Investigación
Papers que sí importan
49 artículos en esta sección.
Una mirada crítica a si los LLM pueden realmente descubrir vulnerabilidades criptográficas o si simplemente actúan como costosos detectores de patrones.
OlmoEarth de AI2 se centra en la infraestructura crítica necesaria para llevar la IA geoespacial desde el simple reconocimiento de imágenes hasta el razonamiento y la inferencia a escala planetaria.
Un artículo reciente sostiene que la brecha entre el etiquetado MeSH humano y el de la IA es un fallo de los benchmarks de evaluación, no de la inteligencia del modelo.
El equipo de KwaiKAT sostiene que la capacidad de codificación autónoma depende de entornos de repositorio verificables, en lugar de simplemente aumentar el número de parámetros del modelo.
Un análisis del nuevo agente de hacking autónomo de OpenAI y los riesgos que plantea para la seguridad global y la carrera armamentística defensiva.
El nuevo benchmark WANDR de Perplexity revela una brecha significativa entre la búsqueda agéntica y las capacidades de investigación rigurosa respaldada por evidencia en los modelos de IA actuales.
OriginBlame introduce un sistema de rastreo de procedencia para crear conjuntos de olvido precisos, permitiendo a los entrenadores de modelos eliminar datos específicos de autores de los pesos de un LLM.
Una mirada crítica a los esfuerzos de Anthropic por mapear las representaciones internas de la IA y por qué la interpretabilidad podría ser un proyecto de vanidad en comparación con la fiabilidad.
La industria se está alejando de los benchmarks estáticos contaminados como HumanEval hacia evaluaciones privadas y dinámicas que miden capacidades reales de ingeniería de software.
Anthropic explora cómo los LLM utilizan un espacio de trabajo interno central para integrar información, lo que podría permitir un control directo del razonamiento y la fiabilidad de la IA.
