AI FRONTIER
Signals worth understanding before they become obvious.
Flint-interactive: un lenguaje para crear visualizaciones de datos interactivas
Microsoft Research publicó Flint-interactive, un lenguaje construido sobre Flint que permite a los agentes de IA definir clics, filtros, zoom, resaltado e interacciones entre gráficos mediante eventos semánticos y operadores de actualización, con la lógica de interacción gestionada por el compilador de Flint.
- Flint-interactive resuelve disparadores brutos como clics, arrastres y pulsaciones de teclas en eventos semánticos que identifican elementos del gráfico y datos.
- Los usuarios especifican interacciones asignando eventos semánticos a operadores de actualización del gráfico como set style, set annotation y set viewport, sin manipular marcas específicas del renderizador.
- Se puede usar en entornos de chat o lienzo mediante Flint-MCP y MCP Apps, donde un agente puede generar un interaction_spec junto con la especificación de gráfico de Flint.
- Flint Interactive Canvas permite a las aplicaciones procesar eventos semánticos con manejadores para filtrar una tabla, actualizar otro gráfico o cambiar el estado de la aplicación.
Para quienes construyen agentes de datos, delegar la lógica de interacción al compilador puede reducir el costo en tokens y tiempo de generar y depurar gráficos interactivos repetidamente, además de disminuir fallos de diseño e interacción.
WorldStream: transmitir mundos 3D interactivos con planificación jerárquica y estado persistente
El artículo presenta WorldStream, un modelo de mundo 3D abierto que extiende el terreno jugable más allá de cualquier mapa preespecificado, actúa sobre lenguaje abierto en el mundo en ejecución y restaura los lugares visitados con sus ediciones. Un planificador jerárquico sobre un modelo de decisión tipado emite estado...
- El streaming separa el alcance: los planes se ejecutan por delante a lo largo del corredor predicho, la compilación ocurre solo donde el movimiento la necesitará pronto, y la geometría detrás del usuario se libera.
Para los equipos que construyen modelos de mundo, separar la planificación, la compilación y un registro de estado persistente es una vía de arquitectura concreta hacia la coherencia entre teselas y la editabilidad bajo presupuestos acotado...
Cuando los pensamientos se vuelven memoria: unificar el aprendizaje en contexto y el ajuste fino
El artículo ofrece una regla certificada, basada en una ley exacta del valor de la información, para decidir si los datos no vistos pertenecen al contexto o a los pesos de un modelo preentrenado, y una prueba válida en cualquier momento toma esa decisión a partir de consultas reservadas.
- El artículo reporta que la prueba elige el mejor entre la caché y el ajuste fino de GPT-2 en 61.948 de 64.000 flujos de consultas en 32 comparaciones.
- El artículo reporta que yerra en como máximo el 3,3 % de los flujos nulos.
- El artículo reporta que un parche que ve una característica de forma reduce cien veces la longitud de código de una red de ocupación allí, mientras que ocho que la omiten casi la duplican.
- El artículo reporta que, ante una afirmación de sí o no, la valoración recupera un adjudicador de evidencia publicado, con AUROC de 0,91.
Esta regla certificada permite a los constructores decidir con una medición y consultas reservadas si los datos deben entrar en el contexto o en los pesos, lo que reduce el costo de elegir entre aprendizaje en contexto y ajuste fino.
Nuevo modelo de OpenRouter: Recursive: Flint (gratis)
Flint es un modelo de mezcla de expertos de pesos abiertos de Recursive, con unos 2,5B de parámetros activos de 40B totales, creado por el sistema de autoinvestigación Eureka Machine de Recursive para agentes de programación.
- 40B de parámetros totales con unos 2,5B de parámetros activos
- Ventana de contexto de 262.144 tokens
- Publicado el 21 de octubre de 2026
- Endpoint gratuito con límites de velocidad; acepta herramientas para llamadas a funciones y admite response_format para salida JSON sin aplicación de JSON-schema
Para quienes crean agentes de programación, Flint ofrece una opción de pesos abiertos sin coste con 2,5B de parámetros activos y una ventana de contexto de 262K para probar.
SimHack: predecir el inicio del reward hacking detectable antes del entrenamiento RL
El artículo presenta SimHack, un simulador que aprende la dinámica de entrenamiento del reward hacking a partir de unas pocas ejecuciones RL de referencia a menor escala y genera ejecuciones simuladas contrafactuales de recetas objetivo no vistas sin reentrenamiento costoso, para predecir la distribución del paso de in...
- El artículo reporta que SimHack predice el inicio mediano con un error relativo del 11,3 % y logra una correlación de rango entre recetas de 0,85 en recetas objetivo no vistas.
- SimHack generaliza a diferencias de escala de modelo, currículo, número de rollouts y tasa de aprendizaje entre recetas de referencia y objetivo.
- Como aplicación, SimHack filtra currículos RL candidatos y descubre currículos sobre el mismo conjunto de escenarios que entrenan un 96,6 % más de tiempo sin hacking.
- El artículo halla que la tasa de hacking inicial por sí sola no determina el inicio, que varía sustancialmente entre recetas de entrenamiento y ejecuciones repetidas.
Los constructores pueden preseleccionar currículos con SimHack antes de ejecuciones RL costosas para elegir a bajo costo recetas de menor riesgo.
KVLearn: retención de caché KV aprendida para servicio LLM desagregado
El artículo presenta KVLearn, un marco basado en aprendizaje para la retención de caché KV consciente del costo en servicio LLM desagregado, que combina un Prefix Reuse Predictor (PRP), un Cost-Aware Retention Score (CARS) y un Adaptive Threshold Controller (ATC), evaluado en cargas de trabajo de texto y multimodales.
- El artículo reporta reducciones del time-to-first-token de extremo a extremo de hasta 56 % frente a No-Cache, 38 % frente a LRU-Pool y 33 % frente a baselines estilo Mooncake.
- El artículo reporta una reducción del volumen de transferencia KV entre nodos de hasta 53 % frente a LRU-Pool.
- En MM-Session, el rendimiento se mantiene dentro de aproximadamente el 5 % del oráculo.
- PRP estima la probabilidad de reutilización a partir de características estructurales y temporales del prefijo sin modificar los pesos del modelo; el artículo fue aceptado en ACM SYSTOR 2026 y el código está disponible.
Para los equipos que construyen servicio de inferencia desagregado, KVLearn muestra que incorporar los costos de recómputo, transferencia y almacenamiento en las decisiones de admisión de caché puede reducir tanto el time-to-first-token com...
MPS en PyTorch 2.15: compatibilidad con FP8 y decodificación MoE 5–6,5× más rápida
PyTorch 2.15 incorpora tensores FP8, matmul agrupado nativo y kernels Metal dedicados al backend MPS, haciendo que la decodificación de modelos MoE sea 5–6,5 veces más rápida que en 2.14 y exigiendo macOS 15 y Python 3.11 o posterior.
- Los tensores torch.float8_e4m3fn ahora funcionan en MPS con un byte por valor, la mitad de almacenamiento que FP16 o BF16, y F.scaled_mm admite escalado por tensor y por fila.
- En un M3 Ultra con torch.compile, Qwen3.6-35B-A3B pasa de 9,4 a 61,3 tokens/s y LFM2.5-8B-A1B de 23,6 a 123,6 tokens/s.
- En 96 formas de capas BF16 de modelos reales, conectar los kernels GEMV a F.linear aporta una aceleración media geométrica de 1,23×.
- El pico de memoria del controlador en la decodificación VAE de Wan2.2 baja de unos 270 GiB a 8 GiB, y el softmax FP32 sobre una fila de logits [1, 128256] baja de 57 µs a 7 µs.
Los desarrolladores en Mac pueden reducir memoria con pesos FP8 y acelerar notablemente la decodificación de LLM MoE y densos, siempre que actualicen a macOS 15 y Python 3.11.
Grandes afirmaciones, márgenes pequeños: ¿sobreviven las ganancias reportadas de GraphLLM a baselines simples?
El artículo compara cuatro representantes de baseline, ajustados solo con selección en validación, con la media más alta que cada uno de tres estudios recientes reporta para un método basado en LLM en splits emparejados, y documenta riesgos de evaluación en el código publicado.
- Correct & Smooth sobre características TF-IDF queda por detrás de la referencia en una mediana de 2,3 puntos porcentuales, y un MLP sobre embeddings e5-large-v2 congelados en 2,8 puntos.
- Correct & Smooth está dentro de 3 puntos de la referencia o mejor en 15 de 24 tareas, pero la referencia es significativamente mayor en 12 de 22 tareas testeables.
- Los reportes del mismo método en el mismo split difieren hasta 12,5 puntos entre artículos cuyas configuraciones no están documentadas como coincidentes.
Quienes construyen pipelines de clasificación de nodos con GraphLLM deberían ejecutar baselines ajustados de TF-IDF y de embeddings congelados en los mismos splits y auditar los cargadores de datos y los protocolos de ajuste antes de confia...