20 artículos
Índice de etiquetas editoriales y cobertura filtrada.
La revista Science publicó el 8 de octubre de 2026 el artículo de Google DeepMind sobre AlphaProof Nexus, un marco de agentes que genera demostraciones formales verificadas en Lean y que resolvió 9 de 353 problemas de Erdős intentados y 44 de 492 conjeturas abiertas de la OEIS.
Un estudio prospectivo publicado en The Lancet el 8 de octubre de 2026 probó AMIE, el sistema conversacional de diagnóstico de Google, con 98 pacientes de atención primaria del Beth Israel Deaconess Medical Center de Boston: ninguna conversación tuvo que interrumpirse y los médicos dijeron que el resumen les ayudó a preparar la visita en 33 de 44 casos.
Un estudio de Bharat Chandar (Stanford) y Bouke Klein Teeselink (King’s College London) con 1.250 millones de ofertas de empleo concluye que las empresas que adoptan IA generativa aumentan su plantilla alrededor de un 3,3 %, con un 6,7 % más de empleo senior y un 2,5 % menos de empleo junior.
Investigadores de Apple Machine Learning Research y la EPFL presentaron Malena, un único agente de programación con acceso a archivos y terminal que, con el mismo modelo y presupuesto, ganó medalla en el 62,5% de las competiciones de MLE-bench frente al 47,1% del mejor sistema externo probado.
OpenAI subió a GitHub 722 manuscritos de un «modelo de frontera interno» que, según la empresa, resuelven o hacen avanzar 372 problemas abiertos, desde la conjetura de Kakeya en cuatro dimensiones hasta trabajos ligados a la hipótesis de Riemann; los matemáticos piden prudencia porque la verificación está en curso.
El 5 de octubre de 2026, Reuters/Rappler difundieron testimonios en vídeo recopilados por Palisade Research para frominside.ai: empleados actuales y ex de OpenAI y Google DeepMind afirman que el riesgo existencial es sincero, que los labs premian más a quien construye modelos que a quien urge cautela, y que la sociedad no está lista para la mejora recursiva.
Investigadores de Google Cloud AI Research y universidades aliadas publicaron RRSI (Regularized Recursive Self-Improvement of Agent Harnesses), un método que evoluciona prompts, herramientas y memoria de agentes con el modelo congelado, ganando hasta 14,1 puntos en el split de evolución y 4,7 en benchmarks no vistos, con ~30% menos tokens de política.
Un paper de Nvidia cubierto por THE DECODER el 26 de septiembre describe SoL-Pi: búsqueda automática de cambios en la capa de control del agente; en EdgeBench la variante eficiente usa 44,7–49% menos tokens con ~94% del score de Pi.
Enviado el 14 de septiembre de 2026, Dream-RSI (arXiv:2609.14858; Tong Zheng et al.) propone RSI vía simulador de replay sobre árboles de descubrimiento, buscando calidad competitiva a menor costo en algoritmos, optimización matemática y kernels GPU.
El estudio World 2 de Emergence (septiembre 2026) halló que agentes Claude, Gemini, Grok y OpenAI desarrollaron dialectos propios en sociedades virtuales, con hasta ~55%/50%/40% de mensajes opacos, y comportamientos de contagio bajo phishing.
Un paper SoK enviado a arXiv el 11 de septiembre de 2026 por Mia, Wu, Uluagac y Amini sostiene que los ataques pueden triunfar en capas de planificación, memoria o herramientas de un agente mientras la respuesta final parece limpia. TechTimes lo situó el 15 de septiembre junto a advertencias de Amodei sobre enjambres; recomienda logging intermedio, least privilege y dejar de usar métricas solo de salida.
El investigador Jacob Coxon, de 27 años, anunció el 8 de septiembre de 2026 su renuncia a Anthropic tras unos cuatro meses —y tres años de preentrenamiento entre OpenAI y Anthropic—. Su hilo en X acumuló decenas de millones de vistas; TIME, Axios, Ars Technica y WIRED detallaron que renunció antes de que vestara su equity y que Evan Hubinger situó el riesgo de extinción por IA por encima del 10% en una década.
MIT News del 14 de septiembre de 2026 describe HardFlow, un algoritmo de investigadores del MIT que se acopla en despliegue a modelos generativos preentrenados y impone restricciones duras solo sobre la salida final —no en cada paso intermedio—. Reportan satisfacción perfecta de restricciones en manipulación robótica, navegación de laberintos y edición de imagen guiada por texto, con mejor calidad de solución que baselines y trayectorias robóticas libres de colisión más rápidas.
El preprint arXiv:2609.11147 (10 sep 2026) presenta ARCHE, un sistema agentico autónomo para descubrimiento de mecanismos químicos que combina un modelo de razonamiento, un modelo de dominio químico y un registro de herramientas. Se valida en TS de catálisis asimétrica, una vía de clivaje radical C–I y un descriptor de selectividad en cross-coupling migratorio de Ni; el código es público.
Peter Wildeford publica un mapa de acuerdos y desacuerdos tras entrevistar a 25 investigadores de OpenAI, Anthropic, DeepMind, Meta, Princeton, Berkeley y Stanford sobre RSI. El contexto: 1.376 empleados de labs frontera firmaron una carta abierta advirtiendo que las compañías podrían estar cerca de automatizar la investigación en IA; OpenAI y Anthropic la respaldaron formalmente.
El 10 de septiembre de 2026, CNBC reportó que investigadores de OpenAI y Anthropic refuerzan pedidos de desaceleración. Jacob Coxon dejó Anthropic acusando a los labs de “jugarse la vida”; Evan Hubinger situó el riesgo existencial por encima del 1%. El contexto incluye incidentes cibernéticos recientes y una carta abierta de julio con unos 1.400 firmantes.
El debate de 2026 sobre razonamiento opaco vs. CoT auditable se agudiza con Astra: Ryan Greenblatt (Redwood) y preocupaciones del UK AISI cuestionan si se puede vigilar lo que el modelo no escribe.
DeepMind supera baselines clásicos en predicción científica con un nuevo sistema de aprendizaje profundo.
Investigación en modelos de mundo buscó predicción de dinámicas para planificación, más allá de generar pixels bonitos.
Papers de scaling laws mostraron relaciones predecibles entre pérdida, parámetros, datos y FLOPs, guiando inversiones en LLM.