El Compilado Hilos Temas Archivo RSS

sábado · 23 min de lectura

Briefing Tech — 14 de noviembre de 2026

El WSJ dice que a Jensen Huang lo sacaron por el programa de garantías financieras y no por su vida privada, con Nvidia en su valuación más baja desde 2012. La IPO de Anthropic va seis veces sobresuscripta y los bancos rechazan órdenes de China.

iahardwareroboticaciberseguridadtecnicas

Generado el 14 de noviembre de 2026 a las 17:10 UTC. Cubre las últimas 24 horas. No hubo briefing el 13/11, así que se incluyen también las novedades de ese día.

TL;DR

  • El Wall Street Journal reporta que la salida de Jensen Huang se explica menos por su vida privada que por el programa de garantías financieras a clientes que empujaba su yerno, incluida una garantía de 250.000 millones de dólares en negociación con OpenAI que Colette Kress cortó a la mitad. Nvidia cotiza a unas 12 veces ganancias, lo más bajo desde 2012, y Kress llega al balance del 17/11 como CEO interina.
  • La IPO de Anthropic va unas seis veces sobresuscripta, apunta a hasta 64.400 millones de dólares más 26.000 millones de colocación privada a una valuación de 1,4 billones, y los bancos están rechazando órdenes de China continental y Hong Kong citando ITAR. Precia el 18/11 bajo el ticker ANT.
  • OpenAI disuelve por segunda vez su equipo de robótica: dice que GPT-6 Astra maneja robots directamente y vuelve innecesarios los modelos especializados. El mismo día Runway abrió los pesos de Praxis-1 bajo Apache 2.0 y ASUS presentó su primer humanoide.
  • PostgreSQL parcheó 52 CVEs, entre ellos una confusión de tipos cuyo código es de 2004 que llega a ejecución de código con solo poder crear objetos. Parchear no alcanza: hay que recompilar extensiones y reindexar.
  • Mior y Skyfall rompen SEV-SNP de AMD desde el hipervisor: lectura de memoria de VMs confidenciales y, en el caso de Mior, attestations firmadas falsas. El firmware de plataforma para Mior recién llega en diciembre.

IA

La IPO de Anthropic va seis veces sobresuscripta, apunta a ser la más grande de la historia, y los bancos rechazan órdenes de China y Hong Kong citando ITAR (13/11). Sigue de lo del 12/11, cuando el prospecto y el roadshow eran la novedad: ahora están los números de la demanda. Las órdenes son unas seis veces las acciones disponibles según Bloomberg, la empresa y los cofundadores buscan hasta 64.400 millones de dólares en la oferta más 26.000 millones en colocación privada, y el objetivo de valuación es cerca de 1,4 billones, con los inversores existentes con prioridad en la asignación. El dato financiero que sostiene el apetito es que los ingresos anualizados llegaron a 81.000 millones a fines de octubre, contra 71.000 millones en septiembre; Nvidia compra 10.000 millones en acciones por la colocación privada. La parte geopolítica es nueva: varios de los 22 bancos del sindicato —Goldman Sachs y Morgan Stanley lideran— rechazaron órdenes de compra de China continental y Hong Kong, o avisaron que la asignación era improbable, y algunos de los involucrados citan ITAR, las reglas de exportación de material de defensa. Lo mismo pasó en la IPO de SpaceX. Precia el 18/11 y cotiza en Nasdaq bajo ANT. The Decoder · The Decoder (China) · Investing.com · Silicon Republic

OpenAI lanza ChatGPT Wallet: el agente compra y paga con un token, sin que ni él ni el comercio vean la tarjeta (13/11). El flujo es el que estaba faltando para que el commerce agéntico cierre: el usuario agrega la tarjeta una vez, le pide a su “dot” que elija y compre, y el cobro sale contra un token de pago que reemplaza el número real. El agente le pasa al comercio solo la dirección de envío y los datos de contacto. Antes del checkout el usuario revisa ítems, total y tarjeta, y aprueba con biometría —Face ID o huella—, lo que además deja registro de la transacción. OpenAI ya anticipa el paso siguiente: límites de gasto y reglas por categoría o período, o sea preaprobar para que el agente compre más solo. Arranca en rollout limitado a un grupo chico de suscriptores Pro en EE.UU. mayores de 18, con tarjetas Visa, Mastercard o Amex emitidas en EE.UU., y se mantienen los puntos y las protecciones de la tarjeta, incluido el desconocimiento de cargos. Salió también un Commerce Partner Playbook para retailers, que es la parte que puede no prender: Amazon tiene prohibidos los agentes de terceros en su sitio, y United hizo lo mismo el 11/11. TechCrunch · OpenAI · The Next Web

Un ex investigador de OpenAI dice que leyó huellas de GPUs Blackwell adentro de los pesos de seis modelos chinos (13/11). Will DePue, que trabajó en Sora, GPT-4o, o3 y GPT-5 y ahora dirige Unemployment Labs, publicó el análisis y dice que investigadores senior de OpenAI y Anthropic lo verificaron por separado. El método es lo interesante y es replicable: antes del entrenamiento PyTorch llena los pesos con números aleatorios desde una semilla y reparte el trabajo entre los núcleos de cómputo de la GPU, los chips Hopper tienen 132 núcleos y los Blackwell 148 o 152, y en los pesos de tokens que nunca se usan sobrevive una traza estadística de esa distribución inicial. Los seis modelos con firma Blackwell son DeepSeek-V4-Flash y MiniMax-M3 con patrón de 148, y DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro y Ling-3.1-flash de Ant Group con patrón de 152; DeepSeek-V3 y Kimi K2.5 muestran Hopper, y Qwen3.8, Zhipu, Tencent, Xiaomi y StepFun también. DePue dice que el método identificó bien los 24 modelos de control de hardware conocido, estima unas 12.000 GPUs Blackwell entre cinco corridas y más de 500 millones de dólares de hardware, y publicó el código de verificación en GitHub. La limitación que él mismo marca es grande: muestra qué hardware inicializó los pesos y no dónde está ni quién lo posee, así que prueba acceso pero no contrabando ni violación concreta de la ley de exportación. The Decoder

Anthropic lanza Claude for Manufacturing, un plugin con 17 skills que se enchufa al software de fábrica (13/11). El producto apunta a los sistemas donde vive el trabajo industrial —MES, ERP, PLM, control de calidad— y las skills cubren flujos concretos de papeleo y seguimiento: desvíos de calidad, órdenes de cambio de ingeniería, análisis de causa raíz, documentación de proceso. El enfoque es el mismo que Anthropic viene usando en los verticales: no un modelo nuevo sino un paquete de skills más conectores, que es el patrón que conviene mirar si uno arma herramientas internas. Es la apuesta por el segmento menos digitalizado del mercado empresarial y llega en la misma semana del roadshow de la IPO, así que vale leerlo también como demostración de que la expansión de ingresos no depende solo de coding. The Decoder · Dataconomy · Blockchain.News

Un ex investigador de Anthropic dice que Mythos ya se puede reentrenar con una fracción del cómputo original, y que por eso se fue (14/11). Sigue de lo del 12/11, donde el video del roadshow era la fuente de las cifras de Mythos: acá la fuente es una lámina del mismo roadshow que muestra el cómputo necesario para entrenar los modelos de Anthropic a lo largo del tiempo. Jacob Coxon, que entrenó modelos en OpenAI y en Anthropic y estuvo en esta última unos cuatro meses, dice que esa lámina fue una razón central de su salida: el eje comprimido hace que un 10x y un 100x se parezcan, pero la curva igual sube fuerte, y él la lee como eficiencia algorítmica mejorando a ritmo acelerado, con las mejoras algorítmicas cerca de automatizarse. De ahí su conclusión de que Mythos podría reentrenarse con “una fracción del cómputo originalmente necesario”, y su pedido de pausar el desarrollo de modelos frontera el año que viene para que la competencia alcance. Conviene tomarlo como lo que es: Anthropic dice que los puntos de la lámina son estimaciones internas y solo ilustrativas, el encuadre “superexponencial” es interpretación de Coxon, y nada de esto está verificado de forma independiente. The Decoder


Hardware y Robótica

El WSJ dice que a Huang lo sacaron por el programa de garantías financieras a clientes, no por su vida privada, y Nvidia cotiza a 12 veces ganancias, lo más bajo desde 2012 (13/11). Sigue de lo del 12/11, cuando el board sesionó sin decisión anunciada: el directorio aceptó la renuncia el 11/11 a la noche, la CFO Colette Kress quedó como CEO interina manteniendo el cargo de CFO, y Harvey C. Jones —director desde 1993— pasó a ser el primer presidente del board en la historia de la empresa. Lo nuevo del 13/11 es el motivo. Según el WSJ, Nvidia corría un programa de crédito que daba miles de millones en garantías financieras a proveedores de cloud y desarrolladores de datacenters para que pudieran pagar sus chips, a cambio de un porcentaje de los ingresos de esos clientes; lo empujaba Nico Caprez, yerno de Huang, prometiendo cierres rápidos. El acuerdo más grande en negociación era una garantía de 250.000 millones de dólares con OpenAI por un datacenter en Ohio, y Kress la cortó a la mitad antes de firmar en agosto, además de cuestionar internamente cómo se valuaban esas garantías; Huang la llamó “un ciervo encandilado” y “una CFO de reporte” en una reunión de agosto. El mercado ya cotiza el después: la acción cerró el 11/11 a 173,73 dólares, abrió el jueves con una caída de más de 13%, tocó mínimo de 52 semanas, la capitalización perforó los 4 billones y el forward P/E quedó en unas 12 veces —era casi 17 a fines de septiembre y el récord de cierre fue 239,24 el 6/10—, con más de un billón de dólares perdidos en un mes. Baird bajó el target de 500 a 200, Stifel de 315 a 205, Cantor de 350 a 250, y al menos diez analistas se volvieron más bearish en la semana. La guía del trimestre sigue en 108.000 millones de ingresos y el balance es el 17/11, el primero de Kress. Huang además confirmó que va a testificar ante el Congreso antes del Día de Acción de Gracias. The Decoder · Forbes · TechCrunch · Invezz

Robótica: OpenAI disuelve por segunda vez su equipo de robótica porque GPT-6 Astra ya maneja robots directamente (13/11). Los investigadores de robótica pasan al equipo principal de research bajo Mark Chen, y los equipos de robótica aplicada y hardware van a la organización Applied de Greg Brockman. La empresa lo presenta como acelerar y no abandonar, y el argumento técnico es que un modelo de propósito general controla robots sin necesitar modelos especializados: en un estudio de Nvidia sobre el robot DROID simulado un agente con Astra llegó a 74,8% de éxito contra 51% de los mejores modelos especializados, y en StationeryBench, sobre 200 pruebas, Astra completó 7 de 100 tareas contra ninguna de MolmoAct2, con progreso promedio de 46 contra 12. El detalle que muestra lo repentino de la decisión es que OpenAI ya tenía stand pagado en CoRL en Austin y el stand quedó vacío. Es la segunda vez: en 2020 Wojciech Zaremba cerró la división por falta de datos de entrenamiento. Altman apunta a una primera demo pública de robot en 2027. Fortune · The Decoder

Robótica: Runway abre los pesos de Praxis-1, un world action model de 27.000 millones de parámetros, bajo Apache 2.0 y con uso comercial (14/11). El modelo nació de los modelos de video de Runway, se presentó a fines de septiembre con acceso solo para socios, y ahora salen pesos y código. La idea es que predice fragmentos cortos de video futuro junto con las acciones del robot que lo producirían: el backbone de video tiene 26.900 millones de parámetros con unos 2.800 millones activos por token, y el experto de acción unos 314 millones. Los números son de Runway y no están verificados de forma independiente: 46,2% de episodios resueltos en RoboLab-120 de Nvidia, el mejor entre world action models y entre modelos abiertos —FLUX 3 Action queda en 42,9%—, aunque quinto en el ranking general detrás de dos sistemas de agentes LLM y dos modelos cerrados. Sobre un brazo Franka real, diez tareas por diez intentos, acertó 88 veces contra 80 de FLUX 3 Action. Lo accionable es que entra en una sola GPU de 80 GB en bf16 y que empaquetando los expertos en NVFP4 baja a unos 17,5 GB, con tres checkpoints en Hugging Face, servidor de políticas, simulación MuJoCo y código de fine-tuning full y LoRA en GitHub. Los límites que Runway admite: confunde objetos parecidos, se trabaja mal con instrucciones vagas, y no planifica secuencias complejas solo. Runway · The Decoder

Robótica: ASUS presenta Gallop, su primer humanoide, y ya está empaquetando accesorios de motherboard en su propia línea de producción (13/11). Es un robot de base fija y dos brazos con un solo NVIDIA Jetson AGX Thor adentro, probándose en una fábrica EMS del grupo. La tarea actual es empaquetar 15 accesorios de motherboard, muchos chicos, finos y en bolsitas de plástico blando, en un puesto de trabajo diseñado para personas, y el objetivo declarado es 99,5% de éxito en 20 segundos, el tiempo que le lleva a un operario. La parte interesante es cómo se entrena: operarios que dan consentimiento usan cámaras en la cabeza para grabar sus movimientos, la simulación genera variaciones de esas demostraciones, un setup de VR con visor y guantes permite guiar al robot, y los datos de operación vuelven al entrenamiento. La arquitectura tiene cuatro capas —planificación, supervisión, habilidades y control— con una IA supervisora que replanifica cuando hay errores, e interfaces fijas para poder cambiar modelos sin rediseñar el robot. ASUS hace el cuerpo y las manos diestras con sensado táctil en casa, y los motores los compra. Pilotos con clientes en 2027, disponibilidad comercial apuntada al segundo semestre de 2028, y demo en Computex 2027. Interesting Engineering · Humanoids Daily · Unite.ai


Ciberseguridad

PostgreSQL parchea 52 CVEs, entre ellos una confusión de tipos cuyo código es de 2004 que llega a ejecución de código con solo poder crear objetos (13/11). CVE-2026-6460 funciona así: PREPARE materializa valores constantes, incluidos literales de tipo compuesto, dentro del plan cacheado según la definición del tipo en ese momento; un ALTER TYPE ... ALTER ATTRIBUTE ... TYPE posterior actualiza el catálogo pero no reescribe esos valores; y en el EXECUTE la función de salida de record aplica el layout nuevo sobre los bytes viejos, lo que puede corromper memoria. En la prueba de concepto el crash sale cambiando un atributo uuid a bytea entre PREPARE y EXECUTE; Mehmet Ince, que lo reportó, dice tener el camino del crash a ejecución de código usando objetos forjados y una fuga de información para vencer ASLR, y se guardó el último paso. El privilegio necesario está en disputa: el proyecto habla de creador de objetos, Red Hat de usuario autenticado que pueda crear o alterar objetos, e Ince dice que un login de bajo privilegio alcanza con un tipo temporal. Las versiones corregidas son 18.7, 17.12, 16.16, 15.20 y 14.25 —última de la rama 14, que queda fuera de soporte—, con 32 de los 52 CVEs en CVSS 8.8 y más de 140 bugs arreglados. Lo que hay que saber antes de dar el parche por hecho: el fix cambia la interfaz del servidor para extensiones en C, así que hay que recompilarlas y las recompiladas no cargan en servidores sin parchear; bajo Patroni o units propios actualizar el paquete no reinicia el servidor; hay que actualizar las herramientas cliente en cada host, bastiones y runners de CI incluidos, porque también hay CVEs en pg_dump y pg_restore; hay que reindexar índices B-tree sobre bpchar, GIN, GiST de pg_trgm y lo relacionado con TOAST; conviene tomar un full backup nuevo en vez de confiar en los incrementales; y composite_type_mismatch tiene que quedar en su default seguro. No hay workaround del lado del servidor. The Cybersec Guru · Byteiota · DEV

Mior y Skyfall rompen SEV-SNP de AMD: un host malicioso lee la memoria de VMs confidenciales y, con Mior, firma attestations falsas (13/11). Mior es de un equipo de ETH Zurich y el truco es desviar a una placa de video controlada por el atacante las escrituras con las que el PSP llena la Reverse Map Table durante el arranque de la VM: el arranque termina sin errores pero parte de la RMP, incluida su propia entrada de protección, queda sin inicializar, y de ahí el hipervisor puede reescribir las protecciones, habilitar debugging en una VM que lo tenía apagado, y leer y escribir memoria con comandos de debug del PSP. Peor: copiaron la medición de una VM inocua dentro de una maliciosa, así que los reportes de attestation describen la imagen inocua. Requiere control del hipervisor y del BIOS/UEFI más un dispositivo PCIe, y funcionó en 1.000 de 1.000 intentos sobre un EPYC 9135 (Zen 5), incluso con ciphertext hiding activado. Skyfall es de ETH Zurich y Google, se apoya en los Transient Scheduler Attacks de julio de 2025, y aprovecha que cuando el hipervisor hace fallar a propósito el arranque de una VM el procesador deja datos de estado guardado en caché sin limpiar: recuperaron valores de registros y una clave de cifrado de disco, aunque solo tres líneas de caché fijas por página objetivo. Los CVEs son CVE-2026-0462 (CVSS 4.0 de 5,9) y CVE-2026-40671 (4,9), más CVE-2026-18448 por la fuga de SMM en EDK II, y afectan a las líneas EPYC 7003, 8004, 8005, 9004 y 9005. Lo accionable es el calendario: microcódigo y firmware de SEV están desde el 12 de agosto, pero el firmware de plataforma llega en noviembre para Skyfall y en diciembre para Mior, el EPYC embedded entre enero y abril de 2027, y el BIOS lo tiene que publicar cada fabricante —Supermicro ya listó fixes para placas H12, H13 y H14 pero sigue probando—. Los dos equipos publicaron prueba de concepto; ninguno de los avisos dice si hubo explotación real, ni cómo verifica un inquilino de VM confidencial los valores de TCB. The Hacker News · Privacy Needle

PHP2Shell: encadenan dos fallas en gateways de Check Point más un escalado a root y, en varios casos, borran los ESXi de la víctima (13/11). El acceso inicial son CVE-2026-109618 y CVE-2026-109619 contra portales Mobile Access expuestos, que dan la cuenta de servicio del portal; de ahí usan CVE-2026-123039, una falla de autorización faltante con CVSS 7,8 en el proceso DynamicCLI de Gaia OS, para llegar a root. La primera ola arrancó el 30/10 contra organizaciones israelíes desde 130.94.19[.]204, una semana después de que el fix estuviera disponible, y el 2/11 se amplió a varios países y sectores sin foco claro, repitiendo sobre algunas víctimas de la primera ola. Después del acceso: webshells PHP con ejecución de comandos y subida de archivos, el backdoor pasivo TSGA disfrazado de slot_CPconfigdaemon, el componente de red TSProxy que intercepta conexiones del atacante dentro de los procesos del appliance, el escáner gogo para mapear la red, movimiento lateral por SSH al host ESXi con la cuenta de servicio vpxuser, y el wiper ELF destroy_v6, que borra archivos sin importar la extensión sobreescribiéndolos con ceros y deja notas DREAM_ANNEXATION.txt en los directorios procesados. Las versiones afectadas son R82.20, R82.10, R82, R81.20, R81.10 y R81, en Force Firewalls, servidores de gestión y de logs, Multi-Domain y Maestro Orchestrator. Check Point vio explotación activa del escalado contra “un par de docenas” de clientes y vincula TSGA y TSProxy al toolkit PhiliKit que ESET atribuyó al grupo chino Armory Castle, pero marca que no le alcanza la evidencia: el wiper y el foco en Israel no cierran, y deja abierta la bandera falsa o el rol de broker de acceso inicial. The Hacker News · Check Point Research · BleepingComputer

El FBI desarma FaceStealer: 400 millones de dólares en cripto robados con videollamadas deepfake y 900 grabaciones de webcam incautadas (13/11). La campaña se propaga sola y eso es lo que la hace peligrosa: secuestran la cuenta de Telegram, LinkedIn, Slack o Discord de la víctima, y desde ahí invitan a sus contactos a una reunión —normalmente un link de Calendly— con el anzuelo de una oportunidad de inversión. El link es un typosquat que imita Zoom o Teams y lleva a una reunión falsa donde videos de webcam pregrabados de gente conocida más deepfakes simulan varios participantes; graban el stream del objetivo, y un supuesto error de audio o técnico lo empuja a hacer clic en un “fix” o correr comandos que instalan el malware que roba cripto y credenciales. Después, esa víctima es el próximo remitente de la cadena. El FBI incautó la infraestructura en la nube y más de 900 grabaciones de webcam que se usaban para suplantar a las víctimas, y en paralelo el DOJ anunció el secuestro y la inmovilización de más de 1.200 millones de dólares en cripto robados por TraderTraitor tras el hackeo de Binance. Lo que debería preocupar a quien mantiene software: el grupo apunta explícitamente a desarrolladores y mantenedores de open source para habilitar ataques de cadena de suministro, y ya le pegó al mantenedor del paquete npm Axios —versión troyanizada con un RAT multiplataforma— y a un empleado de Sophos en macOS por un repo falso de entrevista. Arctic Wolf contó 677 objetivos en 58 países con más de 80% de fundadores o C-suite. The Hacker News · Nextgov/FCW · UPI

Trezor confirma implantes de hardware en tres Safe 5 vendidas por un reseller, y el firmware nuevo no salva el backup que ya se robaron (13/11). El implante es una placa extra entre la placa principal de la Safe 5 y su pantalla: no toca el firmware ni el Secure Element, copia la frase de recuperación cuando se muestra al crear el backup o se tipea al restaurar, copia cualquier passphrase que aparezca en pantalla, la encripta y la manda por red móvil a un servidor del atacante, reintentando hasta que la subida salga. Trezor dice que funciona como los implantes encontrados en dispositivos Ledger, adaptado a la pantalla de la Safe 5, y no dijo quién los instaló ni en qué punto de la cadena. Las tres billeteras se compraron a CryptoBilis entre el 20/8 y el 23/9; una la abrió el laboratorio y las otras dos se identificaron por fotos de los dueños. La cronología explica el daño: el 9/10 Trezor sacó a CryptoBilis como reseller oficial del sudeste asiático y Ledger empezó a investigar pérdidas entre clientes del mismo reseller, el 13/10 Trezor anunció que había recortado su red de resellers en un 80%, el 30/10 avisó de un implante sospechado, a principios de noviembre salió el firmware 2.13.1 para Safe 7, Safe 5, Safe 3 y Model T, y el 13/11 confirmó. Lo accionable es que el firmware frena la captura futura pero no protege un backup capturado antes: hay que mover los fondos a una billetera nueva con frase nueva, nunca restaurar la frase vieja en otro dispositivo, no configurar una billetera sin usar comprada a ese reseller, y no pesarla ni abrirla porque ninguna de las dos pruebas es confiable. Trezor ofrece reemplazo a quien compró ahí desde marzo; ya la contactaron 48 compradores. The Hacker News · BleepingComputer


Técnicas, repos y práctica

llama.cpp llega a 1.0.0 y adopta versionado semántico: libllama y libggml congelan su API pública en C (13/11). El anuncio no trae features: trae un contrato, que es justo lo que le faltaba al ecosistema local. Las dos bibliotecas llegan a 1.0.0 con headers públicos en su directorio include/, y las reglas valen para todos los proyectos de ggml-org: MAJOR es un cambio que rompe la API pública en C —y también señala incompatibilidad de ABI—, MINOR son features compatibles hacia atrás, actualizaciones de backend, soporte de modelos nuevos o agregados a la API, y PATCH son arreglos sin cambio de API. Para quien integra llama.cpp en producción, eso significa poder fijarse a una versión mayor y adoptar features sin sorpresas. Se amplió además la distribución: artefactos de pre-release, Docker, Debian, Homebrew, conda-forge, MacPorts, Winget y XCFramework. El motivo que dan los mantenedores es directo: cada integración nueva son más desarrolladores dependiendo de sus interfaces. Hugging Face · ExplainX · Superpower Daily

Actor, Judge, or Teacher: un modelo de decisión que actúa mal igual puede ser un buen maestro, y con GRPO sube ALFWorld de 72,8% a 82,9% (12-13/11). El paper separa tres roles que hasta ahora se evaluaban como uno: el modelo de decisión puede actuar en el entorno, juzgar acciones ya tomadas, o puntuar cada acción para entrenar una política con refuerzo. Como actores fallan parejo —los seis modelos probados, tres de decisión y tres LLMs generales, se dejan arrastrar en ALFWorld por un subobjetivo más fácil en lugar del que tiene que ir primero—, pero como jueces, viendo la trayectoria completa, sí dan crédito a los pasos hacia el subobjetivo necesario. El detalle de prompting que importa: preguntar si cada acción ayudó separa mucho mejor lo útil de lo inútil que preguntar si la tarea va a tener éxito. Y el resultado accionable es el del rol de maestro: usando JEV como teacher con GRPO, una política Qwen2.5-1.5B pasó de 72,8% a 82,9% de éxito en ALFWorld y de 56,8% a 71,4% en WebShop. La explicación de los autores es simple y vale como heurística de diseño: juzgar después de que el episodio termina revela consecuencias que actuar tiene que anticipar. Hay código en GitHub. arXiv · Hugging Face Papers

SO-Arena separa capacidad de confiabilidad en los modelos rápidos, y el mejor en capacidad queda séptimo en confiabilidad (13/11). Es el paper más votado de Hugging Face hoy y el objeto que mide son los “System One models”, los que deciden rápido y de propósito general sin generar cadenas largas de tokens —la familia a la que pertenece la Gemini Decisions API del 11/11—. El aporte metodológico es que el score agregado no dice ni qué tan amplia es la habilidad ni qué tan confiable es la decisión, así que el benchmark cubre 11 dominios y cinco familias de capacidad con etiquetas de referencia verificadas a mano contra fuentes, criterios de dificultad propios de cada dominio, y tareas interactivas en sandbox donde el modelo actúa paso a paso; las tareas con razonamiento intensivo permiten comparar System One contra System Two directamente. La confiabilidad se mide de dos formas que conviene copiar en cualquier eval propia: estabilidad de la decisión cuando cambian las opciones de respuesta, y si el modelo reconoce que ninguna opción válida está ofrecida. Probaron 21 modelos, y el hallazgo es que el beneficio de escalar y de razonar más varía mucho según el dominio, y que rendir bien en general no implica decidir confiablemente. arXiv · Hugging Face Papers

SimpleHC desarma las hyper-connections y deja el overhead de entrenamiento en 2,4% sobre un residual común (13/11). Las hyper-connections se usan en modelos frontera y combinan tres cosas: gating aprendido de lectura y escritura, mezcla de residuales con gates fijos, y un estado residual expandido al que las capas acceden repetidamente. El paper muestra que las dos primeras funcionan igual de bien por separado que mHC combinándolas, y que el acceso repetido al estado expandido es la fuente principal del overhead de entrenamiento, incluso sin mezcla. De ahí SimpleHC, que saca la mezcla de residuales y usa acceso a memoria compartida con estructura aditiva, entradas de gate compartidas, lecturas en lote y escrituras diferidas. Los números: 2,4% de tiempo de entrenamiento end-to-end por encima de un residual vanilla en la escala más grande probada, rendimiento comparable a mHC escalando modelos MoE de 15.000 a 30.000 millones de parámetros, dinámica de gradientes más suave y estabilidad bajo pruebas de estrés. Para quien entrena modelos propios es la clase de simplificación que conviene adoptar antes que la versión completa. arXiv · Hugging Face Papers

Ver todos los briefings