Investigadores de KAIST y LG AI Research presentaron Prometheus 2, un modelo fundacional abierto de evaluación diseñado específicamente para actuar como juez automatizado (LLM-as-a-Judge) mediante rúbricas explícitas tanto en evaluación directa como en comparación por pares.
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
Meta Presenta Llama Guard 3 8B: Modelo Abierto de Moderación Multilingüe y Evaluación de Riesgos para LLMsMeta libera Llama Guard 3 8B, clasificador abierto de seguridad optimizado para detectar riesgos y ataques adversariales en 8 idiomas para flujos de producción.Leer análisis completo
OpenAI y SWE-bench Presentan SWE-bench Verified: Evaluación Confiable de Agentes de SoftwareOpenAI y SWE-bench presentan SWE-bench Verified, subconjunto validado por ingenieros para medir objetivamente la resolución de bugs por agentes de IA.Leer análisis completo
Scale AI Lanza SEAL: Evaluación Continua y Benchmarks Privados para Modelos de FronteraScale AI lanza SEAL, marco de evaluación experta continua con benchmarks privados y dinámicos para evitar la contaminación de modelos de frontera.Leer análisis completo
Scale AI Presenta SEAL: Marco de Evaluación Abierta y Objetiva para Medir Capacidades y Seguridad en Modelos de FronteraScale AI lanza SEAL, marco de evaluación independiente con pruebas no contaminadas para auditar razonamiento, código y ciberseguridad en modelos de frontera.Leer análisis completo
AI Singapore Presenta SEA-LION 7B: Modelo Fundacional Abierto Optimizado para 11 Lenguas del Sudeste AsiáticoAI Singapore presenta SEA-LION 7B, modelo fundacional abierto entrenado sobre 11 lenguas del Sudeste Asiático con tokenizador optimizado regionalmente.Leer análisis completo
Shanghai AI Lab Presenta InternLM2-Math-20B: Modelo Abierto Especializado en Razonamiento Matemático FormalShanghai AI Lab lanza InternLM2-Math-20B, modelo abierto de 20B para razonamiento matemático formal mediante cadenas de pensamiento y código integrado.Leer análisis completo
LG AI Research Presenta EXAONE 3.0: Modelos Fundacionales Abiertos Bilingües de 7.8B con Alta Eficiencia de InferenciaLG AI Research libera EXAONE 3.0 7.8B, modelo abierto bilingüe inglés-coreano optimizado con reducción de parámetros del 68% y alto rendimiento en código.Leer análisis completo
Mistral AI Presenta Mathstral 7B: Modelo Abierto Especializado en Razonamiento Matemático y CientíficoMistral AI lanza Mathstral 7B, modelo abierto con ventana de 32K tokens optimizado para resolver problemas matemáticos de nivel olímpico e investigación STEM.Leer análisis completo
CroissantLLM: Télécom Paris y Hugging Face Presentan Modelo Abierto de 1.3B con Paridad Bilingüe Francés-InglésTélécom Paris y Hugging Face liberan CroissantLLM, modelo abierto de 1.3B entrenado sobre 3T de tokens con paridad bilingüe estricta entre francés e inglés.Leer análisis completo
UC Berkeley Presenta Gorilla OpenFunctions v2: Modelo Abierto Especializado en Llamadas a Funciones y APIsUC Berkeley lanza Gorilla OpenFunctions v2, modelo abierto de 7B optimizado para llamadas a múltiples funciones en paralelo y ejecución de APIs complejas.Leer análisis completo
Bria AI Presenta Bria 2.3: Modelo Fundacional Abierto de Generación Visual con Cumplimiento de Copyright y AtribuciónBria AI lanza Bria 2.3, un modelo fundacional de difusión visual de pesos abiertos entrenado en datos 100% licenciados con protección legal para empresas.Leer análisis completo
Alibaba presenta Qwen2-Audio: el modelo fundacional de comprensión y diálogo por voz directa sin pipeline de transcripción ASRAlibaba lanza Qwen2-Audio, modelo que procesa voz natural y audio ambiente directamente en el espacio latente sin requerir transcripción intermedia.Leer análisis completo
Google Research y ECMWF Presentan NeuralGCM: Modelo Climático Híbrido que Combina Física Atmosférica y Redes NeuronalesGoogle Research y ECMWF publican en Nature NeuralGCM, combinando simulación física con aprendizaje profundo para proyecciones climáticas decádicas.Leer análisis completo
Kyutai Labs Presenta Helium 1: Modelo Abierto Ultracompacto de 2B Diseñado para Inferencia Local de Alta VelocidadKyutai Labs libera Helium 1, un modelo de lenguaje de 2.000 millones de parámetros con optimización de vocabulario para inferencia ultrarrápida on-device.Leer análisis completo
Anthropic y Accenture anuncian evaluación independiente de modelos de IAAnthropic y Accenture anuncian una evaluación independiente de modelos de IA liderada por Faculty; el alcance y los estándares siguen en desarrollo.Leer análisis completo
Reflection Beam: cómo evaluar anuncios y modelos en evaluación antes de su liberación oficialReflection anuncia Beam en evaluación técnica previa a pesos abiertos: cómo preparar bancos de prueba y verificar señales reales antes de adoptar el modelo.Leer análisis completo