GLM-5.2 Max está clasificado como el tercer mejor modelo disponible, tanto entre modelos de código abierto como propietarios. La evaluación se basa en benchmarks de rendimiento y evaluaciones actuales en el campo de los modelos de lenguaje grandes.
Datasette 1.0a34 introduce herramientas para insertar, editar y eliminar filas dentro de la interfaz. Estas funciones están disponibles en las páginas de tablas y como elementos de acción en las páginas de filas, abordando una capacidad largamente esperada en la UI.
Un usuario busca una aplicación autocontenida y alojada localmente para generar subtítulos en inglés (en formato .srt o .ass) a partir de archivos de vídeo. Considera Qwen-ASR y Whisper como opciones sólidas, pero reporta un mal sincronismo de los subtítulos en las implementaciones de ComfyUI y un rendimiento poco fiable con modelos antiguos como los de storytoolkitAI. Pide recomendaciones que funcionen bien en Windows y puedan manejar múltiples idiomas.
El componente Web click-to-play muestra una imagen estática con un botón de clic para reproducir que carga un GIF bajo demanda. Admite mejora progresiva, permitiendo que los GIFs se carguen solo cuando los usuarios interactúan con la imagen.
GLM-5.2, un modelo de 744B parámetros de Z.ai, ha sido evaluado como el mejor modelo de programación frontend a nivel mundial, superando a todas las versiones de Opus, incluyendo Opus 4.8. Este logro se destaca en evaluaciones de terceros que validan las pruebas oficiales offline, marcando un hito significativo para un modelo de su tamaño, particularmente en el competitivo dominio de la programación frontend.
Una comparativa de benchmarks muestra que la NVIDIA RTX 5060 Ti 16GB supera a la AMD RX 9060 XT 16GB en múltiples modelos LLM, con velocidades de tokens de respuesta y prompt más altas. Las mejoras de rendimiento son consistentes en modelos como Gemma3, Llama3.2 y Qwen3, con la RTX 5060 Ti mostrando un procesamiento de prompt notablemente más rápido, especialmente en modelos más grandes.
Un nuevo estudio examina la limitada diversidad en las historias generadas por modelos de lenguaje grandes, utilizando al personaje recurrente Elias en el faro como caso de estudio. La investigación destaca cómo tales patrones sugieren sesgos sistémicos en los datos de entrenamiento y las salidas del modelo.
LegalHalluLens presenta un marco para auditar alucinaciones de IA en contextos legales mediante el análisis de perfiles tipificados de alucinaciones en cuatro categorías de afirmaciones. Revela una brecha de 38-40 puntos entre las afirmaciones obligatorias/numéricas y temporales, y muestra que dos sistemas con tasas de alucinación idénticas del 52% pueden tener direcciones de riesgo opuestas. El marco utiliza un Índice de Dirección de Riesgo y pipelines de debate calibrados para reducir las detecciones fabricadas en un 45%, ofreciendo diagnósticos accionables para el despliegue confiable de IA legal.
Los Modelos de Difusión Enmascarados Recursivos (R-MDMs) introducen la profundidad recursiva como un tercer eje de escalado al reaplicar un transformador de denoising dentro de cada paso de difusión. Esta recursión permite el refinamiento iterativo de la salida sin aumentar el número de parámetros, logrando un rendimiento comparable al de modelos no recursivos con hasta L veces más parámetros, donde L es el número de iteraciones. Los R-MDMs también reducen el cómputo de inferencia al reemplazar parcialmente los pasos de denoising con refinamiento recursivo.
LoopCoder-v2, un modelo Transformer de bucles paralelos, alcanza un rendimiento superior en generación y razonamiento de código con dos bucles, mejorando SWE-bench Verified de 43.0 a 64.4 puntos y Multi-SWE de 14.0 a 31.0 puntos. Las variantes con tres o más bucles tienen un rendimiento peor, lo que indica un efecto no monótono del conteo de bucles debido al creciente desajuste posicional y rendimientos decrecientes.
Una teoría en el espacio de funciones revela que el olvido catastrófico en la adaptación continua se concentra en un pequeño número de modos propios NTK de tareas anteriores. En PEFT-CL con cabeza lineal y backbone congelado, el vector de olvido es exactamente predecible hasta la precisión numérica, con una regla de escalado de Kronecker para el rango vulnerable.
INI-VPINN es una red neuronal variacional informada por física que aplica implícitamente condiciones de Neumann e interfaz mediante funciones de ponderación de soporte compacto e integración por partes. Logra mayor precisión y convergencia más rápida que los métodos PINN existentes al resolver problemas multimatéricos con singularidades geométricas y condiciones mixtas de frontera, y está disponible públicamente en GitHub.
Se construyó un conjunto de datos con verdad fundamental de 2,076 oraciones anotadas por humanos procedentes de 83 informes complejos de CTI y se asignaron a 114 técnicas de ATT&CK con \k{appa} = 0.68 de acuerdo entre anotadores. Se evaluaron siete LLMs de código abierto que oscilan entre 8B y 236B parámetros, alcanzando una puntuación F1 micro-promediada máxima de 0.22. El tamaño del parámetro mostró una correlación positiva estadísticamente significativa con la puntuación F1, mientras que la estrategia de prompt y la temperatura no produjeron mejoras significativas, lo que indica que los LLMs actuales de código abierto son insuficientes para la clasificación de ATT&CK de grado de producción.
Proponemos un método que utiliza el desacuerdo del campo de velocidades para cuantificar la incertidumbre epistémica en modelos de visión-lenguaje-acción basados en emparejamiento de flujos. Esta estimación de la incertidumbre permite la detección de fallos durante el despliegue y el ajuste fino activo a través del marco SAVE, que reduce las demostraciones expertas en al menos un 22% en comparación con los métodos base, con predicciones mejor calibradas en el benchmark LIBERO.
ConTex reformula la generación de contrafactuales para la predicción de series temporales como un problema de intervención globalmente consistente. Logra validez de última generación con intervenciones dispersas e interpretables, reduce el costo computacional entre 12 y 36 veces, y permite inferencia en tiempo real en aproximadamente 0.007 segundos.
ScaFE reposiciona los grandes modelos de lenguaje como ingenieros de características para la clasificación de cicatrices, generando código Python ejecutable a partir de criterios clínicos para extraer características interpretables. El marco logra un rendimiento superior con datos limitados, preserva la privacidad al procesar las imágenes localmente y produce características fundamentadas en la clínica alineadas con sistemas de puntuación establecidos como la Escala de Cicatrices de Vancouver.
NoiseTilt introduce NTRK, un muestreador de difusión guiado por recompensa que inyecta gradientes de recompensa a través del término de ruido sin alterar el kernel inverso. Al utilizar un operador de blanqueo, NTRK sesga de forma segura el ruido hacia la alta recompensa, preservando la calidad de la muestra mientras mantiene una fuerte guía. En la generación estética, NTRK logra un rendimiento de recompensa superior con 25 NFEs, reduciendo el cómputo en 20× en comparación con las líneas base más avanzadas.
Los modelos generativos de Volterra proponen un marco basado en puntuación de tiempo continuo que utiliza núcleos fraccionarios para inyectar ruido dependiente de la trayectoria, evitando el enmascaramiento sin memoria en los modelos de difusión tradicionales. El enfoque introduce elevaciones markovianas de dimensión finita y demuestra cotas de error cuadrático, mostrando una generación mejorada en MNIST y potencial para imágenes naturales, con un muestreador de puente que mejora la estabilidad para modelos más grandes.
TSCD utiliza matrices de covarianza de datos observacionales e intervencionales para identificar estructuras causales en modelos de ecuaciones estructurales lineales sobre DAGs. Requiere únicamente ruido no correlacionado y logra órdenes y parámetros causales identificables con conteos logarítmicos de intervenciones, escalando a cientos de variables mientras permanece robusto al ruido y competitivo frente a métodos existentes.
Edge Flow es un modelo de tiempo continuo tratable y predictivo que captura la dinámica del descenso del gradiente en el borde de la estabilidad. Descompone la dinámica en dirección central, oscilación y magnitud, con autoestabilización de la nitidez emergente a partir de retroalimentación acoplada. El modelo requiere solo dos evaluaciones del gradiente y un producto Hessian-vector por iteración y supera a los modelos anteriores en el seguimiento de las oscilaciones y la explicación de inestabilidades en EoS.