El radar

TensorSSM: Memorizing Spatial Position in Dynamic State Space for Tensor Core Generation

TensorSSM propone un método de descomposición funcional de tensores basado en Implicit Neural Representations que memoriza posiciones espaciales dentro de un State Space Model dinámico, evitando el aplanado de tensores de alto orden en secuencias 1D. Descompone las coordenadas por modo en secuencias mediante una regla K-ary, codificando tokens espaciales de grueso a fino, y extiende el espacio de estados del SSM para mapear dependencias espaciales entre modos. Los experimentos reportados muestran alta precisión de reconstrucción y eficiencia de almacenamiento en diversos datasets de tensores sin asumir supuestos espaciales estrictos.

Por qué importa: TensorSSM optimiza la compresión y reconstrucción de tensores multidimensionales mediante State Space Models sin perder estructura espacial, lo que reduce dramáticamente el overhead de memoria y latencia en la inferencia de modelos multimodales o sistemas de visión que requieren procesamiento de datos de alto orden en infraestructuras con recursos limitados.

TSFLab: A Self-Improving Agent-Agnostic Workbench for Time Series Forecasting Research

TSFLab es un workbench agent-agnostic y auto-mejorable que dota a coding agents compatibles (como Claude Code o Codex) de recursos y herramientas compartidas para reproducir, hacer benchmarking y desarrollar nuevos modelos de time series forecasting. El paper parte de que solo ~20% de los papers TSF de arXiv publican código y de que aplicar coding agents directamente resulta caro y poco escalable. En sus experimentos, TSFLab mejora la completitud de tareas entre 20-163% y reduce los fresh tokens por tarea entre 11-66%; en el estudio piloto de desarrollo de métodos logra mayor precisión de forecasting con 32.8-73.6% menos fresh tokens y 9.2-68.8% menos tiempo de desarrollo.

Por qué importa: Un entorno compartido y optimizado para coding agents reduce significativamente el costo de inferencia y el tiempo de experimentación al reutilizar recursos en lugar de reiniciar contextos completos para cada tarea de investigación en forecasting.

Import AI 479: Spacewar; low-latency tasks versus LLMs; Genie 4

Investigadores de varias universidades y NVIDIA presentan Realtime-Bench, un benchmark de 50 tareas interactivas (30 web y 20 de juego) que mide tres capacidades: RT-Perceive (seguimiento del estado temporal), RT-Deliberate (ajuste de la longitud de razonamiento según el tiempo disponible) y RT-Act (temporización de acciones). Bajo condiciones de reloj real, GPT-6 Astra logra solo un 36% de éxito, frente a cerca del 70-80% con reloj pausado, lo que señala dónde fallan los agentes en entornos de baja latencia.

Por qué importa: Los agentes autónomos necesitan arquitecturas de inferencia que separen el razonamiento crítico del flujo perceptivo en tiempo real, porque la latencia end-to-end en decisión actualmente no es un problema de modelo sino de orquestación en la infraestructura.

Making Kubernetes AI-Ready for NVIDIA Vera Rubin on Day One

NVIDIA presenta AICR (AI Cluster Runtime), dentro de la plataforma DSX AI Factory, que captura configuraciones afinadas como recipes reutilizables, genera bundles de despliegue y valida clusters Kubernetes en ejecución para dejar listo Vera Rubin NVL72 desde el primer día. La recipe family de Vera Rubin fija el driver R615.23 en modo host-managed, DRA driver v0.5.0 con ComputeDomains, Ubuntu 26.04 con kernel de páginas de 64k y ajustes como DraNet y RDMA netns exclusivo, validados con GPU Operator v26.7.0 y una puerta de rendimiento NCCL all-reduce de 744,71 GB/s de bus bandwidth sobre NVLink. La validación en silicio temprano destapó un valor de arquitectura Rubin sin mapear en go-nvlib que provocaba crash-loop del plugin kubelet del DRA driver, corregido y publicado en la release oficial v0.5.0. Esta pieza continúa lo publicado sobre AICR v1.0, ahora aplicado a Vera Rubin. MOTIVO

Por qué importa: Si despliegas clusters Kubernetes de IA con hardware NVIDIA de última generación, AICR te elimina semanas de tuning manual de configuración de drivers, kernel y networking para que tu infraestructura GPU esté productiva desde el primer día con rendimiento validado.

↳ Contexto: AICR v1.0: Open, stable, and verifiable GPU cluster configuration · ver hilo completo

Build World Models for Interactive Simulation with NVIDIA Cosmos

NVIDIA presenta Cosmos, una plataforma de world foundation models y herramientas para physical AI, con un Cosmos Framework modular y abierto que amplía su soporte más allá de Cosmos 3 a Alpamayo, GR00T, Qwen, pi0.5 y otros modelos de Hugging Face. Las nuevas recipes de Cosmos 3 Nano generan vídeo de cámara y observaciones LiDAR sincronizadas para escenarios de conducción autónoma, robótica y cirugía, con checkpoints ejecutables en PyTorch y vLLM-Omni sobre GPUs Hopper y Blackwell. Los microservicios Cosmos NIM ofrecen inference acelerada con cuantización, speculative decoding y routing KV-cache-aware, con speedups de ~2–3x en H200, y requisitos de memoria que van de 58 GiB en BF16 a 44 GiB en FP8 con offloading para la generación con Cosmos3-Nano.

Por qué importa: La capacidad de ejecutar modelos world foundation models con optimizaciones de inferencia como cuantización y speculative decoding en GPUs Hopper/Blackwell reduce significativamente los requisitos de memoria y latencia, permitiendo desplegar sistemas agénticos de robótica y autonomía en infraestructura GPU más accesible mediante los microservicios NIM.

↳ Contexto: Running Frontier-Class AI Models Across 8 NVIDIA DGX Spark Nodes · ver hilo completo

Support New AI Frameworks Faster Using NVIDIA Workload Map

NVIDIA presenta Workload Map (antes Karta, el kind del CRD se mantiene), un CRD de Kubernetes más una librería Go que ofrece una descripción común de la estructura de workloads distribuidos, evitando que schedulers y plataformas mantengan adaptadores específicos por framework. Incluye un catálogo de definiciones predefinidas para JobSet, PyTorchJob, RayCluster/RayJob/RayService, KServe, Knative, MPIJob, NVIDIA NIM, LeaderWorkerSet, Milvus, Grove PodCliqueSet y NVIDIA Dynamo, y permite añadir tipos nuevos con un YAML. El artículo muestra cómo una misma definición de JobSet sirve para inspección vía CLI, gang scheduling con KAI Scheduler y visibilidad en NVIDIA Run:ai, y menciona que Elotl Nova la usa para decisiones de scheduling multi-cluster. Se enmarca en la NVIDIA DSX AI Factory Platform.

Por qué importa: Workload Map permite definir una sola vez la estructura de tus cargas de trabajo distribuidas (training, inference, multi-agente) en Kubernetes y reutilizarla automáticamente en cualquier scheduler, observabilidad o plataforma sin mantener adaptadores específicos para cada combinación, acelerando significativamente la adopción de nuevos frameworks en tu stack de infraestructura de IA.

↳ Contexto: NVIDIA Run:ai Is Now Open Source as Part of NVIDIA DSX AI Factory Platform · ver hilo completo

Claude’s new rules against game cloning won’t stop the AI copying boom

Anthropic añadió dos frases al system prompt de Claude Code para Opus 5.5 (regla interna "tengu_heron_brook", verificada en la versión 2.1.314 del binario) para impedir la recreación de videojuegos existentes, permitiendo juegos originales o de género propio. La medida llega tras una oleada de ports y proyectos de decompilación asistidos por IA, que llevó al cierre de la comunidad decomp.dev, y el propio ingeniero Addy Osmani confirmó el cambio. El artículo señala que la restricción probablemente tenga poco efecto real, ya que los usuarios pueden cambiar a otros modelos frontier u open-weight sin estas limitaciones, y que la línea entre recreación y obra transformativa sigue siendo ambigua.

Por qué importa: Esta restricción de Anthropic demuestra que los límites de seguridad en modelos frontier son fácilmente eludibles mediante cambio de proveedor o modelos open-weight, lo que obliga a cualquier organización que dependa de controles de contenido en sistemas agénticos a implementar validaciones en la capa de aplicación y observabilidad de workflows en lugar de confiar únicamente en las guardrails del modelo base.

b12053

Release b12053 de llama.cpp, en el que ggml pasa a usar vm_allocate en lugar de posix_memalign en todas las plataformas Apple (incluido iOS), y el test test-host-buffer-release se ejecuta por defecto. Es un cambio acotado de gestión de memoria en la capa ggml, relevante para quien use inferencia local en hardware Apple. Continúa la línea de releases recientes del proyecto (anteriormente b11042).

Por qué importa: El cambio a vm_allocate en lugar de posix_memalign en plataformas Apple mejora la gestión de memoria y la eficiencia de la asignación de buffers, lo que es crítico para optimizar la inferencia local de LLMs en dispositivos Apple donde la memoria es un recurso limitado.

↳ Contexto: b11042 · ver hilo completo

b12051: vulkan: add tensor-parallel allreduce function (#25051)

Release b12051 de llama.cpp que añade all-reduce tensor-parallel en el backend Vulkan, habilitando tensor parallelism con `-sm tensor` en GPUs. Detalla la depuración de carreras en el ring all-reduce con 3+ dispositivos, la fusión del all-reduce en los compute submissions y la sincronización vía host con timeline semaphores en lugar de SYNC_FD, con mejoras medidas en qwen3.5 27B Q8_0 sobre RTX 4090: tg128 de 32.2 a 49.7 t/s con 2 GPUs, de 20.9 a 40.0 con 3 y de 15.0 a 27.6 con 4, y pp512 de 2138 a 2320 con 2 GPUs, sin cambios en la salida greedy.

Por qué importa: La optimización de tensor parallelism en Vulkan permite distribuir la inferencia de modelos grandes entre múltiples GPUs con sincronización eficiente, mejorando significativamente el throughput en escenarios de generación de tokens donde el paralelismo de datos solo no es suficiente.

Raising the quality of insights in agentic analytics

Informe de contenido patrocinado de MIT Technology Review sobre agentes de analítica empresarial, según el cual solo el 48% de los insights generados por estos agentes derivan en acciones que mejoran el negocio (frente al 37% de un año antes). La falta de contexto de negocio (55%) y la fragmentación de datos (45%) son las causas principales de la baja calidad, y el 52% de las organizaciones recibe demasiados insights para evaluarlos. Las empresas priorizan gobernanza de IA y datos (60%) y capas semánticas (45%) en lugar de modelos más grandes; conecta con nuestro reciente "Scaling AI agents with trustworthy data".

Por qué importa: La calidad insuficiente de los insights en agentes analíticos expone la necesidad crítica de arquitecturas de RAG robusto con capas semánticas y gobernanza de datos para que los agentes autónomos tomen decisiones confiables sin saturar con ruido los sistemas de observabilidad empresarial.

↳ Contexto: Scaling AI agents with trustworthy data · ver hilo completo

Better Retrievers, Worse Labels: How Incomplete Relevance Judgments Distort Abstention Evaluation in Conversational RAG

Paper de arXiv (cs.CL) de Ivan Kochergin y un coautor que analiza cómo los juicios de relevancia incompletos distorsionan la evaluación de la abstención en sistemas de RAG conversacional, con el argumento de que mejores retrievers pueden producir peores etiquetas de evaluación. El texto disponible es solo la página de metadatos de arXiv, sin abstract ni resultados, por lo que no se detallan metodología ni cifras. Relacionado temáticamente con nuestra pieza previa sobre decodificación de LLMs para RAG fiable, aunque sin conexión explícita en el contenido.

Por qué importa: Si tus sistemas RAG conversacionales se evalúan con juicios incompletos, puedes estar penalizando falsamente a agentes que se abstienen correctamente, lo que te lleva a optimizar hacia comportamientos menos confiables en producción.

↳ Contexto: Knowing Before Answering: Decoding Language Models for Reliable RAG · ver hilo completo

Fewer Heads, Fewer Memories: Pruning Redundant Attention Heads Suppresses Verbatim Memorisation

Un trabajo de arXiv muestra que poner a cero una fracción sustancial de attention heads antes de la inference suprime la reproducción verbatim de secuencias memorizadas sin necesidad de reentrenar ni modificar los datos de entrenamiento. Evaluando GPT-2-XL (1.5B) sobre secuencias memorizadas conocidas, el pruning de 729 heads redundantes reduce el conteo de memorización un 91.5% y además mejora la perplejidad en WikiText-103 en 0.92. Los autores conectan la redundancia de heads con su papel como mecanismos de memoria asociativa y proponen explotarla en inference time para mitigar fugas de privacidad.

Por qué importa: La capacidad de suprimir memorización de entrenamiento mediante pruning de heads en tiempo de inferencia sin reentrenamiento abre una estrategia práctica para reducir riesgos de privacidad en despliegues de modelos sin comprometer significativamente el desempeño, lo que es crítico para sistemas agénticos que procesan datos sensibles en producción.

Do Open Language Models Invent Scripture? BILAL-BENCH: Benchmarking Islamic-Source Fabrication in Bengali

BILAL-BENCH es un benchmark de 240 preguntas verificadas por expertos para medir la fabricación de fuentes islámicas en bengalí con respuestas abiertas, cubriendo atribución coránica, hadith, fiqh, temas contemporáneos y prompts adversariales con premisas falsas, con una rúbrica de dos ejes que separa errores de fuente de asertividad. Se evaluaron siete modelos open-weight de 1B a 120B sobre 1.680 respuestas con doble anotación: seis de los siete fabrican con confianza en el 79,3-95,3% de las preguntas de producción de fuentes, sin mejora monótona con la escala, y la procedencia de hadith es la categoría más débil (solo dos de 315 respuestas son correctas y bien atribuidas). La abstención apropiada o corrección de premisas falsas varía de 6 a 46 respuestas y no correlaciona con el número de parámetros.

Por qué importa: Evaluar la propensión de modelos open-source a generar contenido fabricado en dominios específicos como fuentes religiosas es crítico para diseñar sistemas agénticos confiables y guardrails de seguridad en infraestructuras de IA multilingües, donde la escala de parámetros no garantiza calibración de confianza ni abstención apropiada.

The U.S. Census Bureau and “Super Intelligence”

Simon Willison revisa los datos de la encuesta BTOS del U.S. Census Bureau sobre adopción de IA en empresas y detecta que el cambio de wording de la pregunta (de "producir bienes o servicios" a "cualquier función de negocio", en noviembre de 2025) hace incomparables las series antes y después. Con la nueva formulación, la adopción reportada por empresas de 250+ empleados pasó de ~12% en septiembre de 2025 a ~30% en febrero de 2026 y ~40% en octubre de 2026. Además, el Bureau actualizó el instrumento en octubre de 2026 por la Executive Order 14434, que renombra "Artificial Intelligence" como "Super Intelligence" (SI) en la encuesta.

Por qué importa: La redefinición de lo que mide la encuesta BTOS invalida las comparativas históricas de adopción de IA que probablemente estés usando para validar métricas de crecimiento del mercado o justificar inversiones en infraestructura de IA en tu organización.