llama.cpp ha lanzado la versión b9694, que incluye binarios para macOS, Linux, Android, Windows y openEuler. La versión es compatible con varias arquitecturas y opciones de aceleración como CUDA, Vulkan, OpenVINO, SYCL y ROCm. También se implementó una corrección para el enlace de la versión de OpenVINO en Windows x64.
Una iniciativa comunitaria sugiere crear un conjunto de datos de programación colaborativo para habilitar el desarrollo de LLMs locales. La propuesta busca permitir que cualquier persona con hardware pueda contribuir con datos, mientras que usuarios con mayor capacidad ayuden a ajustar o cuantificar modelos, reduciendo así la dependencia de los modelos publicados por las empresas.
Un usuario de Reddit le pregunta a la comunidad sobre sus proyectos recientes, señalando que mientras las discusiones se centran en herramientas, hay poca información sobre las aplicaciones reales o el trabajo que se está realizando con esas herramientas.
GLM-5.2 demuestra una coherencia excepcional en contextos largos y fluidez conversacional, superando a Gemini-3.1-Pro en tareas solo de texto e igualando a GPT-5.5 en calidad de razonamiento. El modelo responde de manera factual a temas sensibles como Taiwán y la Plaza de Tiananmén, proporcionando contexto histórico detallado sin censura explícita, aunque se adhiere a las directrices de contenido del gobierno chino.
Midjourney ha anunciado un escáner de ultrasonido y TC de cuerpo completo, calificándolo como la primera nueva modalidad de imagen médica de cuerpo entero en 50 años. El prototipo, conocido como Midjourney Scanner, utiliza 8.960 transductores distribuidos en 40 sistemas dentro de un anillo de 70 cm para capturar datos a 17 GB/s, con una resolución declarada de hasta 0,5 mm y un objetivo de 358.000 elementos ultrasónicos. El sistema se encuentra actualmente en la Gen 1, con escaneos que toman 20 minutos y sin uso de IA en la generación de imágenes aún, aunque las futuras versiones buscan integrar IA y alcanzar 50.000 escáneres al permitir 1.000 millones de escaneos mensuales.
Una publicación en Reddit discute el posible lanzamiento de Q.01, señalando que la precisión ya no es una prioridad. La publicación destaca un fenómeno denominado 'efecto del aumento de precios' como significativo e inesperado.
El RL guiado por discriminador (DRL) utiliza un espacio de representaciones preentrenado para entrenar un discriminador que separa los datos reales de las muestras generadas por el modelo. Su logit se usa como recompensa en el RL con regularización KL, alineando las salidas del modelo con la realismo visual y semántico sin preferencias humanas. DRL mejora FID y FD semántico en modelos como SiT y JiT, y mejora la frontera de Pareto entre preferencia y fidelidad.
La Fusión Esencial de Subespacios (ESM) reduce la interferencia entre tareas al centrarse en las direcciones principales de los cambios de activación. ESM++ extiende esto con selección dinámica de expertos mediante enrutamiento basado en prototipos, permitiendo una fusión eficiente de modelos multitarea sin entrenamiento.
El Preentrenamiento de Reflexión de Seguridad inserta breves reflexiones de seguridad en los datos de preentrenamiento para habilitar la auto-monitoreo en modelos de lenguaje. Los experimentos con modelos de 1.7B en FineWeb-Edu muestran una mayor precisión de seguridad y tasas reducidas de éxito de ataque, con MedSafetyWorld demostrando que el método previene mejor que la filtración o reescritura de datos que los comportamientos inseguros se generalicen a partir de datos seguros.
Los métodos de momento estocástico como HB y ASGD muestran compensaciones distintas del tamaño de lote en eficiencia computacional y tiempo de ejecución secuencial. HB mantiene la eficiencia computacional a nivel de SGD en una ventana de tamaño de lote hasta un factor \sqrt{\kappa} mayor que el tamaño crítico de lote de SGD, mientras que ASGD mejora la eficiencia para lotes pequeños en espectras que decaen rápidamente pero la sacrifica para lotes más grandes a cambio de reducir el tiempo de ejecución secuencial.
AGDN introduce un marco de red neuronal de grafos que aborda los priores topológicos y la pérdida de conectividad en TSP. Utiliza una matriz de transición MixScore y difusión anisotrópica para permitir un intercambio eficiente de información, superando a los métodos existentes en diversos tamaños de problema y distribuciones mientras mantiene un tiempo de cómputo competitivo. La implementación está disponible en GitHub.
Una nueva métrica, AUC entre conjuntos de datos (Cross-AUC), aborda las limitaciones de las evaluaciones tradicionales de AUC al promediar los AUC por dominio e incorporar la polarización de las predicciones mediante la Distancia de Wasserstein. Refleja mejor el rendimiento en el mundo real bajo cambios de dominio y proporciona interpretaciones claras sobre la degradación del detector.
Un nuevo sistema automatizado aborda el desequilibrio extremo de clases y el ruido asimétrico en las etiquetas de los datos de Frenado Automático de Emergencia. Utiliza aumento de datos dirigido y supresión de ruido para identificar disparadores raros retardados y falsos con un 80% de mejora en la recuperación y una reducción del 50% en el esfuerzo de anotación manual, permitiendo la auto-mejora continua en la optimización del AEB a bordo del vehículo.
Un nuevo marco de RL enfocado en entrenamiento conjuntamente un pronosticador y un controlador de carga para manejar tiempos de salida desconocidos de vehículos eléctricos. Al alinear la precisión del pronóstico con la calidad de las decisiones posteriores, el método logra hasta un 14% más de recompensa total y una reducción del 55% en energía no suministrada en comparación con los enfoques estándar de RL.
Una nueva teoría modela cómo las paráfrasis semánticas pueden engañar a los clasificadores de sentimiento financiero analizando el desplazamiento en el peor caso de las representaciones del modelo objetivo. El índice de atacabilidad λ*(x) se deriva del mayor autovalor generalizado de un lápiz matricial (A,B), ofreciendo predicciones de forma cerrada y certificados de robustez para salidas afines. El marco conecta la teoría de perturbaciones continuas con la búsqueda discreta de paráfrasis, con validación empírica en clasificadores de texto financiero reales.
XGBoost-Forget permite el desprendimiento de aprendizaje eficiente para modelos XGBoost en conjuntos de datos tabulares de intrusiones de red. Mantiene el rendimiento del modelo mientras logra un desprendimiento más rápido en comparación con el reentrenamiento completo, abordando una brecha en la investigación sobre desprendimiento de aprendizaje para datos tabulares en la detección de intrusiones de red.
MAST, un método de olvido guiado por mecanismos, logra el olvido dirigido del razonamiento inducido por RLVR con daños colaterales mínimos. En Qwen2.5-Math-1.5B y Qwen3-1.7B-Base, reduce significativamente el rendimiento en MATH (de 45/150 a 37/15-0) mientras preserva la precisión de GSM8K en +0.8 puntos y mantiene la retención de MATH en -0.5 puntos. Los resultados se mantienen consistentes entre diferentes semillas, objetivos y modelos, mostrando una estabilidad superior frente al olvido de parámetros completos.
Un marco de optimización bayesiana con humano en el bucle extiende el Muestreo Guiado por la Frontera de Pareto al incorporar satisfacción probabilística de restricciones y robustez de entrada como objetivos explícitos. Permite a los expertos del dominio refinar iterativamente los criterios de selección mediante proyecciones interactivas en un tablero de control de las compensaciones entre rendimiento, incertidumbre y viabilidad en la optimización del cultivo de células CHO.
STARE aborda el colapso de la entropía de la política en el aprendizaje por refuerzo basado en GRPO identificando subconjuntos de tokens críticos para la entropía mediante cuantiles de sorpresal y reponderando sus ventajas. Mantiene una entropía de la política estable a través de escalas de modelos y tareas, superando a DAPO y otras líneas base entre un 4% y un 8% en AIME24 y AIME25, con un equilibrio consistente entre exploración y explotación.
TxBench-PP es una benchmark verificable para farmacología preclínica de moléculas pequeñas, que prueba la capacidad de los agentes de IA para derivar conclusiones precisas a partir de datos de ensayos del mundo real. En 16 configuraciones de model-harness, ningún sistema tomó decisiones de farmacología preclínica correctas de manera confiable, con el mejor rendimiento en 59.3% (Claude Opus 4.8 / Pi) y 55.3% (GPT-5.5 / Pi) de intentos de punto final.