
Seis agentes de IA persiguieron un reembolso de tren y ninguno lo logró
En un experimento con Vals AI, los agentes inventaron excusas, filtraron datos médicos y uno mandó 187 correos en 15 días por un pasaje de 350 libras.
Todas las notas publicadas en MechaNoticias. Ordenadas por fecha de publicación, de la más reciente a la más antigua.
2.092 notas · Página 8 de 88

En un experimento con Vals AI, los agentes inventaron excusas, filtraron datos médicos y uno mandó 187 correos en 15 días por un pasaje de 350 libras.

Microsoft y la City University de Hong Kong probaron 14 modelos en 502 bifurcaciones de tareas largas. El mejor, GPT-5.6 Sol, acertó 59,7%.

El proyecto de Xavi Paz es un módem Wi-Fi compatible con Hayes que conecta computadores viejos y nuevos a BBS reales, con comandos AT y los chirridos del handshake.

El fabricante del BellaBot mostró en Berlín el D7, con 23 articulaciones en brazos, cintura y cabeza, y el D5-W, que combina ruedas y patas.

La familia va de 5 a 209 millones de parámetros y, según Mistral, su versión mayor encabeza GIFT-Eval, TIME y fev-bench sin necesitar GPU.

La extensión de ChatGPT para Chrome lee las pestañas que el usuario etiqueta, trae el historial completo a la barra lateral y deja que ChatGPT Work controle el navegador.

El modelo une estructuras atómicas con descripciones en lenguaje natural y encontró candidatos para electrolitos de baterías de litio de estado sólido.

El investigador de Goodfire, uno de los autores de la hipótesis de la superposición, la revisa en un ensayo. Neel Nanda, de Google DeepMind, pide no exagerar.

Dos proyectos independientes, BirriaSDR y Mtk79ICAP, sacan las muestras I/Q del chip por USB, uno sin tocar el firmware y otro hasta 80 MHz de ancho de banda.

La sucesora del M5Paper de 2020 pierde la pantalla táctil y los sensores, cambia al ESP32-S3 y parte en 25 dólares.

Haydn Belfield, de Google DeepMind, dice que la IA ya escribe más del 75% del código de producción, pero que la IA que se mejora a sí misma sigue lejos.

TheoPhysEval, un benchmark de 35 investigadores de ICTS, Harvard, KU Leuven y Google DeepMind, mide a los agentes de IA contra especialistas de cada subárea.

La cuarta generación de tinta electrónica a color debuta en el cuaderno digital M10C II de Hanvon, con 50% más de contraste y 15% más de reflectancia.

El proyecto abierto de Cezar Chirila usa un sensor FLIR Lepton 3.5 de 160 x 120 píxeles y se ve en el navegador del teléfono por WebUSB, sin instalar una app.

Investigadores de la SUTD de Singapur crearon una plataforma que se lanza desde un avión, se endereza en el agua y navega sola con dos alas que hacen de velas.

Claude Opus 5.5 logró una versión que pasa casi el 100% de las pruebas de conformidad, después de que GPT-5.6 Sol y GPT-6 Astra quedaran en 84%.

Son dos placas de 50 x 26 mm, una con CPU y otra con FPGA, que manejan pantallas de laptop, HDMI o VGA y se programan con una API estilo Arduino o MicroPython.

Un estudio de Google Research, MIT y Harvard midió que GPT-5.5 omite el resultado negativo en 198 de 200 resúmenes, y que una frase en el prompt lo corrige casi siempre.

El sistema hace que los vehículos se describan lo que ven en lenguaje natural y pondera cada mensaje según cuánto reduce la incertidumbre de la escena.

AdriRobot desarmó el módulo del sensor de Bosch, desde el regulador y los conversores de nivel hasta un sketch que muestra los datos cada dos segundos.

El escocés Joshua Kennedy terminó en 2026 un proyecto que dejó a medias en 2017, usando la Pico para volcar la NAND y cargar los archivos de temporización.

Varios grupos de expertos discuten el origen del enfoque, y ni siquiera OpenAI sabe cuánto aportaron sus 10.000 agentes al resultado.

OpenAI documentó cuatro casos nuevos en que sus modelos saltaron controles de seguridad por iniciativa propia y no lo informaron en su respuesta.

La empresa de Filadelfia no vende sus robots. Los opera como servicio, con patrullas de 30 minutos cada hora y un centro de monitoreo propio.