AI FRONTIER
Signals worth understanding before they become obvious.
MoEZip: compresión de caché KV consciente del enrutamiento para LLM de mezcla de expertos dispersa
MoEZip propone una compresión de caché KV consciente del enrutamiento que puntúa contextos combinando pesos de atención con una métrica de sensibilidad derivada de la matriz de información de Fisher de las distribuciones de enrutamiento, abordando cómo el desalojo de KV puede cambiar la selección de expertos en inferen...
- El artículo reporta que con una tasa de retención de KV del 10 %, MoEZip mejora la línea base SoTA en +24 y +20 puntos en promedio en LongBench y RULER, lo que corresponde a puntuaciones 2,3 y 4,9 veces mayores.
- MoEZip introduce una métrica basada en la matriz de información de Fisher de las distribuciones de enrutamiento para estimar la sensibilidad del enrutamiento de expertos ante perturbaciones.
- El artículo fue aceptado en NeurIPS 2026 y es arXiv:2610.30206, enviado el 21 de octubre de 2026.
Para los equipos que sirven modelos MoE dispersos en contextos largos, MoEZip indica que las políticas de desalojo de KV deben considerar explícitamente la estabilidad del enrutamiento de expertos para preservar la calidad de generación baj...
Convertir la evaluación de bases de datos en recompensas RL: post-entrenamiento de agentes con ThinkingBox
Microsoft y Hugging Face publicaron ThinkingBox-Training, que usa comprobaciones ejecutables del estado final de la base de datos como recompensas GRPO; tras 50 pasos de ajuste fino de Qwen3.8-27B, la tasa de éxito media subió del 51,70 % al 60,78 %.
- El pass@1 de Qwen3.8-27B subió de 5.242 intentos (51,70 %) a 6.163 intentos (60,78 %), una ganancia de 9,08 puntos.
- Las tareas que pasaron las 20 intentonas subieron de 38 (7,50 %) a 107 (21,10 %), un aumento de 69 tareas.
- El pass@20 (tareas resueltas al menos una vez) bajó de 453 (89,35 %) a 446 (87,97 %), una disminución de 7 tareas.
- El entrenamiento usó 187 tareas, GRPO con media de tokens, 50 pasos, 24 H100, una tasa de aprendizaje de 1e-6 y AdamW sin decaimiento de pesos.
Para los equipos que construyen agentes, las comprobaciones ejecutables del estado final pueden servir como evaluador y como señal de recompensa, pero las mejoras de repetibilidad pueden venir con una pequeña pérdida de cobertura.
Aprendizaje de kernels espectrales basado en flujos para atención no estacionaria
El artículo propone flow-based spectral kernel attention (FSKA), un marco que formula la atención kernelizada mediante aprendizaje de densidad espectral y parametriza la densidad espectral bivariada resultante con flujos de normalización para aprender kernels de atención no estacionarios.
- FSKA formula la atención kernelizada mediante aprendizaje de densidad espectral y parametriza la densidad espectral bivariada resultante con flujos de normalización.
- El diseño permite una arquitectura de atención simplificada con proyecciones query–key eliminadas y proyecciones value ortogonales fijas, lo que la hace más eficiente en parámetros.
- Experimentos controlados en clasificación, ablación y perfilado de escalabilidad reportan que FSKA logra un rendimiento competitivo o mejorado frente a los mecanismos de atención existentes; el código está disponible.
Para los constructores, FSKA indica que aprender kernels no estacionarios con flujos de normalización puede reducir los parámetros entrenables relacionados con proyecciones en aproximadamente 40 %–47 % mientras preserva el escalado de memor...
Llevar los modelos fundacionales a la primera línea del cribado de tuberculosis
Google Research presentó en IDWeek 2026 su trayectoria de cribado de tuberculosis, desde algoritmos de radiografía de tórax hasta una herramienta clínica certificada CE y los modelos fundacionales abiertos MedGemma y MedSigLIP para despliegue local.
- Google Research afirma que la tuberculosis causa aproximadamente 1,23 millones de muertes al año.
- El dispositivo de Nexus AI analiza radiografías de tórax para enfermedades pulmonares como la tuberculosis en tan solo 45 segundos.
- La herramienta opera en aproximadamente 40 centros de salud de seis países, donde más de 90 clínicos evaluaron más de 25.000 radiografías de tórax.
- MedGemma es una familia de modelos multimodales de pesos abiertos con configuraciones de 4B y 27B parámetros, y supera los 10 millones de descargas desde su lanzamiento.
Para los desarrolladores de IA sanitaria, los pesos abiertos y la ejecución local permiten herramientas de cribado soberanas ajustadas con radiografías nacionales.
Latent Space Jam: síntesis de vídeo guiada por diseño sin entrenamiento
El artículo propone un método de dos pasadas sin entrenamiento que usa un modelo de difusión de vídeo preentrenado: la atención cruzada guiada por el prompt dirige la ubicación espaciotemporal de los objetos para producir una guía visual aproximada, y luego esa guía condiciona el mismo modelo para generar un vídeo de a...
- El enfoque no requiere entrenamiento adicional, datos ni cambios de arquitectura, y utiliza modelos de difusión de vídeo preentrenados.
- Funciona en dos pasadas: la primera produce una guía visual aproximada mediante atención cruzada guiada por el prompt, y la segunda condiciona el mismo modelo con esa guía.
- El artículo informa que el método supera de forma consistente a trabajos previos en precisión de solapamiento y trayectoria, así como en calidad visual, en escenas estáticas, dinámicas y con múltiples objetos.
Para los desarrolladores, el control de diseño y movimiento puede añadirse a modelos de difusión de vídeo existentes sin coste de entrenamiento, lo que reduce la barrera para la generación de vídeo controlable.
CiteAnchor: anclaje consciente de la fuente para detectar y resolver citas alucinadas
El artículo presenta CiteResolve, un benchmark de 423 citas alucinadas del mundo real anotadas según la recuperabilidad de la fuente, y propone CiteAnchor, un marco de anclaje consciente de la fuente que adapta la recuperación y la verificación a nivel de campo a cada tipo de fuente y determina por separado la validez ...
- CiteResolve es un benchmark de 423 citas alucinadas del mundo real anotadas según la recuperabilidad de la fuente.
- En un benchmark de detección existente, CiteAnchor alcanza 0,841 F1 con GPT-5.6 Luna y 0,784 F1 con un backbone de pesos abiertos.
- El artículo reporta superar a la línea base con los mismos backbones por 7,9 y 36,8 puntos.
- En CiteResolve alcanza 74,7 % y 70,7 % de éxito de tarea de extremo a extremo, lo que el artículo reporta como 16,3 y 65,3 puntos porcentuales por encima de las líneas base de búsqueda web correspondientes.
Para quienes construyen sistemas de verificación bibliográfica y de generación aumentada por recuperación, este trabajo separa la validez de la cita de la recuperabilidad de la fuente y publica código y datos.
TauIndianBankBench: evaluación orientada a acciones y consciente de procedimientos de agentes conversacionales que usan herramientas
El artículo presenta TauIndianBankBench, un benchmark orientado a acciones de 1.000 tareas de banca minorista india que comprueba, además de los registros finales, si el asistente realizó cada paso requerido y no hizo ningún cambio no solicitado. El artículo informa que, cuando solo se comprueban los registros finales,...
- El benchmark contiene 1.000 tareas de banca minorista india en las que un asistente ayuda a un cliente simulado.
- La evaluación comprueba los registros finales, si se realizó cada paso requerido y si hubo algún cambio no solicitado.
- El artículo informa que, con la comprobación solo de registros finales, el 6,5-12,0 % de las sesiones por modelo se juzgan exitosas pese a omitir un paso requerido o hacer un cambio no solicitado.
- El artículo tiene 15 páginas, 6 figuras y 14 tablas, y proporciona enlaces a código y datos.
Para los equipos que construyen agentes bancarios, este benchmark muestra que puntuar solo el estado final sobreestima el cumplimiento de procedimientos, por lo que deben evaluarse los pasos requeridos y las acciones no autorizadas.
Crea aplicaciones más ágiles con la Decisions API
OpenAI News publica la Decisions API, posicionada como una forma de obtener decisiones rápidas, enfocadas y de bajo coste para cualquier aplicación.
- La fuente es OpenAI News; el título del elemento es «Build more responsive apps with the Decisions API».
- La descripción de una línea dice: «Fast, focused, low-cost decisions for any application.»
- El elemento se clasifica como developer con un tipo de cambio cost_collapse.
Si la API ofrece decisiones enfocadas a bajo coste como se describe, los desarrolladores podrán insertar llamadas de decisión directamente en flujos interactivos en lugar de depender de invocaciones de modelos más pesadas.