Prueba de referencia de IA
3 published articles
Análisis de investigación
Corrupción de documentos por IA en flujos de trabajo delegados: lo que revela una nueva prueba de estrés
El punto de referencia DELEGATE-52 evalúa sistemas de IA en tareas de edición de documentos delegadas de largo alcance, encontrando que los modelos frontera acumulan una pérdida de fidelidad semántica del 19, 34% en 20 iteraciones. Los flujos de trabajo en Python mostraron menos del 1% de degradación en promedio, pero el estudio subraya que la delegación confiable a largo plazo sigue siendo un desafío abierto.
2026-07-04
Análisis profundo de benchmarks
ARC-AGI-2: El benchmark que mide la inteligencia fluida en sistemas de IA
ARC-AGI-2 prueba la inteligencia fluida de los sistemas de IA mediante rompecabezas en cuadrículas visuales que no pueden resolverse por memorización. Los modelos frontera actuales puntúan entre 75 y 85%, pero el gran premio de 700.000 dólares sigue sin reclamarse. Aquí un análisis profundo del diseño del benchmark, la puntuación y la tabla de clasificación actual.
2026-07-01
Código abierto
El primer agente web de código abierto que no necesita HTML acaba de superar a GPT-4o
Los agentes MolmoWeb, disponibles en tamaños de 4B y 8B, se entrenaron con MolmoWebMix, un nuevo conjunto de datos que combina más de 130,000 demostraciones sintéticas y humanas. Superan a los modelos cerrados y establecen nuevos estándares para la investigación abierta de agentes web.
2026-04-10