Los autores presentan AdversaBench, una pipeline de red-teaming end-to-end que genera entradas difíciles para grandes modelos de lenguaje utilizando cinco operadores de mutación estructurados y confirma fallos mediante un panel de tres jueces con desempate por un meta-juez.
Se ha presentado una demanda en Estados Unidos contra los principales fabricantes de chips de memoria Samsung, SK Hynix y Micron por alegaciones de fijación de precios.
DeepReinforce ha lanzado Ornith-1.0, un modelo de pesos abiertos con licencia MIT que alcanza un rendimiento de vanguardia entre los modelos de código abierto de tamaño comparable en benchmarks de codificación. El modelo se basa en las bases preentrenadas Gemma 4 y Qwen 3.5 e incluye variantes con recuentos de parámetros de 9B Dense, 31B Dense, 35B MoE y 397B MoE.
Un investigador que presenta su primer artículo en arXiv informa que el manuscrito ha estado bajo revisión por moderadores durante dos meses a pesar de pasar las verificaciones automáticas de calificación. El autor pregunta si este retraso es normal y solicita consejos sobre si volver a enviar o continuar esperando.
El lanzamiento b9842 de llama.cpp introduce un cambio para deduplicar las entradas de preset y de modelo en caché en el endpoint /v1/models. Esta actualización está firmada por Adrien Gallouët de Hugging Face.
Esta investigación investiga el uso de modelos de lenguaje grandes para detectar llamadas telefónicas fraudulentas en turco, un idioma con pocos recursos donde los datos anotados son escasos. El estudio presenta el primer conjunto de datos multimodal público que contiene 100 pares alineados de audio y transcripción de conversaciones fraudulentas y benignas.
Este artículo formaliza el problema de la memoria de flota en entornos LLM multi-agente, identificando cuatro modos fundamentales de fallo: fuga no autorizada, propagación obsoleta, persistencia de contradicciones y colapso de procedencia. Para abordar estos problemas, los autores definen primitivas explícitas a nivel del sistema que incluyen recuperación con ámbito, supresión temporal, seguimiento de procedencia y propagación de memoria gobernada por políticas.
Esta investigación prueba si las reglas clásicas de inversión en valor de Benjamin Graham pueden actuar como un filtro matemático para evitar que los modelos complejos de aprendizaje automático memoricen el ruido del mercado. El estudio compara las reglas puras de Graham, los factores modernos y una combinación de ambos contra los modelos XGBoost y AutoGluon utilizando 20 años de datos del S&P 500.
Un estudio investiga el impacto del sobrerechazo en modelos de lenguaje grandes pequeños, ejecutados en dispositivo, al procesar prompts legales, encontrando que los prefijos de estilo autoritario aumentan sistemáticamente las tasas de rechazo entre 2 y 20 veces en comparación con una línea base sin prefijo. Si bien los prefijos de jailbreak mediante role-play mostraron efectos mixtos en diferentes modelos, los resultados indican que estos pequeños LLM son inestables bajo encuadres contextuales típicos de usuarios institucionales reales.
Este artículo presenta ASALT, un método para el aprendizaje de transferencia lateral en el aprendizaje por refuerzo multiagente que se adapta a las dimensionalidades desiguales del espacio de estados entre los dominios de origen y destino. El enfoque utiliza adaptadores a nivel de observación y a nivel de estado para mapear las entradas en un espacio de incrustación compartido, lo que permite una transferencia efectiva del conocimiento entre entornos heterogéneos.
El autor argumenta que actualizar de una a dos GPUs ofrece mayores beneficios mediante el procesamiento paralelo en lugar de habilitar el uso de cuantizaciones de modelos más grandes y de mayor calidad. Para tareas de programación, la diferencia de calidad entre las cuantizaciones Q4 y Q6/Q8 es mínima, haciendo que un mayor contexto y throughput sean más valiosos.
Un usuario de Reddit compartió una imagen titulada "Efecto de GLM 5.2 !!" en el subreddit r/LocalLLaMA.
El autor argumenta que la comunidad de código abierto debería priorizar la construcción de un conjunto de datos masivo y de alta calidad para el pre-entrenamiento, en lugar de intentar coordinar el entrenamiento descentralizado de LLM en GPUs domésticas. Este cambio se presenta como una respuesta más práctica e inmediata a las recientes prohibiciones gubernamentales sobre modelos frontier comerciales y a la escasez de lanzamientos de pesos abiertos pequeños y medianos.
Bolt Graphics está desarrollando una GPU que incluye dos ranuras SODIMM DDR5 para memoria de desbordamiento, con el objetivo de alcanzar la producción completa para Navidad de 2027. La compañía tiene prototipos funcionales y dirige a los creadores como su audiencia inicial.
Este estudio propone un marco probabilístico para el modelado longitudinal de la progresión de la enfermedad de Alzheimer que combina la predicción ordinal del diagnóstico, la generación de trayectorias multi-horizonte y la estimación descompuesta de la incertidumbre. El enfoque utiliza un codificador Temporal Fusion Transformer y una Red de Densidad de Mezclas autoregresiva para generar trayectorias probabilísticas a cinco años mientras cuantifica tanto la incertidumbre aleatoria como la epistémica.
El artículo presenta ScaleToT, un método que aprende razonamiento estructurado a partir de un pequeño subconjunto de usuarios y lo extiende a miles de millones de usuarios de baja actividad con perfiles dispersos. Combina un refinamiento de Tree-of-Thought guiado por entropía acotada con ajuste fino supervisado y optimización de la política de recompensa para transferir capacidades de razonamiento sin inferencia completa de LLM.
Este artículo aborda la abstracción de consultas en el acceso a datos basado en ontologías (OBDA) traduciendo las consultas de datos a la capa de ontología utilizando reglas existenciales y semántica de respuestas ciertas.
Este artículo investiga los desafíos de la verificación de Preguntas de Competencia (PC), un proceso donde las ontologías se evalúan contra preguntas en lenguaje natural para garantizar una modelación adecuada. Los autores analizan por qué las PC se vuelven difíciles y cómo un asistente de LLM puede apoyar a los usuarios durante esta evaluación.
Este artículo presenta una descripción categórica de la causalidad infinitesimal en categorías de Markov de Frobenius equipadas con semántica del fibrado tangente. Define la suficiencia causal mediante la compatibilidad de dos estructuras de Frobenius distintas: una que codifica operaciones clásicas de variables y otra que representa integrabilidad geométrica.
Los autores presentan Themis, un marco de prueba y evaluación habilitado para XAI que combina transparencia a través de la explicabilidad con alineación mediante retroalimentación humana para sistemas seguros de Aprendizaje por Refuerzo.