media Analytics Vidhya · hace 502 d

Google DeepMind lanza el modelo experimental Gemini 2.5 Pro

Traducido del English → Español

Google DeepMind ha presentado el modelo experimental Gemini 2.5 Pro, que ocupa el #1 en el LMArena Leaderboard y está disponible gratuitamente en Google AI Studio.

El modelo cuenta con capacidades multimodales mejoradas, incluyendo soporte para documentos de texto, enlaces de videos de YouTube, archivos externos, entrada de cámara y clips de audio.
Alcanza una puntuación del 84% en GPQA Diamond y 18.8% en Humanity’s Last Exam, superando a modelos como GPT-4.5 y Claude 3.7 Sonnet en benchmarks específicos.
Google planea hacer el modelo disponible en Vertex AI y lanzar una versión mejorada que soporte una ventana de contexto de 2 millones de tokens.

Importancia 3/3 Supera un benchmark de un laboratorio puntero Analytics Vidhya Google DeepMind Multimodal Reasoning models

Benchmarks

Benchmark	Modelo	Puntuación
AIME 2025	Gemini 2.5 Pro (experimental)	86.7%
GPQA Diamond	Gemini 2.5 Pro (experimental)	84%
Humanity's Last Exam	Gemini 2.5 Pro (experimental)	18.8%

Leer original

Marco de doble agente para traducción verificada entre modelos

Un marco de doble agente convierte protocolos experimentales en lenguaje natural en comandos ejecutables para plataformas robóticas de laboratorio. Utiliza un Agente Analizador y un motor de mapeo basado en reglas para traducir los protocolos, con un Agente de Validación LLM heterogéneo que asegura la precisión e inicia la autocorrección. El marco permite con éxito la ejecución autónoma de extremo a extremo de experimentos basados en placas de microtitulación como el ensayo de Bradford.

arxiv arXiv cs.AI · hace 51 d

Lagrange: Marco disperso de vocabulario abierto para conducción de extremo a extremo

Lagrange introduce un marco disperso basado en energía y de vocabulario abierto para la conducción generalizada de extremo a extremo. Utiliza Modelos Visión-Lenguaje para generar propuestas de objetos independientes de la clase y las codifica en tokens semánticos continuos, lo que permite una generalización robusta a escenarios anómalos mientras se adhiere a la cinemática del vehículo mediante la minimización de la acción lagrangiana.

arxiv arXiv cs.LG · hace 51 d · 1 vista

Pose6DAug: Intercambio de objetos multi-vista físicamente plausible

Pose6DAug permite la augmentación de datos robóticos intercambiando objetos en episodios exitosos mientras se preservan trayectorias de poses 6D físicamente válidas. Opera en 3D utilizando una malla anclada por poses temporalmente coherentes, asegurando consistencia multi-vista y plausibilidad física. El ajuste fino de una política VLA con estos datos aumentados mejora las tasas de éxito para objetos nuevos en un 16.5% respecto a las líneas base más avanzadas.

arxiv arXiv cs.LG · hace 51 d

Protocolo VLM-as-3D-Judge de-biased para Generación de Muebles

Un protocolo de juez basado en VLM de-biased especializa TRELLIS en la generación de muebles mediante adaptación ligera. El protocolo aborda modos de fallo como sobrecarga de imagen y ocultamiento de geometría, con calibración que muestra tasas de victoria de 0.83–1.0 y simetría base-vs-base en 0.5. Entre seis métodos de adaptación, la reparación del condicionador bajo degradación severa alcanza paridad con el modelo base, mientras que ningún método supera el objetivo de tasa de victoria del 65%.

arxiv arXiv cs.LG · hace 52 d · 3 vistas

OneCanvas: Comprensión de escenas 3D mediante reproyección panorámica

OneCanvas permite la comprensión de escenas 3D en Modelos Visión-Lenguaje agregando características de parches sobre un único lienzo panorámico utilizando coordenadas del mundo 3D. Alcanza rendimiento de vanguardia en SQA3D y VSI-Bench, y se generaliza a datos fuera de distribución en SPBench, utilizando significativamente menos capacidad de entrenamiento que los métodos existentes.