IBM ha lanzado Granite 4.2, una familia de modelos de lenguaje grandes (LLM) de razonamiento densos y solo-decodificador en tamaños de 3B, 8B y 30B. Estos modelos están preentrenados desde cero con aproximadamente 15 billones de tokens y cuentan con una ventana de contexto ampliada a 512K tokens.
Multiverse Computing presenta la Curación Consciente de Cuantización (QAH), un método que destila grandes modelos de lenguaje comprimidos y cuantizados directamente a partir de sus maestros originales previos a la compresión. Aplicado a un modelo GPT-OSS 120B comprimido a 60B parámetros y cuantizado a MXFP4, el enfoque produce un modelo que supera su propia versión bfloat16 de precisión completa en 7 de los 9 benchmarks.
MuJoCo Warp (MJWarp), basado en NVIDIA Warp, permite que los modelos compatibles de MuJoCo se ejecuten a escala de GPU, posibilitando el avance de cientos o miles de mundos de simulación independientes en una sola llamada. Esta arquitectura desplaza el enfoque desde la minimización de la latencia para un solo entorno hacia la mejora del rendimiento agregado, lo cual favorece el aprendizaje por refuerzo y el muestreo a gran escala.
NVIDIA ha lanzado Nemotron 3 Diarization, un modelo de pesos abiertos con 100M de parámetros para diarización de hablantes en tiempo real que admite hasta ocho hablantes. El modelo ocupa el puesto #1 en la lista de clasificación Diarization-Bench de VoiceArena con una Tasa de Error de Diarización (DER) del 14.72%, superando al siguiente sistema clasificado con una reducción relativa aproximada del 24%.
El Instituto de Seguridad de IA del Reino Unido (AISI) ha puesto a disposición pública los métodos de evaluación y los hallazgos reportados a través de la plataforma Evaluation Cards de EvalEval para mejorar la reproducibilidad de los benchmarks. Esta publicación incluye resultados verificados, contexto e información de configuración para cinco benchmarks específicos: HealthBench, FrontierMath, Humanity's Last Exam, SWE-Bench Pro y Terminal-Bench 2.0.
La biblioteca Transformers de Hugging Face ahora admite la carga de modelos cuantizados en formato GGUF, aprovechando los núcleos subyacentes de ggml para acercar el rendimiento al de llama.cpp. Esta integración permite a los desarrolladores ejecutar puntos de control cuantizados directamente dentro de la API estándar basada en PyTorch en hardware compatible.
Jun Kim, creador y mantenedor de oMLX, se ha unido a Hugging Face para apoyar a la comunidad MLX. Este movimiento tiene como objetivo proporcionar estabilidad y un desarrollo más rápido al proyecto de código abierto, pasando de ser un trabajo secundario a una iniciativa totalmente mantenida y financiada.
La biblioteca tokenizers ha lanzado una versión candidata a release 1 que mejora significativamente el rendimiento para la codificación de texto, abordando cuellos de botella en los flujos de trabajo de entrenamiento y servicio. La actualización mantiene compatibilidad con la API de v0.23 mientras proporciona aceleraciones sustanciales en diez familias de modelos.
Multiverse ha publicado un artículo que detalla un método que reformula la poda de modelos de lenguaje grandes como un problema de optimización binaria restringida mapeado a un vidrio de Ising. Al tratar los bloques del transformador como espines con acoplamientos por pares derivados de la Hessiana de la pérdida, el enfoque identifica configuraciones óptimas de eliminación de bloques sin requerir evaluación iterativa.
Los investigadores han introducido "directrices de consistencia" dentro del sistema ALTK-Evolve, un nuevo mecanismo diseñado para abordar la variabilidad en el rendimiento de los agentes LLM que a menudo ocultan las métricas estándar de precisión promedio. Al identificar y estabilizar los puntos de decisión propensos a cambios, este enfoque mejora significativamente la consistencia del éxito de la tarea sin sacrificar la capacidad general.
TRL v1.14 introduce soporte para LoRA en AsyncGRPOTrainer, permitiendo entrenar un adaptador de Low-Rank Adaptation y sincronizar únicamente ese pequeño archivo con los trabajadores de inferencia de vLLM. Esta arquitectura desacopla los trabajos de entrenamiento y generación en máquinas separadas mediante el uso de un Storage Bucket compartido como puente de sistema de archivos, eliminando la necesidad de NCCL o comunicación directa de red entre nodos.
Gradio ha lanzado Workflow1111, un proyecto que reconstruye la mayoría del conjunto de funciones de stable-diffusion-webui de AUTOMATIC1111 utilizando el framework gr.Workflow. La aplicación consiste en un único lienzo que contiene once pipelines multimedia construidos a partir de setenta y tres nodos, cubriendo tareas de texto a imagen, imagen a video y varias tareas de preprocesamiento.
IBM ha lanzado Granite Time Series PatchTST-FM-r2, un modelo base de series temporales de ~385M parámetros que alcanza rendimiento de última generación en cero disparos en el tablero de clasificación GIFT-Eval bajo licencias comerciales permisivas.
Un artículo de Multiverse Computing presenta un método para entrenar modelos de lenguaje a rechazar solo subconjuntos específicos dañinos de un tema, en lugar de toda la categoría, abordando las limitaciones de las barreras de guardia ciegas a nivel de tema. El enfoque utiliza auto-distilación consciente de límites con reparación de cobertura y datos benignos dentro de la distribución para mantener la seguridad mientras se reducen los falsos rechazos en solicitudes legítimas.
Los investigadores presentan NeoMME, una familia de codificadores multimodales multilingües de 260M y 800M que procesan texto y parches de imagen crudos utilizando un único Transformer bidireccional. A diferencia de los modelos de lenguaje visual generativos, NeoMME no depende de torres visuales preentrenadas por separado ni de decodificadores causales; entrena todo el modelo desde cero con un objetivo de difusión discreta enmascarada.
Hugging Face ha lanzado funes, una herramienta que transforma los registros de sesiones de agentes de código existentes en una capa de memoria duradera y buscable para Claude Code, Codex, pi y Hermes. Indexa rastros localmente usando búsqueda vectorial y BM25, permitiendo a los agentes recuperar la procedencia exacta sin servicios externos.
Una guía demuestra el ajuste fino del modelo Liquid AI LFM2.5-350M utilizando la Optimización Relativa de Políticas en Grupo (GRPO) para mejorar la generación de salidas estructuradas. El proceso implica entrenar en un subconjunto del conjunto de datos NVIDIA Nemotron y evaluar el rendimiento a través de la benchmark IFStruct.
Un ingeniero ha liberado como código abierto una reproducción del proyecto viral de Surya Narreddi, que entrena un modelo de programación para pintar acuarelas utilizando JavaScript y aprendizaje por refuerzo. La implementación utiliza la biblioteca TRL y OpenEnv para crear un pipeline de extremo a extremo en Hugging Face para entrenamiento, puntuación e inferencia.
IBM y Confluent han integrado los Modelos Fundamentales de Series Temporales Granite (TSFM) de IBM en Confluent Cloud, permitiendo la predicción y detección de anomalías en tiempo real directamente dentro de Apache Flink.
Los investigadores presentan BenchMIRT, un método para auditar benchmarks de modelos de lenguaje grandes a nivel de prompt individual utilizando Teoría de Respuesta al Ítem multidimensional. Al analizar el rendimiento en 100 modelos y 34.000 preguntas, la herramienta desentraña capacidades mezcladas como seguridad y razonamiento general que a menudo oscurecen las puntuaciones del benchmark.