H2O.ai publica H2O-Lightning-31B
El modelo de decisión de pesos abiertos responde preguntas acotadas en una sola pasada y devuelve probabilidades. Sus cifras más destacadas de velocidad y precisión proceden de las propias pruebas de H2O.ai.
El modelo de decisión de pesos abiertos responde preguntas acotadas en una sola pasada y devuelve probabilidades. Sus cifras más destacadas de velocidad y precisión proceden de las propias pruebas de H2O.ai.
Una prepublicación encuentra que los modelos de lenguaje suelen omitir errores en informes posteriores. En un subconjunto menor, pero importante, su razonamiento muestra que eran conscientes del error antes de omitirlo.
Una prepublicación separa la pérdida reversible de acceso de la destrucción más lenta de hechos almacenados. La distinción podría cambiar cómo se diagnostican los fallos del aprendizaje continuo.
MOLT Sinai dirige el trabajo de software mediante agentes especializados, planes obligatorios y revisión adversarial. La empresa informa de siete reversiones en cinco meses.
El asistente de código abierto combina chat, memoria editable, tareas y recordatorios en la cuenta Cloudflare de un usuario. Su despliegue es privado, pero no local.
Un experimento ejecutable convierte Qwen3-1.7B en un clasificador de una sola pasada y muestra después que su confianza es demasiado alta. El escalado de temperatura mejora las probabilidades.
El resto de la actualidad de IA del día: investigación cognitiva, agentes de código abierto, ingeniería de inferencia, mediciones comunitarias, charlas, propuestas de seguridad y cambios empresariales.
El modelo de 5 mil millones de parámetros transforma documentos, imágenes, audio y video en un formato JSON estructurado único. Tencent ha publicado pesos, código y un informe técnico.
Un estudio controlado encuentra que los informes fieles de preferencias aprendidas reutilizan más del cómputo detrás de las decisiones del modelo. El resultado sugiere una prueba de caja blanca de su fundamentación, con límites estrechos.
Un transformer de 300 millones de parámetros entrenado sin lenguaje natural se adapta a seis idiomas reales en su ventana de contexto. El experimento separa la estrategia de aprendizaje del texto memorizado.
El motor con licencia MIT limita su objetivo a un modelo Qwen y las GPU de consumo más nuevas de NVIDIA. Puede trasladar pesos de mezcla de expertos a la memoria del sistema o a una segunda tarjeta.
Una prueba pública concluye que una instrucción permite a varios modelos escribir registros legibles por máquinas con cerca de la mitad de tokens de salida. La técnica falla durante el razonamiento activo.