El radar

Is Big Tech’s AI slowdown a safety pact or a cartel?

Altman, Amodei, Hassabis y Musk acordaron parcialmente "marcar el ritmo de la frontera" mediante una propuesta de tres pasos que incluye auditores externos, regulación de laboratorios nacionales y un acuerdo global de desaceleración. Críticos lo ven como un posible "cártel" para frenar competidores y el open source, mientras que fuentes de seguridad como Apollo Research o Redwood Research lo consideran un paso positivo pero carente de mecanismos vinculantes. El contexto incluye la carta pública del investigador de Anthropic Jacob Coxon, con más de 170 millones de vistas en X. IMPORTA: Cualquier equipo que construya sobre modelos frontera debería seguir de cerca si estos acuerdos voluntarios derivan en restricciones reales de acceso, cómputo o despliegue que afecten a proveedores y a quienes dependen de sus APIs.

Por qué importa: Cualquier equipo que construya sobre modelos frontera debería seguir de cerca si estos acuerdos voluntarios derivan en restricciones reales de acceso, cómputo o despliegue que afecten a proveedores y a quienes dependen de sus APIs.

↳ Contexto: OpenAI hit the brakes. Now what? · ver hilo completo

Algorithmic Information Dynamics of Learning: A Certified, Differentiable Complexity Controller for Grokking

Paper de arXiv que introduce $K^{\mathrm{CDM}}_{\mathrm{s}F}$, un estimador diferenciable y certificado de complejidad algorítmica, para convertirlo en un controlador de la dinámica de aprendizaje que acelera el grokking. Las ablaciones muestran que una compuerta de complejidad rescata seeds que fallan con un 27% menos de intervención que una compuerta basada en train-loss, y que el kick transfiere a sparse parity y a un transformer. La contribución distintiva del estimador algorítmico es el timing (cuándo disparar y cuándo liberar), no la atribución por parámetro.

Por qué importa: Ofrece una señal medible y diferenciable para decidir cuándo intervenir en el entrenamiento, algo directamente aplicable a control de training loops y detección de transiciones en modelos que aún no convergen.

SPICE: Simple Polysemantic Feature Interpretation via Clustering-based Explanation

SPICE es un framework para analizar polisemanticidad (neuronas activadas por múltiples conceptos no relacionados) en redes neuronales, que evita reglas de propagación dependientes de la arquitectura y determina automáticamente el número de clústeres de conceptos por neurona, sin depender de un K predefinido. Permite la primera comparación sistemática de polisemanticidad entre CNNs y Transformers, y estudia cómo emerge y varía según profundidad, arquitectura y rutas computacionales. IMPORTA: Un método generalizable para interpretar polisemanticidad sin heurísticas manuales ni reglas específicas de arquitectura es directamente aplicable a debugging y auditoría de features internas en modelos grandes, donde entender qué codifica cada neurona es clave para control y seguridad.

Por qué importa: Un método generalizable para interpretar polisemanticidad sin heurísticas manuales ni reglas específicas de arquitectura es directamente aplicable a debugging y auditoría de features internas en modelos grandes, donde entender qué codifica cada neurona es clave para control y seguridad.

Discovering and Preserving Category Correlation Knowledge via Adaptive Reciprocal Knowledge Distillation

Se propone AR-KD (adaptive reciprocal knowledge distillation), un método que mejora la transferencia de conocimiento adaptando recíprocamente al teacher: alinea su matriz de correlación de clases con la representación relacional del student para remodelar su estructura de predicción y mitigar el colapso del dark knowledge inter-clase causado por teachers sobreconfiados. Evaluado en CIFAR-100 e ImageNet-1k, supera baselines de knowledge distillation con hasta 7.13% de ganancia de accuracy, 1.42%-4.15% por encima de vanilla KD en promedio, y mejoras adicionales al combinarse con otros métodos. IMPORTA: Propone invertir el flujo clásico de destilación adaptando al teacher en función del student, una idea reutilizable para quien entrena o comprime modelos pequeños a partir de modelos grandes.

Por qué importa: Propone invertir el flujo clásico de destilación adaptando al teacher en función del student, una idea reutilizable para quien entrena o comprime modelos pequeños a partir de modelos grandes.

[AINews] AEF-1 standard emerges for Third Party Evaluators, as Xai, OpenAI, and Anthropic all cosign

El AI Evaluator Forum publicó AEF-1, una propuesta de baseline para evaluaciones independientes de terceros que cubre acceso, conflictos de interés, financiación, recusación y transparencia, con la particularidad de que Anthropic se compromete unilateralmente a dar acceso tipo empleado a evaluadores embebidos (desks en oficinas, badges, laptops, permisos similares a los de equipos internos de evaluación de riesgo). En paralelo se agudiza la división pública entre quienes piden "pacing" del desarrollo frontier (Bilal Chughtai tras dejar GDM, Daniel Kokotajlo, Dan Selsam) y quienes lo ven como un problema de control/seguridad y gobernanza (Shashank/Sayash Kapoor, Lennart Heim), con reacciones contrarias de Aidan Gomez y Cohere. En el lado de producto, aparecen Cline Desktop para modelos open-weight, tiers de auto-selección de modelo en GitHub Copilot, Codex en Arch Linux, y DeepSeek-V4.1-Flash en la Pareto frontier con +

b10988

Nuevo release de llama.cpp (b10988) con cambios en el backend OpenCL para el matmul de expertos MoE. Se elige la variante de matmul de expertos según el batch size para decodificación especulativa/MTP, se condiciona el GEMM q4_0 precompilado de MoE al número de rutas de routing y se deja de escribir ceros en los slots de activación MoE con padding. IMPORTA: Afecta directamente al rendimiento de inferencia de modelos MoE en GPU vía OpenCL, relevante para quien sirve o hace decodificación especulativa/MTP sobre estos modelos.

Por qué importa: Afecta directamente al rendimiento de inferencia de modelos MoE en GPU vía OpenCL, relevante para quien sirve o hace decodificación especulativa/MTP sobre estos modelos.

b10985

El release b10985 de llama.cpp corrige el sistema de hash-cache del backend RPC para que solo cachee los pesos y no las activaciones. Antes, en un split de dos nodos con Qwen3.8-Flash-Next, cada prefill ubatch de más de 10 MB se hasheaba y escribía en el directorio de caché del worker, acumulando 1.4 TB en un día. El cambio usa el hash path solo para tensores marcados como WEIGHTS, reemplaza el estado pending_cache del servidor por un byte cache_flag en el mensaje SET_TENSOR y sube RPC_PROTO_MAJOR_VERSION por el cambio en el wire format. IMPORTA: Si despliegas inference distribuida con llama.cpp RPC, este fix evita que el disco del worker se llene con activaciones cacheadas por error, algo que podía tumbar nodos en producción tras horas de uso.

Por qué importa: Si despliegas inference distribuida con llama.cpp RPC, este fix evita que el disco del worker se llene con activaciones cacheadas por error, algo que podía tumbar nodos en producción tras horas de uso.

b10982

Nueva release de llama.cpp (b10982) que añade soporte de Flash Attention sparse para el backend Vulkan, orientado a DSV4/GLM. El commit incluye además simplificación de la lógica con nombres de variables más consistentes y un binding cm2 f16vec4 para el vector de decode. IMPORTA: Habilita atención sparse vía Vulkan en llama.cpp, lo que permite acelerar decode en GPUs con backend Vulkan para modelos que explotan atención sparse, un caso de optimización de inferencia local directamente aprovechable.

Por qué importa: Habilita atención sparse vía Vulkan en llama.cpp, lo que permite acelerar decode en GPUs con backend Vulkan para modelos que explotan atención sparse, un caso de optimización de inferencia local directamente aprovechable.

Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

Google DeepMind lanza Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, modelos de diálogo por voz en tiempo casi real orientados a voice agents. Extended Thinking logra el primer puesto en el Speech to Speech Quality Index de Artificial Analysis (82.6), 68.6% en τ-Voice y 35.1% en el τ-Voice-banking de Sierra, y 97.7% en Big Bench Audio; Live procesa entradas visuales en tiempo casi real, alterna entre 97 idiomas en una misma conversación y ejecuta tools y llamadas API en segundo plano mientras sigue conversando. Disponibles vía Gemini API, Google Workspace y la app Gemini, con audio marcado con SynthID. IMPORTA: Para quien construye voice agents en producción, marcar el estado del arte en task completion por voz con benchmarks públicos y latencia conversacional continua es una referencia directa para decidir qué modelo usar y qué esperar de los pipelines de streaming y tool-calling en tiempo real.

Por qué importa: Para quien construye voice agents en producción, marcar el estado del arte en task completion por voz con benchmarks públicos y latencia conversacional continua es una referencia directa para decidir qué modelo usar y qué esperar de los pipelines de streaming y tool-calling en tiempo real.

↳ Contexto: Introducing Gemini 3.8 Flash and 3.8 Flash Cyber · ver hilo completo

Dense vs. MoE Models: Active Parameters, Throughput, and When to Choose Each

Artículo de NVIDIA que compara arquitecturas dense y MoE (Mixture-of-Experts), explicando que un modelo MoE activa solo un subconjunto de parámetros por token —por ejemplo 3B de 30B en Nemotron 3.5 Lightning— mientras un dense activa todos. Detalla el mecanismo de routing por capas, el desacople entre memoria (VRAM para todos los expertos) y cómputo (FLOPs por token según expertos activos), y cómo la ventaja de latencia del MoE se estrecha a alta concurrencia, además de mencionar la variante híbrida Mamba-2 + MoE + Attention de Nemotron 3.5 Lightning y cuidados en fine-tuning (router imbalance) y cuantización. IMPORTA: Elegir entre dense y MoE cambia el presupuesto de VRAM, el throughput y la complejidad de serving, y afecta directamente cuánta KV cache cabe en GPU y cómo planificar capacidad en inferencia a distintas concurrencias.

Por qué importa: Elegir entre dense y MoE cambia el presupuesto de VRAM, el throughput y la complejidad de serving, y afecta directamente cuánta KV cache cabe en GPU y cómo planificar capacidad en inferencia a distintas concurrencias.

How NVIDIA NVLink 6 Delivers Multi-Layer Resiliency for AI Factories

NVIDIA detalla la arquitectura de resiliencia multi-capa de NVLink 6 para AI factories, combinando FEC ligero, Physical Layer Retry (PLR) y recuperación UPHY para corregir errores de señal a nivel de silicio con penalización de latencia casi nula, además de control de flujo basado en créditos (CBFC) que elimina la pérdida de paquetes por diseño. El NMX Controller usa un estado de "contain and drain" con alta disponibilidad para aislar fallos localmente y migrar funciones de control en segundos, mientras que Shadow Engine Recovery en NVIDIA Dynamo restaura capacidad de inference en 7.3 segundos frente a 283 segundos de un reinicio en frío en GPUs B200, y un prototipo de NCCL con soporte para cuda-checkpoint permite checkpoints multi-nodo con disponibilidad general prevista para fin de año. NVLink Fusion extiende esta pila de resiliencia a XPUs personalizados.

Por qué importa: Para quien opera clusters de entrenamiento o serving a escala, los números concretos de recuperación (7.3s vs 283s) y el mecanismo de checkpoint vía cuda-checkpoint en

Scaling Federated Learning Across Docker, Kubernetes, and Slurm with NVIDIA FLARE

NVIDIA FLARE introduce una arquitectura de dos capas que separa los servicios persistentes de federación de los job workers dinámicos, permitiendo que cada sitio de una federación use Docker, Kubernetes o Slurm como backend de ejecución. El soporte para Docker y Kubernetes llegó en FLARE 2.8, y FLARE 2.9 añadió Slurm para clústeres HPC y GPU compartidos. Los "studies" actúan como frontera lógica multi-tenant, mapeando cada estudio a datasets, secretos, imágenes aprobadas y políticas de scheduling locales. IMPORTA: Permite montar federated learning sobre infraestructura heterogénea sin forzar a cada participante a estandarizar su plataforma, con workers efímeros que solicitan GPU/CPU/memoria bajo demanda y liberan recursos al terminar.

Por qué importa: Permite montar federated learning sobre infraestructura heterogénea sin forzar a cada participante a estandarizar su plataforma, con workers efímeros que solicitan GPU/CPU/memoria bajo demanda y liberan recursos al terminar.

Agility’s new humanoid robot will stop, squat to avoid harming human coworkers

Agility Robotics presentó el Digit 5, su primer robot humanoide diseñado para trabajar de forma segura cerca de personas sin necesidad de jaulas o barreras físicas, mediante un sistema de movimiento seguro que detecta presencia humana y aplica mitigaciones como detenerse, apartarse o sentarse en cuclillas. Usa hardware Nvidia Thor IGX y el stack Nvidia Halos for Robotics para cómputo de IA y seguridad funcional, con sensores multimodales basados en visión, y Agility participa en el desarrollo del estándar ISO 25785-1. El robot ofrece acceso temprano en la primera mitad de 2027 y disponibilidad general a finales de ese año, con mejoras en piernas (levantamiento de hasta 50 libras), batería de 90 minutos con recarga en nueve minutos, mayor altura y reach, y grippers intercambiables.

Por qué importa: Marca un caso real de safety funcional certificable sobre cómputo de IA en el edge (Thor IGX), un patrón que quien despliegue agentes físicos o sistemas autónomos en entornos compartidos con humanos tendrá que resolver con detección multimodal y gestión de flotas integrada con los

What’s at stake in AI’s trillion-dollar gamble

Análisis financiero del buildout de data centers de IA: los hyperscalers (Alphabet, Microsoft, Amazon, Meta, Oracle) gastarán unos $750.000 millones este año y podrían superar los $5 billones en cuatro años, frente a ingresos totales de IA de solo $150.000-200.000 millones anuales. Según el paper de Jessica Wachter (Wharton), las compañías necesitarían multiplicar su productividad por 2,7 para alcanzar el break-even en 2030, y si ese boom de productividad no llega, el buildout sería "la mayor mala asignación de capital de la historia"; el artículo detalla además la depreciación de los chips GPU (≈60% de los costes, con rendimiento duplicándose cada dos años) y el giro hacia financiación con deuda, con Alphabet registrando su primer déficit de free cash flow desde 2004.

Por qué importa: Si el capital que sostiene la infraestructura de IA depende de un boom de productividad que aún no se ha materializado, quien planifica capacidad de cómputo, serving o costes de inference a varios años debería tratar la caída de precios y la disponibilidad de

↳ Contexto: Meet the startup helping Wall Street put a price on AI compute · ver hilo completo

A Hybrid Hierarchical 1D-CNN-BiLSTM Framework for Extractive Summarization of Biomedical and Clinical Text

Un paper de arXiv propone un framework híbrido jerárquico 1D-CNN-BiLSTM para summarization extractivo en texto biomédico y clínico, evitando la generación para prevenir alucinaciones. El modelo usa convoluciones multi-kernel apiladas para componer embeddings de frase, una BiLSTM para dependencias de largo alcance y una cabeza de scoring ligera entrenada con binary cross-entropy contra etiquetas extractivas oracle. En PubMed supera a baselines CNN y LSTM aislados, mientras que en MIMIC-CXR y MIMIC-IV BHC funciona bien en narrativas no estructuradas pero recurre a baselines posicionales en informes muy templados.

Por qué importa: Recuerda que en dominios donde la fidelidad factual es crítica, plantear la summarization como selección extractiva en lugar de generación es una alternativa de diseño que elimina el riesgo de drift factual, relevante para quien diseñe pipelines de resumen sobre documentos sensibles.

From Token Probabilities to Semantic Constraints: Towards Declarative Probabilistic Evaluation of Language Models

El paper propone ModelLog, un framework probabilístico declarativo para la evaluación de LLMs en pre-training que especifica los objetivos de evaluación como restricciones simbólicas sobre las predicciones a nivel de token y mide cuánto satisface el modelo esas restricciones. Mediante una nueva suite de tareas centrada en negación, exclusividad mutua y consistencia, encuentran fallos sistemáticos difíciles de caracterizar usando solo la likelihood de tokens o la exactitud de respuesta. Además, muestran que estas puntuaciones de evaluación pueden interpretarse como losses cuyos gradientes reflejan fuerza lógica, informatividad y sensibilidad a nivel de variable. Ofrece una forma de medir el comportamiento semántico de un modelo que la accuracy o la perplejidad no capturan, y al ser también interpretables como losses, abre la puerta a usar esas señales directamente en el entrenamiento o el fine-tuning.

Por qué importa: Ofrece una forma de medir el comportamiento semántico de un modelo que la accuracy o la perplejidad no capturan, y al ser también interpretables como losses, abre la puerta a usar esas señales directamente en el entrenamiento o el fine-tuning.

Harmfulness Propagation Dynamics: Layer-wise Trajectories of Adversarial Intent in Large Language Models

El paper identifica "Harmfulness Propagation Dynamics" (HPD): en prompts dañinos, la proyección del hidden state del último token sobre una dirección de daño aprendida crece monótonamente con la profundidad del transformer, mientras que en prompts benignos se mantiene plana u oscilatoria. Sobre esa señal construye HERALD, un moderador de input ligero que extrae un vector de siete características (pendiente, curvatura, monotonicidad, capa de onset y estadísticas relacionadas) de la secuencia de proyecciones por capa y la clasifica con un MLP de 288 parámetros, sin cómputo de gradientes en entrenamiento. Almacena una dirección de dimensión d por capa (262 KB para un modelo de 32 capas y d=4096) y añade solo 2.6e-6 FLOPs de prefill en inferencia; reporta F1 medio de 89.3 en OLMo2-7B y supera a los guard models evaluados en detección de jailbreaks adversariales (98.4 vs. 96.9 F1). IMPORTA:

Por qué importa: Ofrece un método de moderación de input extremadamente barato en inferencia