CaminoASI
Últimas 24 h

Investigaciones

Papers y anuncios de los laboratorios de IA, arXiv y los destacados de la comunidad, seleccionados por su relevancia e impacto.

Google DeepMindAnuncioClasificado por JevImpacto 6.3/10

Presentamos AlphaProof Code: un avance en la verificación profunda de software complejo

Los agentes de AlphaProof Code escribieron tres millones de líneas de pruebas en Lean para verificar el núcleo de cifrado de Signal.

Traducción automática · Título original: Introducing AlphaProof Code: a breakthrough in verifying complex software at depth

Seguridad
Google DeepMindAnuncioClasificado por JevImpacto 6.2/10

AlphaGenome 2: descifrar cómo las células leen el ADN para comprender mejor las enfermedades

Predecir cómo las secuencias de ADN y sus variaciones impactan en tipos específicos de células humanas y en las enfermedades.

Traducción automática · Título original: AlphaGenome 2: Deciphering how cells read DNA to better understand disease

Salud
Google DeepMindAnuncioClasificado por JevImpacto 5.9/10

Gemini Robotics 2.5 acelera la destreza general en el mundo real

Nuestro modelo visión-lenguaje-acción más capaz mejora la destreza, la fiabilidad y la seguridad de los robots

Traducción automática · Título original: Gemini Robotics 2.5 accelerates real-world general dexterity

Robótica
PaperClasificado por Jev32 votosImpacto 5.8/10

dNaViT: los códigos discretos son representaciones visuales de propósito general

El modelado autorregresivo discreto, en particular mediante la predicción del siguiente token, se ha convertido en un pilar de los modelos de lenguaje modernos. Extender este paradigma a la visión permite que los modelos visuales y de lenguaje converjan en un marco unificado,…

Traducción automática · Título original: dNaViT: Discrete Codes are General-Purpose Visual Representations

Autores: Xiaotong Li, Zhengrong Yue, Xu Huang y 9 más

IQ / Razonamiento
PaperClasificado por Jev34 votosImpacto 5.6/10

LowRAM: claves de bajo rango y valores amortizados para la compresión componible de la caché KV en tiempo de prueba

La decodificación autorregresiva depende de la caché KV, cuya huella de memoria crece linealmente con la longitud del contexto y limita el tamaño de lote y el rendimiento. Los métodos posteriores al entrenamiento existentes explotan la redundancia entre tokens, capas y…

Traducción automática · Título original: LowRAM: Low-Rank Keys and Amortised Values for Composable KV Cache Compression at Test-Time

Autores: Teresa Delgado, Hugo Hazard, Martin Benfeghoul y 2 más

IQ / Razonamiento
PaperClasificado por Jev19 votosImpacto 5.6/10

La sorprendente eficacia de eliminar pesos en el postentrenamiento de LLM

¿Qué tan poco tiene que cambiar un modelo de lenguaje grande (LLM) preentrenado para adquirir nuevas capacidades? Descubrimos que poner a cero menos del 0,05 % de sus pesos, sin ninguna otra modificación, iguala al ajuste fino completo (FFT) a escala en tres regímenes de…

Traducción automática · Título original: The Surprising Effectiveness of Deleting Weights in LLM Post-Training

Autores: Jack Lu, Zhenbang Yang, Mike Lasby y 3 más

IQ / Razonamiento
Google DeepMindAnuncioClasificado por JevImpacto 5.6/10

Abrimos los conjuntos de datos detrás de nuestros modelos meteorológicos de IA

Conjuntos de datos fundamentales de precipitación y de satélites geoestacionarios para observar el planeta con claridad.

Traducción automática · Título original: Opening the datasets behind our AI weather models

Ambiental
PaperClasificado por Jev34 votosImpacto 5.5/10

Open-HumanScale: una receta abierta para escalar la experiencia humana y robótica para modelos fundacionales encarnados

El video humano en primera persona ofrece una fuente escalable de prioridades de manipulación para el aprendizaje robótico, pero traducir la escala de datos brutos en políticas robóticas generalizables exige una curación de datos y recetas de entrenamiento rigurosas.…

Traducción automática · Título original: Open-HumanScale: An Open Recipe for Scaling Human and Robot Experience for Embodied Foundation Models

Autores: Juncheng Ma, Jiaxin Li, Jiankai Tu y 28 más

Robótica
PaperClasificado por Jev34 votosImpacto 5.4/10

RoboColosseum: Evaluación de la inteligencia física a escala en entornos reales

Las políticas de robots de propósito general deben funcionar en distintos robots, tareas y entornos; sin embargo, la variación que hace informativos los ensayos físicos también los vuelve difíciles de reproducir. Presentamos RoboColosseum, un marco de evaluación distribuido que…

Traducción automática · Título original: RoboColosseum: Evaluating Physical Intelligence at Scale In-The-Wild

Autores: Tan Sang Nguyen, Yi Ru Wang, Shailesh Shailesh y 24 más

Robótica
PaperClasificado por Jev33 votosImpacto 5.3/10

OneTrans-GSR: A Generative Slate Ranking Paradigm Unifying Reranking and Mix-Ranking with One Autoregressive Transformer

Industrial recommender systems allocate substantial computation to pointwise candidate scoring, yet separate reranking and mix-ranking stages still assemble the final exposure slate using hand-crafted rules and specialized low-capacity models. Mix-ranking combines product…

Autores: Feng Cheng, Yu-Hsuan Huang, Fengyi Wang y 13 más

Economía
PaperClasificado por Jev32 votosImpacto 5.3/10

Los LLM no saben lo que saben: evaluación comparativa del autoconocimiento temporal para backtesting financiero

Los backtests financieros de modelos de lenguaje grandes (LLM) solo son significativos si el modelo no conocía ya los resultados que se le pide predecir. Los profesionales se protegen de esto confiando en la fecha de corte de conocimiento indicada por el proveedor,…

Traducción automática · Título original: LLMs Don't Know What They Know: Benchmarking Temporal Self-Knowledge for Financial Backtesting

Autores: Lingfei Qian, Yan Wang, Xueqing Peng y 12 más

Economía
PaperClasificado por Jev21 votosImpacto 5.3/10

Lee menos, resuelve más: lectura dispersa y eficiente en tokens de contenido externo para agentes de IA

Los agentes de IA orientados a la web acceden repetidamente a páginas web, documentos, repositorios y respuestas de herramientas, pero las interfaces de lectura suelen exponer objetos completos cuando solo se necesita evidencia dispersa. Esta lectura excesiva aumenta los costos…

Traducción automática · Título original: Read Less, Solve More: Token-Efficient Sparse Reading of External Content for AI Agents

Autores: Zedong Liu, Jiaan Wu, Xinyang Ma y 5 más

IQ / Razonamiento
Google DeepMindAnuncioClasificado por JevImpacto 5.3/10

Gemini Omni 1.2 Flash: rápido y rentable con clips más largos

Traducción automática · Título original: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

IQ / RazonamientoEntretenimiento
PaperClasificado por Jev39 votosImpacto 5.2/10

Axion 1.0: modelos fundacionales de agentes abiertos, simplificados

Presentamos Axion 1.0, un modelo fundacional de agentes totalmente abierto que combina capacidades agénticas sólidas y amplias con una receta de entrenamiento notablemente simple. Axion 1.0 se entrena en solo tres etapas: dos etapas ligeras de ajuste fino supervisado seguidas…

Traducción automática · Título original: Axion 1.0: Open Agent Foundation Models, Simplified

Autores: Yuqi Jia, Yunjie Tian, Jiayu Zheng y 4 más

IQ / Razonamiento
PaperClasificado por Jev38 votosImpacto 5.2/10

Halley: un plano de control predictivo para redes ópticas de centros de datos de IA

Un modelo de IA de frontera se entrena en un centro de datos de IA, en decenas de miles de aceleradores conectados por una red dedicada, y cada paso de entrenamiento termina con todos ellos intercambiando datos a la vez. Entre los racks, esa red es óptica, y cada una de sus…

Traducción automática · Título original: Halley: A Predictive Control Plane for Optical AI Data Center Networks

Autores: Manav Mishra, Krishna M. Sivalingam

Energía
PaperClasificado por Jev30 votosImpacto 5.2/10

MACaQ: cuantización calibrada rápida y agnóstica al modelo para pesos y activaciones de baja precisión

La cuantización de pesos y activaciones puede reducir el costo de memoria y cómputo de la inferencia en redes neuronales, pero los métodos recientes a menudo requieren una optimización costosa y una propagación de transformaciones de base específica de la arquitectura entre…

Traducción automática · Título original: MACaQ: Fast, Model Agnostic Calibrated Quantization for Low-Precision Weights and Activations

Autores: Lorenz K. Muller, Philippe Bich, Chiara Boretti y 3 más

IQ / Razonamiento
PaperClasificado por Jev27 votosImpacto 5.2/10

Ropedia Xperience 2: un estándar de oro para escalar entornos y comportamientos de IA física

Recientemente se ha demostrado que grandes modelos fundacionales como GPT-6 Astra y Claude Fable 5.1 controlan robots directamente a partir de observaciones visuales. Sin embargo, siguen siendo frágiles en tareas de largo horizonte y con mucho contacto en entornos del mundo…

Traducción automática · Título original: Ropedia Xperience 2: A Gold Standard for Scaling Physical AI Environments and Behaviors

Autores: Hao Li, Fangzhou Hong, Zhaoxi Chen y 18 más

Paper de arXiv destacado en Hugging Face Daily Papers

Robótica
PaperClasificado por Jev26 votosImpacto 5.2/10

YANAMI: un conjunto de datos y benchmark multimodales a gran escala para la interacción con estado multiturno

Los Modelos Multimodales Unificados (UMM) integran la comprensión visual, la generación y la edición dentro de un único marco unificado. Sin embargo, los conjuntos de datos y benchmarks multimodales unificados existentes siguen dominados por tareas de un solo turno. Incluso en…

Traducción automática · Título original: YANAMI: A Large-Scale Multimodal Dataset and Benchmark for Multiturn Stateful Interaction

Autores: Shengyu Wang, Tengyue Nong, Junming Liu y 10 más

Paper de arXiv destacado en Hugging Face Daily Papers

IQ / Razonamiento
PaperClasificado por Jev23 votosImpacto 5.1/10

Bajo la superficie: lo que pasamos por alto cuando hablamos de la evolución de los agentes

La evolución del harness de agentes permite la mejora recursiva autónoma (RSI) sin actualizar los pesos del modelo. Examinamos si las puntuaciones más altas en los benchmarks producen una mejora fiable, eficiente y transferible. Evaluamos cuatro métodos en distintos harness, en…

Traducción automática · Título original: Beneath the Surface: What We Overlook When We Talk About Agent Evolution

Autores: Xiaobo Wang, Zimu Wang, Siyu Ye y 13 más

IQ / Razonamiento
PaperClasificado por Jev20 votosImpacto 5.1/10

Longtail-SWE: tareas SWE de alta calidad para lenguajes poco representados

Los benchmarks desafiantes a nivel de repositorio siguen siendo limitados para muchos ecosistemas de lenguajes de programación, donde filtrar candidatos escasos con descripciones ambiguas o pruebas defectuosas puede descartar problemas de ingeniería valiosos. Presentamos…

Traducción automática · Título original: Longtail-SWE: High-Quality SWE Tasks for Underrepresented Languages

Autores: Vladimir Dobrovolskii, Ibragim Badertdinov, Alexander Golubev

IQ / Razonamiento
PaperClasificado por Jev18 votosImpacto 5.1/10

D3D: Decoupled Diffusion Drafting for Asynchronous Speculative Decoding

Los drafters de difusión condicionados por el objetivo predicen tokens candidatos en paralelo, pero cada nuevo bloque debe esperar a que se actualicen los estados ocultos del modelo objetivo. Esto obliga a que el drafting y la verificación se ejecuten de forma secuencial, lo…

Traducción automática · Título original: D3D: Decoupled Diffusion Drafting for Asynchronous Speculative Decoding

Autores: Baoyou Chen, Ruiqiao Mei, Guancong Lin y 4 más

IQ / Razonamiento
PaperClasificado por Jev87 votosImpacto 5/10

Enrutar cualquier cosa: un estudio del enrutamiento de modelos y políticas para sistemas de IA de propósito general

La inteligencia artificial general (AGI) requiere un método capaz de comprender, generar, razonar y actuar en diversos dominios y modalidades. En lugar de depender de un único modelo que domine todas las capacidades, un camino prometedor hacia la AGI consiste ahora en orquestar…

Traducción automática · Título original: Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems

Autores: Pengfei Zhou, Yixing Ma, Hexin Wang y 4 más

Paper de arXiv destacado en Hugging Face Daily Papers

IQ / Razonamiento
PaperClasificado por Jev64 votosImpacto 5/10

Aprendizaje en contexto del mundo para la manipulación robótica agéntica

Las políticas de acción entrenadas escriben la habilidad de manipulación en los pesos de la red, vinculando lo aprendido a la distribución de la que se aprende. El aprendizaje en contexto (ICL) evita este acoplamiento pero no ha igualado a las políticas entrenadas, porque una…

Traducción automática · Título original: World In-Context Learning for Agentic Robot Manipulation

Autores: Heng Fang, Zehui Guo, Yuehan Zhang y 3 más

Robótica
PaperClasificado por Jev62 votosImpacto 5/10

MoviEdit: edición de video de múltiples tomas y formato largo hecha fácil

La edición de video de múltiples tomas y formato largo requiere que una edición prevista se mantenga coherente a través de cambios abruptos de escena, punto de vista y apariencia del sujeto, mientras se procesa un contexto visual sustancialmente más largo que el de los editores…

Traducción automática · Título original: MoviEdit: Long-form Multi-Shot Video Editing Made Easy

Autores: Suhyeon Lee, Zhengang Li, Soo Ye Kim y 6 más

Entretenimiento
PaperClasificado por Jev56 votosImpacto 5/10

Generación de video en streaming en pocos pasos mediante desplazamiento de condiciones

El muestreo en pocos pasos reduce el costo de la generación de video en streaming. Distribution Matching Distillation (DMD) supervisa a los generadores de pocos pasos con una red de puntuación falsa separada, lo que añade memoria y cómputo de entrenamiento y debe seguir al…

Traducción automática · Título original: Few-Step Streaming Video Generation via Condition Shifting

Autores: Deyuan Liu, Jungang Li, Kaiwen Zheng y 8 más

Entretenimiento
PaperClasificado por Jev54 votosImpacto 5/10

DreamX: el modelo de difusión de video es un aprendiz universal de acciones latentes

Aprender una representación universal de acciones a partir de video requiere modelar dinámicas que sean consistentes entre distintas ejecuciones de la misma acción y, a la vez, invariantes a cambios de corporalidad y apariencia. Los modelos de acciones latentes existentes…

Traducción automática · Título original: DreamX: Video Diffusion Model is a Universal Latent Action Learner

Autores: Jisoo Kim, Chaehyun Kim, Junsu Kim y 6 más

Paper de arXiv destacado en Hugging Face Daily Papers

Robótica
PaperClasificado por Jev50 votosImpacto 5/10

BirdDreams: generación conjunta de vídeo en perspectiva y BEV para un modelo de mundo de conducción plausible y reactivo

Los modelos de mundo de conducción buscan simular cómo se desarrolla una escena bajo distintas acciones del ego. Esto requiere un movimiento plausible de los vehículos circundantes, así como un control preciso de la trayectoria del ego. Aprender el movimiento de los vehículos…

Traducción automática · Título original: BirdDreams: Joint Perspective and BEV Video Generation for a Plausible, Reactive Driving World Model

Autores: Junyoung Seo, Jaewoo Seo, Seungryong Kim y 3 más

Robótica
PaperClasificado por Jev40 votosImpacto 5/10

Una tabla, muchas consultas: evaluación comparativa de modelos tabulares generalistas en generación, imputación y predicción

La generación, la imputación y la predicción evalúan aspectos distintos de una misma distribución tabular, pero suelen evaluarse por separado. Esto deja sin claridad qué capacidades comparten, cómo interactúan sus objetivos de entrenamiento y si un solo modelo puede desempeñar…

Traducción automática · Título original: One Table, Many Queries: Benchmarking Generalist Tabular Models Across Generation, Imputation, and Prediction

Autores: Yuanrui Wang, Kaifang Li, Xuanyue Li y 4 más

IQ / Razonamiento
PaperClasificado por Jev29 votosImpacto 5/10

On the Design of Hyper-Connections: Simplification, Stability, and Scalability

Hyper-Connections (HC) architectures are increasingly adopted in frontier language models, yet their components remain insufficiently understood and introduce non-negligible training overhead. In this work, we systematically study the HC architecture to understand its…

Autores: Xiangdong Zhang, Xiaohan Qin, Sunan Zou y 8 más

IQ / Razonamiento
Google DeepMindAnuncioClasificado por JevImpacto 5/10

Gemini 4 Carbon ya está disponible

Traducción automática · Título original: Gemini 4 Carbon is now available

IQ / Razonamiento
PaperClasificado por Jev42 votosImpacto 5.3/10

Democratizar los agentes de uso de robots: un arnés unificado con modelos abiertos

Los agentes de uso de robots (RUA) han mostrado capacidades prometedoras de manipulación zero-shot, pero la dependencia de modelos propietarios de frontera limita la investigación sobre entrenamiento adicional. Para democratizar la investigación en RUA, presentamos…

Traducción automática · Título original: Democratizing Robot-Use Agents: A Unified Harness with Open Models

Autores: Jiarui Yuan, Yuxin Zuo, Xiaoyu Huang y 25 más

Robótica
PaperClasificado por Jev51 votosImpacto 5.2/10

¿Lo aleatorio es casi suficiente? Compresión de benchmarks estable y de bajo costo mediante BestRand

La compresión de benchmarks reduce el tiempo y el costo, a menudo prohibitivos, de la evaluación de modelos al evaluarlos en un subconjunto pequeño del benchmark que coincide estrechamente con los resultados del benchmark completo. Para cuantificar el error de estimación,…

Traducción automática · Título original: Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand

Autores: George Ling, Shanshan Zhong, Lijin Yang y 3 más

IQ / Razonamiento
PaperClasificado por Jev103 votosImpacto 5.1/10

Wave Forcing: hacia la generación de video en streaming a la velocidad de la luz

La generación de video largo en tiempo real requiere una salida continua con apariencia consistente y movimiento natural. Los métodos autorregresivos por fragmentos existentes enfrentan desafíos tanto en la eficiencia de generación como en la calidad del video largo: la…

Traducción automática · Título original: Wave Forcing: Towards Speed-of-Light Streaming Video Generation

Autores: Yijie Jin, Yuxuan Liu, Jiajun Xu y 7 más

Entretenimiento
PaperClasificado por Jev20 votosImpacto 5.4/10

De la fragmentación a la fusión: un estudio y hoja de ruta para los embeddings omnimodales

Los modelos de embeddings sustentan prácticamente todos los sistemas modernos de IA, desde los motores de búsqueda hasta los sistemas de recomendación. Pese a compartir fundamentos matemáticos, la investigación sobre modelos de embeddings sigue fragmentada por modalidad: las…

Traducción automática · Título original: From Fragmentation to Fusion: A Survey and Roadmap for Omnimodal Embeddings

Autores: Ziyin Zhang, Yuyu Guo, Ying Zhang y 15 más

IQ / Razonamiento
PaperClasificado por Jev69 votosImpacto 5.6/10

La generación de video se encuentra con el arnés de agentes: generación de video agéntica, modelado del mundo agéntico y automejora recursiva

La generación de video está pasando de la síntesis de extremo a extremo hacia la generación agéntica, donde la planificación, el uso de herramientas y la retroalimentación permiten videos de múltiples tomas coherentes y controlables. En paralelo, los modelos del mundo de video…

Traducción automática · Título original: Video Generation Meets Agent Harness: Agentic Video Generation, Agentic World Modeling and Recursive Self-Improvement

Autores: Liaoyuan Fan, Yuhao Zheng, Dongxing Mao y 18 más

Entretenimiento
PaperClasificado por Jev34 votosImpacto 5.2/10

Apriel Voice 27B Preview: un modelo abierto para voz, razonamiento y uso de herramientas

Un asistente de voz capaz debe hacer más que reconocer palabras; debe entender solicitudes, razonar sobre el contexto, mantener conversaciones y actuar mediante herramientas. Presentamos Apriel Voice 27B Preview, un modelo abierto de voz y lenguaje que unifica estas capacidades…

Traducción automática · Título original: Apriel Voice 27B Preview: An Open Model for Speech, Reasoning, and Tool Use

Autores: Aman Tiwari, Akshay Kalkunte, Akintunde Oladipo y 28 más

IQ / Razonamiento
PaperClasificado por Jev36 votosImpacto 5/10

Leer, asignar, enrutar: tokenización acoplada por roles para Transformers generativos en espacio de píxeles

Los Transformers generativos en espacio de píxeles suelen usar un token por parche de imagen, por lo que capturar detalles más finos requiere más tokens y encarece cada vez más la atención global. Observamos que el detalle más fino no requiere necesariamente más comunicación…

Traducción automática · Título original: Read, Allocate, Route: Role-Coupled Tokenization for Pixel-Space Generative Transformers

Autores: Jiongfan Yang, Weichen Fan, Haiwen Diao y 2 más

Paper de arXiv destacado en Hugging Face Daily Papers

Arte
PaperClasificado por Jev44 votosImpacto 5/10

L3G-World: generación de mundos infinitos en tiempo real con memoria latente de Gaussianas 3D

Los modelos de mundo interactivos generan contenido visual condicionado por las acciones del usuario, pero mantener la coherencia espacial en exploraciones de largo horizonte en tiempo real sigue siendo un desafío. Los enfoques existentes dependen del contexto temporal o de…

Traducción automática · Título original: L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory

Autores: Jinhyeok Choi, JoungBin Lee, Jongmin Lee y 5 más

Paper de arXiv destacado en Hugging Face Daily Papers

Entretenimiento
PaperClasificado por Jev26 votosImpacto 5/10

HairDeck: tarjetas de cabello estilizadas listas para animación a partir de una sola imagen

El cabello de los personajes estilizados en juegos y avatares se construye con tarjetas de cabello: cintas colocadas por el artista cuya geometría es el cabello visible, animadas mediante huesos de resorte. Los métodos existentes basados en imágenes producen cabello realista o…

Traducción automática · Título original: HairDeck: Animation-Ready Stylized Hair Cards from a Single Image

Autores: Yuze He, Yixiang Wei, Wang Zhao y 3 más

Paper de arXiv destacado en Hugging Face Daily Papers

Entretenimiento
PaperClasificado por Jev24 votosImpacto 5/10

Wizard: manipula cualquier mundo en tiempo real mediante control agéntico

Los recientes avances en modelos de mundo de video han permitido generar entornos virtuales cada vez más realistas e interactivos, abriendo nuevas posibilidades para jugabilidades personalizables por el jugador. Los marcos agénticos impulsan aún más esta dirección al desacoplar…

Traducción automática · Título original: Wizard: Manipulate Any World in Real Time via Agentic Control

Autores: Yuzhe Wu, Zijun Lin, Yeying Jin

Entretenimiento
PaperClasificado por Jev239 votosImpacto 5.3/10

Intrinsic Distribution Matching

La generación de texto a imagen en uno o pocos pasos debe representar con precisión los detalles especificados en el prompt pese a las limitadas oportunidades de refinamiento. La destilación por coincidencia de distribuciones (DMD) utiliza diferencias de puntuación para acercar…

Traducción automática · Título original: Intrinsic Distribution Matching

Autores: Deyuan Liu, Yansen Han, Kaiwen Zheng y 7 más

Arte
PaperClasificado por Jev70 votosImpacto 5/10

Demostrar y mejorar la hipótesis de la representación platónica con JEPAs

Que los modelos entrenados con distintas modalidades converjan hacia la misma representación del mundo es un tema central en la IA. La hipótesis de la representación platónica (PRH) conjetura que lo hacen a medida que escalan, pero sin una demostración no ofrece ni una garantía…

Traducción automática · Título original: Proving and Improving the Platonic Representation Hypothesis with JEPAs

Autores: Randall Balestriero, Yann LeCun

IQ / Razonamiento
Google DeepMindAnuncioClasificado por JevImpacto 5.3/10

Gemini 4 Carbon: nuestro próximo modelo de frontera

Traducción automática · Título original: Gemini 4 Carbon: Our next frontier model

IQ / Razonamiento
PaperClasificado por Jev22 votosImpacto 5.4/10

Venus-DefakerOne2: un modelo fundacional de visión forense con una cobertura más amplia

La falsificación en el mundo real es intrínsecamente heterogénea: se manifiesta no solo como manipulación digital, sino también como suplantación física, y no solo en imágenes, sino también en videos. A pesar de los avances sustanciales, un modelo fundacional unificado…

Traducción automática · Título original: Venus-DefakerOne2: A Vision-Forensics Foundation Model with Broader Coverage

Autores: Chenfan Qu, Yachao Liang, Mingqi Fang y 27 más

Seguridad
PaperClasificado por Jev90 votosImpacto 5.4/10

¿Pueden los tokens discretos servir como representaciones semánticamente sin pérdida de señales visuales?

Los tokens visuales discretos representan la visión en una forma discreta análoga al lenguaje, ofreciendo una interfaz nativa para el modelado multimodal bajo un objetivo compartido de predicción del siguiente token. Sin embargo, se asume ampliamente que el error de…

Traducción automática · Título original: Can Discrete Tokens Serve as Semantically Lossless Representations of Visual Signals?

Autores: Jialv Zou, Xiaotong Li, Zhengrong Yue y 6 más

Paper de arXiv destacado en Hugging Face Daily Papers

IQ / Razonamiento
PaperClasificado por Jev29 votosImpacto 5.3/10

Sigue el gradiente: rastrear la degradación de la seguridad hasta los datos de entrenamiento

El ajuste fino de modelos de lenguaje grandes (LLM) con datos de instrucciones puede erosionar silenciosamente su seguridad, incluso cuando ningún ejemplo de entrenamiento parece dañino. Como estos datos que degradan la seguridad parecen benignos, los filtros de contenido…

Traducción automática · Título original: Follow the Gradient: Tracing Safety Degradation Back to Training Data

Autores: Saket Reddy, Amro Abbas, Anshuman Suri y 3 más

Seguridad
OpenAIAnuncioClasificado por JevImpacto 6/10

El mundo laboral en expansión de ChatGPT

Explora los datos de OpenAI Signals sobre 165 actividades laborales en casi 100 países, que revelan cómo las personas usan ChatGPT para trabajar y cómo cambia su uso con el tiempo.

Traducción automática · Título original: ChatGPT’s expanding world of work

Economía
PaperClasificado por Jev97 votosImpacto 5.5/10

Agentes de trabajo: sistemas, capacidades y optimización

A medida que los modelos fundacionales evolucionan de la generación de información a la ejecución de trabajo digital, los agentes son cada vez más capaces de completar tareas complejas en herramientas, aplicaciones y flujos de trabajo. Sin embargo, la investigación existente…

Traducción automática · Título original: Work Agents: Systems, Capabilities, and Optimization

Autores: Zishan Xu, Enjun Du, Mingqi Gao y 13 más

Paper de arXiv destacado en Hugging Face Daily Papers

IQ / Razonamiento
PaperClasificado por Jev51 votosImpacto 5/10

OmniShowcase: generación de video omnidireccional con consistencia de sujeto a partir de imágenes multivista

Generar videos de un sujeto específico a partir de unas pocas imágenes de referencia sigue siendo un desafío cuando la cámara revela superficies que no son visibles en la entrada. Los primeros métodos de sujeto a video (S2V) se condicionan con una sola imagen de referencia y,…

Traducción automática · Título original: OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images

Autores: Junyeong Ahn, Geonwoo Kim, Kinam Kim y 4 más

Entretenimiento
PaperClasificado por Jev151 votosImpacto 5.3/10

Memory Tax: diseccionando el valor neto de la memoria de los agentes

La memoria se usa cada vez más en agentes de horizonte largo, pero el valor neto de construir memoria frente a la recuperación directa del historial sin procesar sigue sin estar claro. Mediante una evaluación a gran escala en múltiples benchmarks y modelos base, encontramos que…

Traducción automática · Título original: Memory Tax: Dissecting the Net Value of Agent Memory

Autores: Xuan He, Sining Zhoubian, Ruozhen Yang y 8 más

IQ / Razonamiento
PaperClasificado por Jev33 votosImpacto 5.2/10

AV-FABLE: Análisis forense de manipulación audiovisual en videos de larga duración

Las manipulaciones localizadas con IA en videos de larga duración suelen afectar a eventos breves dentro de un contenido por lo demás auténtico, lo que hace que la clasificación a nivel de video sea insuficiente para el análisis forense. Los benchmarks existentes de deepfakes…

Traducción automática · Título original: AV-FABLE: Audio-Visual Manipulation Forensics in Long-Form Videos

Autores: Yuesheng Huang, Hoi Fan Au, Jiaqi Hou y 8 más

Seguridad
PaperClasificado por Jev41 votosImpacto 5.1/10

WorldCast: generación de video de personajes con consistencia del mundo y control de cámara de gran ángulo

El control preciso de la cámara es esencial para la generación cinematográfica de video de personajes, pero los métodos existentes tienen dificultades para seguir trayectorias de gran ángulo con rotación, traslación y variación de radio combinadas desde acimuts iniciales…

Traducción automática · Título original: WorldCast: World-Consistent Character Video Generation with Large-Angle Camera Control

Autores: Lei Cao, Yu Liu, Wenhua Liao y 7 más

Entretenimiento
PaperClasificado por Jev152 votosImpacto 5/10

Extracción eficiente de audio y vídeo del hablante objetivo en streaming para escenarios acústicos del mundo real

La extracción de audio y vídeo del hablante objetivo en streaming (AVTSE) es esencial para aplicaciones sensibles a la latencia. Sin embargo, los sistemas causales actuales presentan dos brechas acopladas. Primero, los benchmarks estándar fijan el número de hablantes en dos e…

Traducción automática · Título original: Efficient Streaming Audio-Visual Target Speaker Extraction for Real-World Acoustic Scenes

Autores: Wendi Sang, Kai Li, Yifan Li y 2 más

PaperClasificado por Jev142 votosImpacto 5/10

Juicio por rastro: evaluación comparativa de los arneses de agentes de IA para la fiabilidad y la atribución de fallos

Los agentes LLM se usan cada vez más para resolver problemas del mundo real, y su eficacia depende tanto de los modelos subyacentes como de los arneses que sustentan su funcionamiento. Sin embargo, la mayoría de los benchmarks existentes se centran en las capacidades de los…

Traducción automática · Título original: Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution

Autores: Zhiyong Cao, Hengjie Zhu, Yongxin Wang y 20 más

IQ / Razonamiento
Google DeepMindAnuncioClasificado por JevImpacto 6.3/10

Más allá de la cobertura arbórea: cartografiando los tipos de bosque del mundo

Un mapa global que clasifica cada parcela de 10 metros de terreno en la Tierra en distintos tipos de bosque.

Traducción automática · Título original: Beyond tree cover: mapping the world’s forest types

Ambiental
PaperClasificado por Jev174 votosImpacto 5/10

Hacer que los latentes de los MLLM importen: aprendizaje predictivo con reconocimiento de factores para la generación de video cinematográfico

La generación de video cinematográfico requiere tanto inferencia temporal a partir de entradas limitadas (es decir, una guía dispersa en lugar de fotograma por fotograma) como un control con reconocimiento de factores de personaje, escena, acción y cámara. Los modelos de…

Traducción automática · Título original: Making MLLM Latents Matter: Factor-Aware Predictive Learning for Cinematic Video Generation

Autores: Songlin Yang, Zhe Wang, Xiaotong Zhao y 8 más

Entretenimiento
PaperClasificado por Jev220 votosImpacto 5/10

Leer, escribir, compartir e interactuar con el mundo a través del video

Los modelos fundacionales de video han avanzado rápidamente en la comprensión y generación de secuencias visuales, mientras que los modelos del mundo de video buscan capturar la dinámica subyacente del mundo que representan. A pesar de sus diferentes objetivos, ambos conciernen…

Traducción automática · Título original: Reading, Writing, Sharing, and Interacting with the World through Video

Autores: Shengqiong Wu, Meng Luo, Bobo Li y 5 más

Entretenimiento
PaperClasificado por Jev19 votosImpacto 5.1/10

HiP3R: grafos jerárquicos de poses para reconstrucción 3D de largo horizonte

Los modelos feed-forward estiman con precisión el movimiento de cámara y la geometría 3D a partir de ventanas de video cortas. Sin embargo, los costos computacionales y de memoria impiden la inferencia directa en secuencias de miles de fotogramas. Por lo tanto, los videos…

Traducción automática · Título original: HiP3R: Hierarchical Pose Graphs for Long-Horizon 3D Reconstruction

Autores: Zunnan Xu, Shangchen Zhou, Yihang Luo y 1 más

Robótica
PaperClasificado por Jev24 votosImpacto 5/10

Tareas distintas, pasos temporales distintos: cuantización temporal consciente de la tarea para modelos de lenguaje de difusión

Los modelos de lenguaje de difusión (DLM) plantean desafíos únicos de cuantización debido a su proceso iterativo de eliminación de ruido. En este trabajo revelamos que la sensibilidad a la cuantización depende tanto de la tarea como del tiempo, y que distintas tareas…

Traducción automática · Título original: Different Tasks, Different Timesteps: Temporal Task-Aware Quantization for Diffusion Language Models

Autores: Ofek Avivi, Eliron Rahimi, Avi Mendelson y 1 más

IQ / Razonamiento
PaperClasificado por Jev101 votosImpacto 5.1/10

IQuest-Q1: Avanzando en las capacidades fundamentales para sistemas CLI agénticos

Presentamos IQuest-Q1, un modelo fundacional agéntico de Mezcla de Expertos (MoE) dispersa con 320B de parámetros totales (15B activados). IQuest-Q1 se desarrolla mediante un proceso de tres etapas: (1) preentrenamiento estable y eficiente, combinando Stable SplitNorm, Muon y…

Traducción automática · Título original: IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems

Autores: A. Jian Yang, An Huang, Bo Dan y 174 más

IQ / Razonamiento
PaperClasificado por Jev47 votosImpacto 5/10

UserArena: evaluación comparativa de la simulación interactiva de usuarios para agentes de compras de horizonte largo

La recomendación agéntica persigue los objetivos del comprador mediante secuencias de decisiones dependientes del contexto. Desarrollar y evaluar dichas políticas requiere modelos fieles del mundo de la recomendación que capturen tanto el entorno interactivo de compras como las…

Traducción automática · Título original: UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents

Autores: Jujia Zhao, Jiakai Tang, Jing Yu y 6 más

Economía
PaperClasificado por Jev25 votosImpacto 5.4/10

Agent Mosaic: cómo detectar filtraciones de confidencialidad en sistemas de agentes basados en LLM

Los agentes modernos basados en LLM pueden recuperar información de documentos accesibles y luego revelar una conclusión sensible ensamblada a partir de ellos. Este efecto mosaico crea un riesgo crítico para los agentes que operan sobre datos confidenciales. Cuantificamos su…

Traducción automática · Título original: Agent Mosaic: Recognizing Confidentiality Leaks in Agentic LLM Systems

Autores: Daniel Ruiz, Luca Luceri, Emilio Ferrara

Seguridad
PaperClasificado por Jev12 votosImpacto 5.1/10

Agentes encarnados multimodales: una perspectiva unificada centrada en capacidades, del uso de computadoras al uso de robots

Los agentes multimodales (MMA) mantienen la interacción mediante razonamiento, memoria, herramientas y retroalimentación, de forma más visible como agentes de uso de computadoras, mientras que los sistemas robóticos (RS) acoplan la percepción y la actuación bajo dinámicas…

Traducción automática · Título original: Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use

Autores: Yanzhe Chen, Ziyi Yang, Jifeng Zhu y 14 más

Paper de arXiv destacado en Hugging Face Daily Papers

Robótica
PaperClasificado por Jev28 votosImpacto 5.2/10

Composicionalidad de la generación aumentada por recuperación

La generación aumentada por recuperación (RAG) fundamenta los grandes modelos de lenguaje en conocimiento externo. Los pipelines modernos combinan embedding, chunking, recuperación, reranking, aumento de consultas, compresión de contexto y verificación agéntica, pero estas…

Traducción automática · Título original: Retrieval Augmented Generation Compositionality

Autores: Ido Levy, Segev Shlomov, Leshem Choshen

IQ / Razonamiento
PaperClasificado por Jev13 votosImpacto 5.3/10

TraceForge: destilar con tu propio razonamiento

Usar un LLM para generar datos de entrenamiento para otro es una de las formas más generales de entrenar uno, y sigue siendo una práctica común. Algunos equipos de frontera han cerrado esa vía para sus propios modelos: lo que se recibe es una respuesta, o un breve resumen, sin…

Traducción automática · Título original: TraceForge: Distilling with Your Own Thinking

Autores: Yan Wang

IQ / Razonamiento
PaperClasificado por Jev38 votosImpacto 5.1/10

LaLa-World: escalando modelos del mundo latentes con acciones en lenguaje natural

Este artículo muestra que los modelos del mundo latentes (LWM) de estilo JEPA pueden aprender en diversos dominios y fuentes de datos al adoptar la interfaz condicionada por lenguaje de los modelos de generación de video. Establecemos este enfoque como una base eficaz y…

Traducción automática · Título original: LaLa-World: Scaling Latent World Models with Natural Language Actions

Autores: Junha Song, Geonmo Gu, Jeongeun Park y 5 más

IQ / Razonamiento
PaperClasificado por Jev21 votosImpacto 5.3/10

¡Articulaciones, cámara, acción! Cogeneración de movimiento 3D y video para rigs arbitrarios

Los modelos de generación de video ya pueden representar movimiento de forma notablemente realista. Sin embargo, no está claro cómo usar ese movimiento más allá de los píxeles: para animar un recurso 3D específico y reproducir la animación en su escena 3D. Por ejemplo, un…

Traducción automática · Título original: Joints, Camera, Action! Co-Generating 3D Motion and Video for Arbitrary Rigs

Autores: Noam Rotstein, Yoad Tewel, Chen Tessler y 5 más

Paper de arXiv destacado en Hugging Face Daily Papers

Entretenimiento
PaperClasificado por Jev29 votosImpacto 5.1/10

OvisOCR3 Technical Report

We introduce OvisOCR3, a 0.8B model for a broad range of OCR-related tasks. OvisOCR3 unifies document parsing, general OCR, key information extraction (KIE), document figure captioning, and cross-page table reconstruction in a single model. We train the model on real and…

Autores: Yu Xia, Yinglun Li, Yuhui Chen y 12 más

PaperClasificado por Jev41 votosImpacto 5.1/10

SolarRenderer: renderizado de referencia generativo en pocos pasos

Los motores de juego y los agentes de programación pueden especificar el diseño, el movimiento y la cámara de una escena, pero convertir esa estructura aproximada en video realista requiere un renderizador que siga la estructura y complete la apariencia que deja abierta. Los…

Traducción automática · Título original: SolarRenderer: Few-Step Generative Reference Rendering

Autores: Guian Fang, Shengju Qian, Dongyue Lu y 6 más

Paper de arXiv destacado en Hugging Face Daily Papers

Entretenimiento
PaperClasificado por Jev108 votosImpacto 5.4/10

Ingeniería de caché para agentes

Los agentes de modelos de lenguaje grandes (LLM) pueden manejar tareas cada vez más complejas, recorriendo largas trayectorias de observaciones y acciones. A medida que estas trayectorias crecen, la E/S y el almacenamiento de la caché de clave-valor (KV) se convierten en el…

Traducción automática · Título original: Cache Engineering for Agents

Autores: Tianyu Fu, Ruoxi Wang, Zihan Min y 6 más

IQ / Razonamiento
PaperClasificado por Jev33 votosImpacto 5/10

Code2Video-Compass: un benchmark integral para la generación de video basada en código de propósito general en T2V, I2V y V2V

La generación de video basada en código ofrece control detallado, edición específica y reutilización de componentes en comparación con la generación directa de video. Este enfoque requiere que los modelos de lenguaje grandes multimodales (MLLM) traduzcan requisitos visuales y…

Traducción automática · Título original: Code2Video-Compass: A Comprehensive Benchmark for General-Purpose Code-Based Video Generation across T2V, I2V, and V2V

Autores: Zhenghan Chen, Zekai Shao, Xin Lin y 2 más

Entretenimiento
PaperClasificado por Jev25 votosImpacto 5/10

Meta Expert: uso compartido de expertos entre capas para un MoE eficiente en almacenamiento y recuperación

A medida que los parámetros de los modelos aumentan, los enfoques de Mezcla de Expertos (MoE) con activación dispersa se han vuelto esenciales para escalar los modelos. Sin embargo, los modelos convencionales adoptan actualmente arquitecturas jerárquicas, en las que los…

Traducción automática · Título original: Meta Expert: Cross-Layer Expert Sharing for Storage- and Retrieval-Efficient MoE

Autores: Ermo Hua, Xiangyu Hong, Baiting Wu y 11 más

IQ / Razonamiento
PaperClasificado por Jev19 votosImpacto 5.4/10

Specter: inferencia rápida de MoE mediante offloading especulativo de varios pasos habilitado por cuantización

Los modelos de mezcla de expertos (MoE) a menudo superan la capacidad de memoria de un solo acelerador. Descargar los expertos a la memoria del host crea un grave cuello de botella de E/S en PCIe porque el enrutamiento dependiente de los datos mantiene las transferencias en la…

Traducción automática · Título original: Specter: Fast MoE Inference via Quantization-Enabled Multi-Step Speculative Offloading

Autores: Wenfeng Wang, Xiaofeng Hou, Xinfeng Xia y 5 más

IQ / Razonamiento