Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-10
01
testinferencecost collapse

BEVCast: BEV adaptativo a la trayectoria para una conducción autónoma de extremo a extremo eficiente

BEVCast es un BEV de dos etapas cuya resolución se adapta a la trayectoria de conducción prevista: una pasada gruesa codifica toda la escena en celdas de 4,096 m, una cabeza de calor entrenada con la trayectoria registrada selecciona las celdas de mayor calor para refinarlas a celdas de 1,024 m bajo un presupuesto fijo...

  • Con un presupuesto de refinamiento del 10 %, BEVCast codifica el 28 % de las consultas BEV y necesita el 66 % del tiempo del codificador BEV con tamaño de lote 1 frente a una rejilla completa de 1,024 m.
  • En nuScenes su error de desplazamiento medio es de 1,078 m frente a 1,149 m y su tasa de violación de zona transitable es del 1,46 % frente al 2,29 %.
  • En NAVSIM navtest su error de desplazamiento medio es de 0,577 m frente a 0,598 m y su puntuación extendida del modelo predictivo de conductor es de 82,51 frente a 81,28.
  • El método no necesita mapa HD ni comando de navegación, y la cabeza de trayectoria lee un BEV de resolución mixta que sigue cubriendo toda la escena.

Para la percepción BEV en conducción autónoma, asignar resolución a lo largo de la trayectoria prevista reduce consultas y tiempo del codificador manteniendo la cobertura total, dando a los modelos de extremo a extremo un presupuesto de cóm...

arXiv cs.CV
02
testcreativecost collapse

InstaGen: muestreo por importancia compartido por grupo para generación de video rápida

El artículo presenta InstaGen, que reformula la selección de bloques en la atención permutada de bloques dispersos (PBSA) de los Diffusion Transformers como muestreo por importancia: las claves con mayor puntuación forman un conjunto exacto que se calcula por completo, mientras que las restantes se representan mediante...

  • En Wan2.1-T2V-1.3B y Wan2.1-T2V-14B, InstaGen parametrizado con SVG2 mejora el PSNR frente a SVG2 en 3,4 dB y 2 dB, respectivamente, con la misma densidad de atención.
  • Con el mismo tiempo de reloj, el PSNR mejora en 1,6 dB y 2,2 dB, respectivamente.
  • En Wan2.1-T2V-14B, InstaGen supera a SVG-EAR en 1,1 dB de PSNR con una densidad casi idéntica, ejecutándose a 1,65x respecto a dense frente a 1,48x de SVG-EAR.

Sustituir la selección de bloques top-p por un conjunto exacto más muestreo por importancia puede elevar directamente la calidad de los modelos de difusión de video sin aumentar la densidad de atención ni la latencia.

arXiv cs.CV
03
watchresearchcapability unlock

Forzar una letra suprime el rechazo: evidencia mecanicista de WMDP

El artículo ofrece una primera explicación mecanicista de por qué el formato de opción múltiple reduce las tasas de rechazo, probada en el conjunto de datos WMDP con dos modelos, Llama-3.1-8B y Qwen3-8B.

  • Mediante la técnica tuned lens, el artículo muestra que el modelo se fija muy rápidamente en un token de letra de respuesta en MCQ, en contraste con la acumulación gradual del rechazo en formatos abiertos.
  • Las activaciones en el formato MCQ se sitúan aproximadamente 3 veces más lejos de la dirección de rechazo en comparación con sus equivalentes en formato abierto.
  • La ablación de las cabezas de atención que portan la respuesta MCQ aumenta el rechazo, lo que el artículo presenta como evidencia directa de que la selección de respuesta MCQ compite con el rechazo.
  • El artículo fue aceptado en BlackboxNLP 2026 (taller de EMNLP 2026) y consta de 17 páginas y 15 figuras.

Quienes construyen evaluaciones de seguridad deben tener en cuenta que las puntuaciones de seguridad en MCQ miden principalmente capacidades de conocimiento y no evalúan los mecanismos de seguridad del modelo.

arXiv cs.CL
04
testmodelsopen source unlock

ccore/Qwen3.5-4B-3D-Coder, vista previa temprana centrada en generar escenas 3D con Three.js

Se trata de una vista previa temprana de un modelo de 4B ajustado de forma independiente por CCORE a partir de Qwen/Qwen3.5-4B, centrado en programación general y en la generación de escenas 3D interactivas con Three.js; no es un lanzamiento oficial de Qwen. Están disponibles los pesos FP16 en Safetensors, las versione...

  • La ficha del modelo indica 947 me gusta, 289.466 descargas el mes pasado y licencia Apache-2.0.
  • El conjunto de datos de entrenamiento CCORE Three.js 3D Scenes contiene 4.146 ejemplos de escenas (3.933 de entrenamiento / 213 de validación) y se publica bajo licencia MIT.
  • Las versiones GGUF Q4_K_M y Q8_0 pueden aceptar imágenes con un proyector visual BF16 de aproximadamente 644 MiB; el autor informa haberlo probado localmente con llama.cpp b11889.
  • El autor informa que el checkpoint del 27 de octubre mejoró sustancialmente el éxito en un solo intento y la calidad de las escenas, aunque algunas escenas aún requieren otro intento o una corrección.

Para quienes crean herramientas 3D o de programación creativa, es un modelo pequeño desplegable localmente, con conjunto de datos público y versiones cuantizadas, lo que lo convierte en un punto de partida concreto para ajustar y evaluar la...

Hugging Face Trending
05
watchdevelopernew architecture

Presentamos Control Room: control humano sobre las cargas de trabajo de IA

Control Room de OpenAI rastrea las cargas de trabajo de los modelos en su infraestructura de investigación y puede detenerlas rápidamente cuando surgen preocupaciones de seguridad o protección.

  • Control Room rastrea las cargas de trabajo de los modelos en la infraestructura de investigación de OpenAI.
  • Control Room puede detener rápidamente esas cargas de trabajo cuando surgen preocupaciones de seguridad o protección.

Para los equipos que ejecutan modelos en infraestructura de investigación compartida, Control Room indica que la capacidad de detención rápida se está construyendo como una capa de control separada en lugar de dejarse a las barreras de cada...

OpenAI News
06
watchresearchincremental

Evaluación fuera de política en alta dimensión sin división de muestras mediante una corrección de Onsager

El artículo desarrolla un criterio corregido por Onsager y ponderado por la política objetivo que estima el riesgo fuera de muestra del modelo de recompensa entrenado con todos los datos bajo la política objetivo usando solo sus observaciones de entrenamiento, lo que permite parada temprana a lo largo de la trayectoria...

  • El artículo demuestra una garantía casi-oráculo para el modelo de recompensa seleccionado bajo esos mismos supuestos.

Para los desarrolladores de IA que hacen evaluación fuera de política, esto permite seleccionar modelos de recompensa y obtener estimaciones de valor doblemente robustas a partir de la trayectoria de entrenamiento con datos completos sin sa...

arXiv stat.ML
07
testinferencecost collapse

VoluCompose: construir representaciones visuales volumétricas compactas para la comprensión de imágenes médicas

VoluCompose es un marco sin entrenamiento y agnóstico al modelo que separa qué contenido visual conservar de cuántos tokens asignar, mediante un módulo de composición hiperbólica de tokens y un módulo de control de capacidad basado en la entropía de atención para comprimir imágenes médicas volumétricas.

  • El artículo reporta que, en nueve configuraciones calibradas, VoluCompose alcanza el mayor hipervolumen medio de calidad-retención entre los métodos comparados.
  • El artículo reporta una calidad relativa media de 121,68 % frente a las referencias sin comprimir, conservando en promedio el 22,78 % de los tokens visuales.
  • El artículo reporta que la compresión sigue siendo robusta incluso con un presupuesto de tokens del 10 %, siendo la menor proporción ROUGE-L frente a la referencia sin comprimir de 96,4 % para VoluCompose.
  • El artículo reporta que los mínimos correspondientes de las líneas base de compresión van del 15,0 % al 70,5 %.

Para quienes construyen modelos visión-lenguaje médicos, VoluCompose muestra que los tokens volumétricos pueden reducirse a cerca del 22,78 % sin entrenamiento y preservando la calidad, lo que abarata la inferencia de secuencias largas de c...

arXiv cs.CV
08
testresearchbenchmark jump

De la geometría a la función: un conjunto de datos de referencia LiDAR multitarea para el análisis semántico y funcional de fachadas urbanas

El artículo presenta HFX3D, un benchmark de fachadas urbanas a gran escala con aproximadamente 492 millones de puntos LiDAR de 26 edificios en Halifax, Canadá, capturados a lo largo de las cuatro estaciones, de día y de noche y con condiciones meteorológicas variadas, con cada fachada anotada en tres niveles: semántico...

  • HFX3D contiene aproximadamente 492 millones de puntos LiDAR de 26 edificios en Halifax, Canadá.
  • Los datos cubren las cuatro estaciones, día y noche y condiciones meteorológicas variadas.
  • Cada fachada está anotada en tres niveles: semántico, de instancia y de atributos funcionales por instancia.

El benchmark lleva la evaluación más allá de la geometría y la segmentación semántica hacia el razonamiento funcional, y ofrece a los desarrolladores un banco de pruebas cuantitativo para modelos de comprensión urbana 3D conscientes de la f...

arXiv cs.CV