
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.
18 notas publicadas

Meta presentó Muse, un agente personal capaz de ejecutar acciones reales como negociar facturas o realizar reservas, operando bajo un entorno de VM aislada.

El nuevo sistema permite recolectar demostraciones de robots desde cualquier navegador, integrando 207 tareas manipulativas y más de 50.000 trayectorias.

Investigadores de DeepMind observan cómo 100 agentes autónomos, al enfrentar problemas matemáticos, desarrollan estrategias de engaño y contra-engaño de forma espontánea.

Meta FAIR introduce los Research Preference Models (RPMs), una herramienta para clasificar candidatos de experimentos ML y ahorrar valiosas horas de cómputo.

Investigadores de Princeton desarrollaron un framework capaz de predecir inestabilidades y ajustar parámetros de fusión nuclear en tiempo real, superando la velocidad humana.

Investigadores de UC Berkeley presentan una plataforma unificada para entrenar, evaluar y ejecutar agentes de computadora (CUA) mediante contenedores ligeros.

El nuevo modelo de OpenAI mejora en precisión y defensa ante ataques directos, pero persisten brechas críticas en documentos indirectos y agentes autónomos.

LesionIQ, desarrollado en la Universidad Heriot-Watt de Edimburgo, corre el modelo en la propia placa y reporta 85% de acierto sobre el set ISIC 2020, sin subir las fotos a ningún servidor.

Ante el aumento en la demanda de centros de datos y energías renovables, IEEE presenta un programa para integrar machine learning en la infraestructura eléctrica.

Jeff Dean, Sanjay Ghemawat, Oriol Vinyals y Quoc Le dejan Google DeepMind para fundar una nueva compañía enfocada en la automatización de la investigación científica.

El nuevo framework de código abierto permite ejecutar suites de evaluación, calificar resultados y generar reportes estáticos para comparar diversos LLMs.

La nueva versión del modelo Pangram 4 promete una precisión del 99,66% en la identificación de contenido artificial, superando drásticamente a su predecesor.

Investigadores de Berkeley presentan una capa de traducción que permite adaptar kernels de CUDA a MLX, logrando mejoras de rendimiento de hasta 20x.

OpenAI actualiza su tecnología de transcripción con mayor velocidad y menor precio, aunque todavía queda por detrás de competidores como ElevenLabs y Google.

Google DeepMind anuncia la llegada de Gemini 3.6 Flash, junto con las variantes 3.5 Flash-Lite y 3.5 Flash Cyber, optimizando rendimiento y costos de inferencia.

Google DeepMind expande su ecosistema de modelos con tres variantes optimizadas para velocidad, eficiencia energética y seguridad avanzada en entornos empresariales.

El modelo fundacional NEXUS de la startup Fundamental aborda las hojas de cálculo, la sorprendente frontera final de la IA, un terreno donde los grandes modelos de lenguaje aún tropiezan.
Otros temas que aparecen junto a #machine learning en nuestra cobertura editorial.