AI FRONTIER
Signals worth understanding before they become obvious.
Computación de propósito general basada en pruebas con Magnetar
Microsoft Research presenta Magnetar, una máquina virtual de conocimiento cero (zkVM) de propósito general que prueba la ejecución de programas RISC-V escritos en Rust, Go o C, con seguridad basada únicamente en funciones hash estándar.
- Magnetar prueba de 7,2 a 8,7 millones de instrucciones de procesador por segundo en un portátil.
- Un Magnetar optimizado prueba de 9,5 a 12,8 millones de ciclos por segundo, lo que aumenta cada aceleración reportada en aproximadamente 1,3 veces, y sus pruebas se verifican en unos 12 milisegundos.
Para los constructores de IA, Magnetar hace que los programas compilados ordinarios sean demostrables sin experiencia criptográfica y elimina una migración post-cuántica de la hoja de ruta.
El gran modelo «Shusheng-S2» del Shanghai AI Lab entra en el proceso de investigación matemática de frontera: contribuye a la prueba de la conjetura de Ghys en tres dimensiones y s...
El gran modelo «Shusheng-S2» del Shanghai AI Lab entró en un proceso de investigación matemática de frontera, contribuyendo a la prueba de la conjetura de Ghys en tres dimensiones, que superó la verificación formal.
- El gran modelo «Shusheng-S2» del Shanghai AI Lab entró en un proceso de investigación matemática de frontera.
- El modelo contribuyó a la prueba de la conjetura de Ghys en tres dimensiones.
- La prueba asociada superó la verificación formal.
Esto muestra que un gran modelo puede participar en una prueba matemática de frontera y producir un resultado verificable formalmente, ofreciendo un ejemplo de proceso verificable para la investigación matemática asistida por IA.
OpenRouter incorpora NVIDIA Nemotron 3.5 Super VL, un modelo MoE multimodal
NVIDIA Nemotron 3.5 Super VL es un modelo MoE multimodal abierto con 12B de parámetros activos sobre 120B totales, basado en una arquitectura híbrida Mamba-Transformer con predicción multi-token y un contexto de 1M de tokens.
- 120B de parámetros totales con 12B activos, sobre una arquitectura híbrida Mamba-Transformer con predicción multi-token.
- Ventana de contexto de 1.048.576 tokens, con soporte para hasta 262.144 tokens de finalización.
- Acepta texto, imágenes, documentos, capturas de pantalla de GUI y vídeo como entrada y devuelve texto; el razonamiento está activado por defecto y puede desactivarse o limitarse con un presupuesto de tokens.
- Precio de 0,10 $ por 1M de tokens de entrada y 0,40 $ por 1M de tokens de salida, con lectura de caché a 0,08 $/M, servido por Crusoe, Together, DeepInfra y CoreWeave.
Para los equipos que construyen agentes de larga duración, 12B de parámetros activos con contexto de 1M de tokens y entrada visual permiten abordar inteligencia documental, interacción con GUI y comprensión de vídeo en un solo modelo.
Joint Subspace Sparse Attention para un decodificado eficiente en contexto largo
JSSA aprende un subespacio query-key compartido de baja dimensión para mejorar el ranking de la selección dispersa a nivel de token, e introduce un kernel de atención indexada a nivel de token sin gather que admite selecciones distintas por cabeza KV en el diseño estándar de KV-cache de GQA.
- El artículo reporta que en una GPU NVIDIA B200, JSSA alcanza hasta 6,43 veces el rendimiento de decodificación de la atención full-KV con contexto de 128K.
- El artículo indica que JSSA se mantiene cerca de la precisión full-KV en modelos GQA estándar, de atención híbrida sliding-window/global y Multi-head Latent Attention (MLA).
- El artículo señala que el refinamiento directo del objetivo exacto no aporta ninguna mejora medible en las configuraciones probadas.
Para quienes construyen inferencia de contexto largo, JSSA importa porque combina selección dispersa a nivel de token con un kernel sin gather que reduce directamente el coste de decodificación sobre los diseños de KV-cache GQA y MLA existe...
WorldMemBench: un benchmark integral para la memoria de los modelos de mundo de vídeo
El artículo presenta WorldMemBench, un benchmark que evalúa sistemáticamente la memoria del mundo en modelos de mundo de vídeo a lo largo de 260 casos de prueba, abarcando memoria estática (identidad y apariencia humanas, apariencia y geometría de objetos, contenido y geometría del entorno) y memoria dinámica (progresi...
- El benchmark abarca 260 casos de prueba que evalúan memoria estática y dinámica.
- Utiliza salidas de cámara controladas y trayectorias con múltiples revisitas, comparando el contenido estático con referencias iniciales fijas y los eventos dinámicos con transiciones de estado esperadas.
- La evaluación de nueve modelos representativos muestra que una fuerte retención estática no implica una evolución dinámica fiable de los estados.
- Las revisitas repetidas revelan degradación de la memoria más allá del primer retorno, y los estudios con humanos respaldan la alineación entre las evaluaciones automáticas y los juicios humanos.
Para los equipos que construyen modelos de mundo de vídeo, este benchmark descompone la memoria en ejes estático y dinámico medibles y muestra que la retención estática no sustituye la persistencia de estados en revisitas repetidas.
Modelos similares, probabilidades rotas: dónde falla el axioma de Luce en Chatbot Arena
El artículo sostiene que el modelo Bradley-Terry de Chatbot Arena da una única puntuación a cada modelo y por tanto asume el axioma de elección de Luce; sobre 1,8 millones de votos de Arena, los votos entre versiones de un mismo modelo son más decisivos de lo que predice Bradley-Terry.
- Sobre 1,8 millones de votos de Arena, los votos entre versiones de un mismo modelo son 1,37 veces más decisivos de lo que predice Bradley-Terry.
- Entre tamaños de una misma generación el multiplicador es 1,26, y entre modelos de un mismo laboratorio es 1,12.
- Una corrección con cuatro a seis parámetros predice mejor los votos reservados que Bradley-Terry y que modelos con cientos de parámetros, sobre todo al modelar empates.
Para los constructores, esto significa que las tasas de victoria por pares entre modelos casi idénticos al estilo Arena pueden sobreestimarse sistemáticamente, por lo que las clasificaciones de puntuación única de modelos similares deben le...
fishaudio/drama-3: un modelo text-to-speech MoE de 35B parámetros con 16 hablantes y streaming
Fish Audio publicó Drama 3, un modelo text-to-speech de nueva generación pensado para escenas con varios personajes y contenido extenso, con generación multi-hablante, clonación de voz y control en lenguaje natural. Usa un backbone de texto MoE de 35B parámetros con 3B activos por token y un decodificador de audio Code...
- 35B parámetros con 3B activos por token, sobre un backbone de texto MoE con atención híbrida completa y lineal.
- Las etiquetas de hablante <|speaker:0|> a <|speaker:15|> permiten que un texto lleve hasta 16 personajes.
- El decodificador de audio Codebook-MTP decodifica 10 codebooks de forma causal en toda la secuencia.
- Los expertos MoE están en FP8 y el resto de pesos en bf16; la página del modelo indica 36B parámetros y tipos de tensor BF16 y F8_E4M3.
Para quienes necesitan audio extenso con varios personajes, Drama 3 reúne 16 etiquetas de hablante, fragmentación en streaming y despliegue con SGLang-Omni, pero la licencia orientada a investigación y los requisitos de hardware del MoE FP8...