OpenAI lanza nuevas herramientas Codex para el trabajo de oficina
Descubre las nuevas herramientas de OpenAI Codex para profesionales. Aumenta tu productividad con IA diseñada para el trabajo de cuello blanco. ¡Lee más!
#agentes
Microsoft MXC: sandbox OS para agentes de IA con OpenAI y Nvidia
Microsoft presenta MXC, un sandbox a nivel de SO que permite ejecutar agentes de IA de forma segura en Windows, con soporte de OpenAI y Nvidia.
OpenAI Codex: agentes crean espacios de trabajo con Sites y plugins
OpenAI Codex: Sites y plugins por roles para espacios de trabajo interactivos. Annotations permite ediciones precisas sin regenerar. Ideal para empresas.
Agentes IA: respuestas confiadas pero incorrectas, el rol de la capa de contexto
Los agentes de IA fallan con respuestas seguras pero incorrectas. La capa de contexto de Snowflake (Horizon y Cortex Sense) es la clave para la precisión empresarial.
Work IQ: la gran apuesta de Microsoft por agentes y las dudas que genera
Work IQ promete agentes más inteligentes, pero ¿a qué costo? Analizamos gobernanza, exposición de datos y riesgos operativos.
Resistencia es inútil: agentes de IA invisibles según Qualcomm
El CEO de Qualcomm predice agentes de IA invisibles que te siguen a través de dispositivos con 6G. ¿Resistencia inútil? Conoce el futuro en COMPUTEX 2026.
Descubrimiento científico evolucionable mediante minimización de incertidumbre
PiEvo revoluciona el descubrimiento científico al hacer evolucionar principios con IA. Logra un 31% más de calidad y un 83% de aceleración en la convergencia. Descúbrelo.
No menciones esto al usuario: Detectando habilidades maliciosas en agentes
Descubre cómo se detectaron 157 habilidades maliciosas en agentes de IA, incluyendo robo de credenciales y manipulación. ¡Protege tu código!
Conciencia Parcial de Equidad en Aprendizaje Automático Estratégico
Descubre cómo la conciencia parcial de equidad resuelve el dilema entre transparencia y manipulación, mejorando la justicia en modelos de IA con un mecanismo guiado por creencias.
Clasificación Estratégica Lineal con Mejoras Endógenas
Exploramos la clasificación estratégica lineal donde los agentes mejoran realmente tras el clasificador. Nuevo algoritmo con garantías PAC y validación en datos reales.
ATLAS: Escalado Agentic en Tiempo de Prueba para LLMs
Descubre ATLAS, un framework donde un orquestador decide cómo escalar el razonamiento de LLMs en tiempo de prueba, mejorando precisión con menos llamadas API.
RDA: Agente de diseño de recompensas para aprendizaje por refuerzo
Descubre RDA, un agente basado en VLM que diseña recompensas semánticas para robots. Logra políticas alineadas con instrucciones humanas en manipulación.
SceneSmith: generación de escenas interiores realistas para simulación con IA
SceneSmith: genera escenas interiores realistas con IA para simulación robótica. Hasta 6x más objetos, <2% colisiones, 96% estables.
Atomix: transacciones oportunas y fiables para flujos de trabajo de agentes
Atomix evita efectos parciales con transacciones oportunas para flujos de trabajo de agentes, asegurando consistencia y recuperación limpia.
Monitoreo Constitucional de Caja Negra para Engaños en Agentes LLM
Descubre cómo los monitores constitucionales de caja negra detectan engaños en agentes LLM usando datos sintéticos. Resultados sobre generalización y límites.
HALO: Optimización de políticas Lyapunov para colaboración humano-robot
HALO estabiliza aprendizaje descentralizado en colaboración humano-robot mediante optimización de Lyapunov, mejorando generalización y robustez en casos extremos.
Análisis de Seguridad de Skills con Conciencia del Repositorio
Descubre cómo el análisis con conciencia del repositorio reduce drásticamente los falsos positivos en la detección de malware en skills de agentes de IA. Estudio con más de 238,000 skills.
Cómo los LLMs diseñan recompensas en RL cooperativo multiagente
Aprende cómo los LLMs mejoran el diseño de recompensas en RL cooperativo multiagente, logrando mayor rendimiento en Overcooked.
Resolución automatizada de conjeturas con verificación formal
Descubre cómo un marco de IA resuelve problemas matemáticos complejos combinando razonamiento informal y verificación formal en Lean 4, todo sin intervención humana.
Simulación contextual de agentes para evaluar recomendaciones
Descubre ContextSim: un marco de simulación con agentes LLM que integra tiempo, ubicación y necesidades para evaluar sistemas de recomendación con mayor precisi