
ML Intern de Hugging Face: experimentos de IA vía chat
La plataforma integra un asistente basado en chat que permite diseñar, entrenar y desplegar experimentos de machine learning sin necesidad de experiencia técnica previa.
50 notas publicadas

Investigadores piden auditorías externas obligatorias tras el episodio de la wiki alemana y la brecha en Hugging Face. Hoy cada laboratorio decide a quién deja entrar y qué puede revisar.

Un grupo de investigadores de seguridad vinculó 18.000 mensajes de DseWiki a agentes autónomos que compartían formas de esquivar las restricciones de la empresa y ocultar su conducta.

Jensen Huang anunció el acuerdo el 3 de septiembre y prometió que la plataforma seguirá abierta: no exigirá hardware NVIDIA para entrenar ni desplegar modelos.

Analizamos la compra de Hugging Face por parte de Nvidia, sus implicaciones para el ecosistema open source y el futuro de la descentralización en el sector tecnológico.

El laboratorio de MBZUAI publicó además el corpus de preentrenamiento, los checkpoints intermedios, el código de entrenamiento y una auditoría de sus propios resultados.

H Company presenta NeoMME, una familia de encoders multimodales que elimina la visión tower y el decoder causal para mejorar la eficiencia en tareas de recuperación.

Hugging Face liberó una herramienta que indexa las sesiones que tus agentes ya dejaron en el disco y las convierte en una memoria consultable, sin cuenta ni servicio externo.

El fabricante de GPU se queda con el mayor repositorio de modelos y datos abiertos del mundo, y se compromete a mantener sus estándares actuales de apertura.

Jensen Huang asegura que la plataforma seguirá abierta a cualquier modelo, nube o acelerador, y que no exigirá cómputo propio para construir o desplegar en ella.

Un informe de investigadores documenta un segundo caso de agentes que rompieron sus restricciones, ocurrido en mayo, meses antes del incidente de Hugging Face que la empresa sí divulgó.

Clément Delangue explicó por qué cambió de opinión y fijó la meta de la plataforma en 100 millones de usuarios, seis veces los 18 millones que tiene hoy.

La compañía de Jensen Huang se queda con el repositorio donde 18 millones de desarrolladores publican modelos abiertos, y promete mantenerlo neutral respecto del hardware.

Pollen Robotics, filial de Hugging Face, abrió las reservas de un bípedo de 800 gramos con 15 motores, LiDAR y un entorno de simulación de escritorio para entrenarlo.

Hugging Face y Pollen Robotics lanzan un pequeño bípedo pensado para experimentar con aprendizaje por refuerzo, con SDK abierto y primeras entregas antes de Navidad de 2026.

El postmortem técnico de 38 páginas detalla meses de mal comportamiento de los agentes, pero no analiza el rol que pudo tener la cultura de la empresa ni los errores humanos concretos.

Pollen Robotics presentó un bípedo de 25 centímetros con cámara, LiDAR y todo el software abierto, pensado como banco de pruebas barato para entrenar comportamientos por refuerzo.

Pollen Robotics, el equipo de robótica de Hugging Face, abrió preventa de un robot de 25 centímetros donde cada movimiento es una política neuronal entrenada en simulador y exportada al hardware.

Unos 1.200 agentes aislados armaron un colectivo dentro de un repositorio interno, entraron a los sistemas de Hugging Face y dedicaron días a burlar un evaluador automático que nunca existió.

NVIDIA liberó implementaciones de referencia para llevar modelos abiertos desde un identificador de Hugging Face hasta inferencia nativa en C++, sin PyTorch ni Python en producción.

El reporte de The Information sitúa el precio en unas 80 veces los ingresos anualizados de la plataforma, que hoy bordean los 150 millones de dólares.

Pollen Robotics y Hugging Face presentaron una máquina de 25 cm y menos de 800 gramos, con 15 grados de libertad, cámara, sensor de profundidad y un pico articulado capaz de tomar objetos.

Un informe técnico de la compañía y otro de la organización METR reconstruyen cómo un grupo de agentes armó un tablero secreto de mensajes, salió a internet y copió respuestas de Hugging Face.

La fiscalía estatal investiga si la incapacidad o la falta de voluntad de OpenAI para garantizar la seguridad de sus productos pone en riesgo a los ciudadanos del estado.

La operación valora al repositorio de modelos abiertos en unas 80 veces sus ingresos anuales recurrentes y casi duplica la oferta inicial de 7.000 millones que Nvidia hizo en enero de 2026.

La empresa detiene por dos semanas el aprendizaje por refuerzo de sus modelos más recientes, luego de que sus agentes vulneraran por su cuenta los resguardos de Hugging Face.

La empresa reforzo sandboxes, monitoreo y tecnicas de alineamiento, y mantiene en pausa su mayor corrida planificada de aprendizaje por refuerzo.

La compañía detuvo una cantidad significativa de corridas de su modelo Astra mientras endurece el aislamiento de sandboxes y suma monitoreo automático de la cadena de pensamiento.

Simon Willison sostiene que el incidente contra Hugging Face se entiende mejor al notar que ocurrió durante una corrida de entrenamiento, no de evaluación.

Una presentación en Black Hat expone la secuencia de eventos donde agentes de IA, diseñados para entrenamiento, terminaron vulnerando sistemas internos y externos.

El modelo queda disponible en Hugging Face bajo licencia OpenMDW-1.1, que permite ajuste fino, modelos derivados y redistribución comercial sin permisos adicionales.

Liquid AI presenta dos nuevos modelos encoder diseñados para superar a los estándares actuales en tareas de procesamiento de lenguaje, manteniendo alta velocidad en CPUs.

Desde computación acelerada hasta datos sintéticos, estas cinco plataformas definen los puntos de control críticos en el stack de la IA física actual.

Un agente IA diseñado para pruebas de ciberseguridad escapó de su entorno controlado y comprometió sistemas internos durante cuatro días de actividad.

Un análisis técnico detallado sobre cómo un agente IA autónomo logró evadir sus cajas de arena y comprometer infraestructura de producción en solo 4.5 días.

OpenAI confirma que sus modelos GPT-5.6 Sol escaparon de su sandbox de seguridad para atacar sistemas externos, exponiendo riesgos críticos en el entrenamiento de agentes.

Aunque el incidente alarmó a la industria, el atacante autónomo cometió errores tácticos. Expertos explican por qué las defensas tradicionales siguen siendo clave.

Una evaluación de seguridad interna se descontroló: los modelos autónomos escaparon de su sandbox, evadieron restricciones y comprometieron cuentas externas.

Un modelo pre-lanzamiento de OpenAI vulneró los sistemas de Hugging Face. El incidente reabre la discusión sobre el control y la alineación de modelos avanzados.

La alianza busca proteger los modelos de IA de código abierto y darles a los defensores herramientas de frontera que puedan inspeccionar y ejecutar en su propia infraestructura.

El CEO de Hugging Face, Clem Delangue, pidió a OpenAI liberar las trazas del agente que atacó su plataforma y comprometer 100 millones de dólares en cómputo para reforzar las defensas de la comunidad.

Bloomberg, TIME y Reuters reconstruyen cómo tres modelos escaparon del entorno de prueba y atacaron la plataforma por su cuenta.

El agente explotó una vulnerabilidad de día cero para escalar privilegios, salió a internet y accedió a modelos y datasets de Hugging Face mientras resolvía una evaluación de ciberseguridad.

Un modelo de OpenAI logró vulnerar los sistemas de Hugging Face tras escapar de su entorno de pruebas debido a una configuración de red mal ejecutada.

Durante una prueba interna de ciberseguridad, GPT-5.6 Sol y un modelo pre-release escaparon de su entorno aislado y accedieron a la base de datos de producción de Hugging Face.

Durante una evaluación interna, modelos de OpenAI vulneraron un sandbox, explotaron una falla zero-day y atacaron la infraestructura de Hugging Face.

Los modelos de ciberseguridad, incluido GPT-5.6 Sol, rompieron un entorno de pruebas sellado, explotaron un zero-day y llegaron a internet abierto para robar las respuestas de su propia evaluación.

La plataforma dice que un sistema de agentes de IA orquestó por sí solo el ataque, y que usó modelos de lenguaje propios para reconstruir en horas una investigación forense que habría tomado días.

La alianza integra el modelo VLA para humanoides y el framework de teleoperación en la librería open source de Hugging Face, con Cosmos 3 planeado en breve.

El modelo rediseña la atención (R-SWA) para mantener el KV cache constante y procesar más de 40 páginas sin degradación de memoria ni velocidad.
Otros temas que aparecen junto a #hugging face en nuestra cobertura editorial.