de entrada, aunque Google recomienda el Argon más barato para la mayoría del trabajo habitual.

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

La IA ya supera a las personas buscando datos en pruebas acotadas. La revisión humana solo cambia de función

Ethan Mollick sostiene que ya exageramos el riesgo de errores factuales de la IA. Los dos ensayos citados sí muestran una ventaja amplia de los agentes, pero miden búsquedas difíciles y la verificación de afirmaciones seleccionadas, no la fiabilidad del trabajo cotidiano.

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