El radar

Humans, not rogue AI, are still the biggest cybersecurity risk to energy systems

Análisis de The Verge sobre el riesgo que la IA generativa supone para la ciberseguridad de infraestructuras energéticas, con declaraciones de expertos como Joshua Corman (IST) y Sophie McDowall (FDD). Los expertos señalan que el mayor peligro actual son los actores maliciosos humanos equipados con IA, que actúa como multiplicador de fuerza al permitir a adversarios menos capacitados atacar sistemas OT para los que antes necesitaban conocimiento especializado, más que los agentes rogue autónomos. El artículo menciona el hackeo de un modelo de OpenAI a Hugging Face como ejemplo de capacidades emergentes, el compromiso de OpenAI de destinar 1.000 millones de dólares a defensa de infraestructura crítica, y las dificultades estructurales de actualizar sistemas OT antiguos, muchos sin parches disponibles. Para quien diseña o defiende sistemas conectados, el mensaje operativo es que la IA está acelerando la velocidad de los ataques contra infraestructura crítica mientras los ciclos de parcheo de los sistemas OT siguen siendo trimestrales o

Por qué importa: Para quien diseña o defiende sistemas conectados, el mensaje operativo es que la IA está acelerando la velocidad de los ataques contra infraestructura crítica mientras los ciclos de parcheo de los sistemas OT siguen siendo trimestrales o anuales, lo que obliga a replantear la segmentación, la capacidad

↳ Contexto: It’s time to panic about AI safety · ver hilo completo

Elastic Threshold Attention: Learned Contextual Sparsity for Long-Context Decoding

ETA es una arquitectura de atención entrenable end-to-end que predice umbrales contextuales dinámicos desde las representaciones de query, permitiendo asignar contexto denso a pasos de recuperación o razonamiento difíciles y podar tokens rutinarios. El entrenamiento con supresión multiplicativa de logits bajo el umbral (en lugar de borrarlos) elimina los attention sinks en los tokens iniciales, y permite hard-pruning de bloques KV en inference. Un modelo ETA de 1.45B rivaliza con atención densa con ~85% de sparsity en entrenamiento y ~38% de densidad activa en decode, con un kernel en Triton que da hasta 2.5x de speedup sobre FlashAttention-2 en secuencias de hasta 512K tokens, más calibración offline que reduce otro 27% el cómputo de atención.

Por qué importa: Ataca directamente el cuello de botella de memoria y ancho de banda del KV cache en decodificación de contexto largo, con hard-pruning de bloques KV y un kernel propio, algo que repercute en coste y latencia de serving de LLMs de contexto largo.

↳ Contexto: Looped Latent Attention: Cross-Loop KV Compression for Looped Transformers · ver hilo completo

Do Quantum Models Scale Like LLMs?

El paper estudia las neural scaling laws de RydbergGPT, un transformer autorregresivo entrenado sobre datos de medición proyectiva de qubits en arrays de átomos de Rydberg. Encuentra que cerca del punto crítico la loss frente al tamaño del dataset sigue una power-law con corrección de loss floor, mientras que lejos de la criticalidad esa descripción pierde calidad. Comparando la estructura estadística de las mediciones y de corpus de lenguaje natural mediante una función de información mutua "two-point" normalizada por entropía, observa que las estadísticas cerca del punto crítico son las más parecidas al lenguaje natural, lo que respalda que la dependencia multi-escala contribuye a un scaling estable y que el scaling es una propiedad del par modelo-datos.

Por qué importa: Refuerza la idea de que las curvas de scaling dependen tanto del modelo como de la estructura estadística de los datos, algo directamente relevante al estimar cómo se comportará un LLM según el dataset y no solo según el tamaño del modelo.

Quoting voxium

Simon Willison recoge el testimonio de "voxium", un ingeniero recién incorporado a una gran empresa donde absolutamente todo el trabajo (specs, código, tests, PRDs, tickets y su resolución, informes) lo genera Claude Code. El autor afirma que nadie en su equipo está contento con esta dinámica, que la dirección les presiona para entregar el máximo posible argumentando que "publicar código no es el cuello de botella", y que gente de todos los niveles, de L1 a L7, trabaja 12 o 13 horas al día sin que nadie lea realmente lo que se produce.

Por qué importa: Es un caso real de coding agents adoptados a escala en una organización grande, útil para quien diseña o evalúa workflows agénticos porque documenta el fallo organizativo, no técnico: productividad aparente sin revisión humana ni ownership del código.

MCP was always a bad idea?

Simon Willison responde a un artículo que sostiene que MCP "siempre fue una mala idea", argumentando que ese análisis pasa por alto el valor actual de MCP. Reconoce que un agente de terminal completo (Claude Code, Codex, Meta Muse, OpenClaw) con acceso libre a internet puede llamar APIs directamente sin MCP, pero defiende que MCP sigue siendo útil para construir sistemas menos permisivos que ese escenario. Es una entrada breve de blog sin datos concretos ni detalles técnicos de implementación. Para quien construye agentes fuera del caso "terminal con internet sin restricciones", MCP sigue siendo la pieza que facilita exponer herramientas y recursos de forma controlada, así que descartarlo por obsoleto sería un error de diseño.

Por qué importa: Para quien construye agentes fuera del caso "terminal con internet sin restricciones", MCP sigue siendo la pieza que facilita exponer herramientas y recursos de forma controlada, así que descartarlo por obsoleto sería un error de diseño.

Import AI 473: The US's superintelligence strategy; human brain in a mouse skull; and machine hermeneutics

RAND publica un extenso paper sobre cómo EEUU debería "asegurar ventaja geopolítica en un camino incierto hacia la superinteligencia", proponiendo una estrategia de "Freedom of Action" con cuatro pilares (ecosistema humano-IA, arquitectura de seguridad de IA, adaptación de instituciones de seguridad nacional y capacidad de respuesta de ciudadanos y gobiernos), además de siete estrategias arquetípicas agrupadas en coexistencia, negación y aceleración. En paralelo, un equipo de investigadores cultivó organoides corticales humanos en el neocórtex de ratones con neuronas glutamatérgicas depletadas genéticamente (ratones "xenocorticales"), logrando redes eléctricamente activas y funcionalmente integradas; los ratones XCX mostraron un rendimiento en laberinto por encima del azar, sugiriendo que el tejido humano cumplía funciones de memoria.

Por qué importa: El marco de RAND sobre optionality, verificación de acuerdos y visibilidad del compute anticipa qué tipo de requisitos de gobernanza, monitoreo y control de infraestructura podrían recaer sobre quienes operan clusters de entrenamiento e

↳ Contexto: Import AI 472: DeepMind's cheating math agents; populist AI policies; and Forethought theorizes a nightwatchman · ver hilo completo

4 ways to address the failures we found along the US border’s “virtual wall”

Una investigación de MIT Technology Review documenta más de 1.050 muertes cerca de las torres de vigilancia con IA del "muro virtual" en la frontera EE.UU.-México, con casos de personas que pasaron sin ser detectadas por torres con algoritmos que fallaron y agentes que no respondieron a las alertas. El artículo detalla fallos sistémicos —torres averiadas, falta de auditorías internas de CBP y datos incompletos sobre muertes— y propone cuatro medidas: auditar el sistema, mejorar el registro de muertes, verificar cada fallecimiento contra la base de datos de torres y preservar el footage de vigilancia. Señala que EE.UU. destinará 1.000 millones de dólares a triplicar el muro virtual para 2034, mientras la evaluación de su eficacia sigue pendiente.

Por qué importa: Es un caso real y documentado de despliegue de visión por computador a gran escala donde los fallos del modelo, la falta de observabilidad y la ausencia de métricas de eficacia tienen consecuencias humanas, un recordatorio de por qué auditar y medir sistemas de IA desplegados no es opcional.

The US spent billions on border surveillance. Why can’t it catch people before they die?

Una investigación de MIT Technology Review cruzó casi 4.000 ubicaciones donde se encontraron restos humanos con información de cerca de 600 torres de vigilancia fronteriza con IA y encontró más de 1.050 muertes ocurridas dentro del rango de esas torres entre 2015 y principios de 2026, incluidas más de 110 cerca de torres autónomas modernas de Anduril desde 2021. El caso central es el de José Morales Bernal, que murió de exposición ambiental a 360 pies de la torre más cercana, pese a estar dentro del rango de tres torres de Anduril, y fue hallado por trabajadores de un vertedero, no por la patrulla fronteriza. El artículo señala que CBP apenas ha evaluado el desempeño real de sus torres, en un contexto de planes para sumar 1.497 torres más con un gasto de 1.000 millones de dólares hacia 2034.

Por qué importa: Es un caso de estudio sobre cómo un sistema de detección con IA puede fallar silenciosamente en producción sin que el operador mida su desempeño real, algo directamente relevante para

She died at the San Diego border. A surveillance camera was in plain sight

Una investigación de MIT Technology Review y Times of San Diego documenta que al menos 138 migrantes muertos en los últimos cuatro años fueron hallados dentro del rango de cámaras de vigilancia con IA en la frontera de California, más de 120 torres operadas por compañías como Anduril y General Dynamics. Un análisis topográfico estima que en más de la mitad de esos casos la cámara tenía línea de visión clara sobre la persona. Las empresas y la Border Patrol no respondieron a las preguntas sobre si los sistemas detectaron a estas personas en peligro ni sobre cómo se usan las cámaras ante emergencias.

Por qué importa: Es un caso concreto de un sistema de visión por computadora a gran escala desplegado durante años cuyo valor operativo real queda en duda —útil para quien diseña o evalúa sistemas de detección y alertas, donde el fallo no es solo de precisión del modelo sino de que nadie actúe sobre la detección.

Reviser: Revision-Capable Text Generation via Autoregressive Cursor Actions

Reviser es un Transformer decoder-only que genera texto como una secuencia de acciones relativas a un cursor sobre un canvas mutable: en cada paso predice un único token de acción INSERT(token), MOVE(Δ) o STOP, y es autoregresivo sobre el historial de ediciones en lugar del orden final del texto. Este diseño permite generación genuinamente no monotónica manteniendo una interfaz simple de next-action. En un benchmark de continuación, Reviser fue claramente preferido a SEDD y MDLM en evaluaciones de arena, y las estadísticas de trayectoria confirman movimientos hacia atrás e inserciones en medio del canvas; frente a baselines autoregresivos de igual tamaño es competitivo a escalas de 100M y 300M, y bajo su convención compartida de FLOPs requiere bastante menos cómputo de inference que baselines representativos de refinamiento multipaso y estilo diffusion.

Por qué importa: Sustituir el decoding monotónico por un mecanismo de acciones de cursor abre una vía concreta para que la inference de un LLM edite su propia salida sin repasos completos de secuencia, algo directamente aplicable a generación de código y a workflows de agentes que cor

Recursive Language Models Generalize Out of Domain

Un paper de arXiv compara los Recursive Language Models (que resuelven cada subtarea en un contexto aislado) con el CoT estándar, que lee la traza completa. In-distribution el CoT simula eficientemente la regla recursiva y no hay ventaja, pero out of domain el CoT puede apoyarse en contexto fuera de la subtarea actual (un shortcut que se rompe al cambiar esos tokens), mientras que el aislamiento de contexto recursivo elimina ese modo de fallo. Los autores concluyen que cubrir la regla correcta no basta para razonar de verdad: el sesgo de simplicidad prefiere el shortcut.

Por qué importa: Ofrece un argumento teórico de por qué aislar el contexto por subtarea mejora la generalización out of domain, algo directamente relevante para diseñar agentes y pipelines que descomponen tareas en lugar de arrastrar todo el historial.

TatBLiMP: A Benchmark of Linguistic Minimal Pairs for Tatar

Se presenta TatBLiMP, el primer benchmark de pares mínimos lingüísticos para tártaro, con 1248 pares de frases que cubren 16 fenómenos morfosintácticos, donde cada par difiere en un solo morfema. El scoring compara las probabilidades que el modelo ya asigna, sin necesidad de generación de texto ni parser, y funciona tanto en base models como en checkpoints de mid-training. Los resultados muestran que el benchmark refleja el entrenamiento específico en tártaro más que la escala de parámetros: un modelo from-scratch de 478M y uno monolingüe de 125M rondan 0.97, mientras que LLMs multilingües frontera de 30-120B caen a 0.80-0.92.

Por qué importa: Refuerza con evidencia cuantitativa que el entrenamiento enfocado en una lengua concreta supera a la escala bruta de parámetros en tareas de competencia gramatical, un argumento relevante para decidir estrategias de fine-tuning y asignación de compute en modelos multilingües.

Transsion's Speaker-Attributed Multilingual ASR System for the MLC-SLM 2026 Challenge

El equipo Transsion Speech presenta su sistema para la Task 1 del MLC-SLM 2026 Challenge, centrada en transcripción con atribución de hablante para habla conversacional multilingüe. Proponen un framework en cascada con un módulo de diarización basado en DiariZen, un módulo ASR multilingüe basado en Qwen3-Omni con alineación CTC externa para timestamps a nivel de palabra y carácter, y un módulo de fusión que genera salidas STM con hablante atribuido. El sistema alcanza un tcpMER de 15.41% y queda segundo entre los equipos participantes.

Por qué importa: Muestra un pipeline en cascada reproducible (diarización + ASR + fusión con timestamps) para un problema —transcripción multilingüe con atribución de hablante— que aparece directamente al construir agentes de voz o pipelines de datos de audio a escala.

Improving synthesis prediction of small molecules at scale with RetroChimera

Microsoft Research publica en Nature RetroChimera, un framework de retrosíntesis que combina dos modelos con fortalezas complementarias: R-SMILES 2 (Transformer de novo, flexible pero propenso a alucinaciones) y NeuralLoc (GNN basado en plantillas, más preciso pero limitado a las reacciones cubiertas por su librería). Mediante una estrategia de ensembling aprendida que asigna votos dependientes del rank, RetroChimera iguala aproximadamente al mejor sub-modelo en cada clase de reacción y en tests ciegos con químicos expertos prefirieron sus predicciones de desconexiones frente a las de los sub-modelos y a reacciones registradas en la literatura. La implementación y los pesos están disponibles en GitHub bajo licencia MIT y accesibles vía Microsoft Foundry.

Por qué importa: Muestra un patrón de ensembling aprendido con votos dependientes del rank para combinar un modelo generativo y otro basado en plantillas, un enfoque de composición de modelos reutilizable más allá de la química para mitigar alucinaciones sin perder cobertura.