AI FRONTIER
Signals worth understanding before they become obvious.
Tsinghua AI publica como código abierto AKV, un servidor de ingeniería de caché para agentes LLM sobre SGLang
Tsinghua AI ha publicado como código abierto AKV, un servidor de ingeniería de caché para agentes LLM construido sobre SGLang. El resumen del artículo enmarca el trabajo en torno a cuestiones de capacidad, evaluación o alineación de grandes modelos de lenguaje, adecuado para lectores que siguen métodos y resultados exp...
- Tsinghua AI publicó AKV como código abierto y lo posiciona como un servidor de ingeniería de caché para agentes LLM.
- AKV está construido sobre SGLang.
- El resumen del artículo indica que el trabajo aborda cuestiones de capacidad, evaluación o alineación de grandes modelos de lenguaje.
Para quienes construyen agentes LLM, AKV separa la ingeniería de caché en una capa de servicio dedicada sobre SGLang, lo que merece probarse para la reutilización de caché en las rutas de inferencia de agentes.
ISTA-DASLab publica cuantizaciones GGUF no uniformes GSQ-RCO de DeepSeek-V4.1-Flash-1017
ISTA-DASLab cuantizó el MoE DeepSeek-V4.1-Flash-1017 de 763,2B parámetros y 384 expertos con precisión mixta por tensor GSQ y RCO, publicando builds GGUF estándar IQ1_M (1,75 bpw), IQ2_XXS (2,00) e IQ2_XS (2,25).
- El modelo es un MoE disperso de 763,2B parámetros, con 384 expertos enrutados por capa, 6 activos por token y una ventana de contexto de 1M tokens.
- El GGUF backbone contiene 551,9B parámetros, y las tablas de búsqueda Engram son 196,6B parámetros en IQ4_NL 4,50 bpw, compartidas por todos los builds.
- Los tamaños totales son 231,32 GB para IQ1_M, 248,84 GB para IQ2_XXS y 265,83 GB para IQ2_XS; los tres se ejecutan en una sola GPU de 12 GB de VRAM con Strata.
- El artículo reporta que IQ2_XXS iguala al modelo base en AIME25 (100,00), GPQA-Diamond (90,91) y LiveCodeBench v6 (89,71), con un promedio de tareas de 93,54 y una recuperación del 100,0 %.
Como el build IQ2_XXS de 2,00 bpw igualaría al modelo base en esos tres benchmarks según el artículo, los desarrolladores pueden probar localmente un MoE de clase 763B en una GPU de 12 GB más memoria del sistema.
Self-Direction: convertir los errores de los agentes en lecciones duraderas
El artículo presenta Self-Direction, un mecanismo en el que un agente que falla una tarea reflexiona sobre su propia trayectoria para extraer una lección y la destila de inmediato en un adaptador ligero de bajo rango, manteniendo congelados los pesos originales y guardando los adaptadores en una biblioteca persistente ...
- Cada adaptador entrena parámetros adicionales equivalentes a ~0,02 % del número de parámetros del modelo base
- Con agentes basados en modelos abiertos de la familia Qwen, las tasas de éxito globales mejoran entre 8,9 y 17,0 puntos porcentuales en GAIA, Claw-Eval y Terminal-Bench 2.1
- El artículo reporta que Self-Direction reduce los errores repetidos en futuros encuentros con una tarea, casi duplicando la fiabilidad de las correcciones del agente
- El artículo reporta que unos pocos adaptadores generalizan a docenas de tareas nuevas sin entrenamiento adicional
Para quienes construyen agentes, persistir los fallos como adaptadores de bajo rango enrutables ofrece una vía de mejora más duradera que la reflexión en contexto y más barata que el ajuste completo de parámetros.
Investigadores proponen el benchmark MMGR para evaluar el razonamiento de modelos multimodales
Investigadores han propuesto el benchmark MMGR para evaluar la capacidad de razonamiento de los modelos multimodales. El benchmark pretende evaluar el rendimiento de los modelos multimodales en tareas de razonamiento.
- Investigadores proponen el benchmark MMGR para evaluar la capacidad de razonamiento de los modelos multimodales.
- La información fue reportada por DoNews.
Para los desarrolladores de IA, MMGR ofrece un benchmark dedicado al razonamiento multimodal, lo que permite medir y comparar el rendimiento de razonamiento de distintos modelos multimodales.
Colaborar con comunidades académicas para construir comprensión científica
OpenAI comparte resultados de modelos sobre la conjetura de Kakeya, la Hipótesis del Tiempo Exponencial y la cromodinámica cuántica, y cómo los investigadores pueden verificarlos y construir sobre ellos.
- OpenAI comparte resultados de modelos sobre la conjetura de Kakeya.
- OpenAI comparte resultados de modelos sobre la Hipótesis del Tiempo Exponencial.
- OpenAI comparte resultados de modelos sobre la cromodinámica cuántica.
- OpenAI describe cómo los investigadores pueden verificar estos resultados y construir sobre ellos.
Para los desarrolladores de IA, esto ofrece casos verificables de salidas de modelos para evaluar el razonamiento en problemas matemáticos y físicos.
SyncVid: difusión equivariante al mundo para la generación de vídeo sincronizado
SyncVid muestrea el prior de ruido gaussiano en un espacio 3D canónico derivado del vídeo fuente y lo rasteriza en las cámaras objetivo, en lugar de muestrear de forma independiente en cada plano de imagen 2D. El método eleva un vídeo monocular a una representación 4D canónica y añade un procedimiento de blanqueo coher...
- El artículo eleva un vídeo monocular a una representación 4D canónica, asocia el ruido con la geometría de la escena y el espacio no observado, y rasteriza el ruido estructurado resultante en vistas arbitrarias.
- El artículo propone un procedimiento de blanqueo coherente entre vistas que descorrelaciona píxeles vecinos preservando la correspondencia entre vistas.
- El ruido estructurado sirve como prior de difusión para un modelo de difusión de vídeo preentrenado adaptado con LoRA, sin requerir modificaciones arquitectónicas.
Para quienes construyen generación de vídeo multivista, SyncVid muestra que anclar la aleatoriedad de la difusión en un espacio 3D canónico puede mejorar la coherencia entre vistas sin rediseñar la arquitectura de difusión.
PaperFormalizer: autoformalización en Lean de artículos de investigación con el autor en el bucle
PaperFormalizer es un pipeline agéntico basado en Lean que parte del código fuente LaTeX de un artículo, lo transcribe a un grafo de dependencias de enunciados, audita cada enunciado en lenguaje natural en cuanto a fidelidad, ambigüedad y corrección, y luego formaliza y demuestra los enunciados en Lean contra Mathlib, ...
- El artículo se envió a arXiv el 22 de octubre de 2026 como arXiv:2610.31810 (cs.AI, cross-list cs.LO).
- El pipeline parte del código fuente LaTeX, transcribe el artículo a un grafo de dependencias de enunciados y audita cada enunciado en lenguaje natural.
- La formalización y la demostración se realizan contra Mathlib, bibliotecas de dominio opcionales y el conjunto de herramientas personal del autor.
- La salida es una versión anotada y revisada del artículo, un informe de los cambios y código Lean en el que cada declaración está vinculada al enunciado que formaliza.
Para quienes construyen herramientas de IA matemática, PaperFormalizer demuestra un patrón con el autor en el bucle que se detiene ante la ambigüedad y cede la decisión al autor, preservando su control allí donde la formalización podría cam...