inteligencia artificial
Todas las noticias con este tag.
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 2 nov 2026, 8:00 p. m. | 10 |
| 2 nov 2026, 9:00 p. m. | 30 |
| 2 nov 2026, 10:00 p. m. | 12 |
| 2 nov 2026, 11:00 p. m. | 19 |
| 3 nov 2026, 12:00 a. m. | 22 |
| 3 nov 2026, 1:00 a. m. | 17 |
| 3 nov 2026, 2:00 a. m. | 196 |
| 3 nov 2026, 3:00 a. m. | 31 |
| 3 nov 2026, 4:00 a. m. | 38 |
| 3 nov 2026, 5:00 a. m. | 27 |
| 3 nov 2026, 6:00 a. m. | 30 |
| 3 nov 2026, 7:00 a. m. | 23 |
| 3 nov 2026, 8:00 a. m. | 22 |
| 3 nov 2026, 9:00 a. m. | 20 |
| 3 nov 2026, 10:00 a. m. | 22 |
| 3 nov 2026, 11:00 a. m. | 16 |
| 3 nov 2026, 12:00 p. m. | 16 |
| 3 nov 2026, 1:00 p. m. | 17 |
| 3 nov 2026, 2:00 p. m. | 13 |
| 3 nov 2026, 3:00 p. m. | 11 |
| 3 nov 2026, 4:00 p. m. | 30 |
| 3 nov 2026, 5:00 p. m. | 18 |
| 3 nov 2026, 6:00 p. m. | 22 |
| 3 nov 2026, 7:00 p. m. | 23 |
| 3 nov 2026, 8:00 p. m. | 4 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-05 | 1 |
| 2026-10-06 | 4 |
| 2026-10-07 | 8 |
| 2026-10-08 | 11 |
| 2026-10-09 | 3 |
| 2026-10-10 | 2 |
| 2026-10-11 | 2 |
| 2026-10-12 | 1 |
| 2026-10-13 | 3 |
| 2026-10-14 | 5 |
| 2026-10-15 | 8 |
| 2026-10-16 | 2 |
| 2026-10-17 | 4 |
| 2026-10-18 | 2 |
| 2026-10-19 | 14 |
| 2026-10-20 | 32 |
| 2026-10-21 | 48 |
| 2026-10-22 | 38 |
| 2026-10-23 | 20 |
| 2026-10-24 | 19 |
| 2026-10-25 | 6 |
| 2026-10-26 | 28 |
| 2026-10-27 | 46 |
| 2026-10-28 | 148 |
| 2026-10-29 | 213 |
| 2026-10-30 | 204 |
| 2026-10-31 | 223 |
| 2026-11-01 | 331 |
| 2026-11-02 | 434 |
| 2026-11-03 | 618 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de inteligencia artificial
2.785 noticias · De más nuevas a más antiguas.
Hugging Face BlogIBM lanza Granite 4.0 Nano, sus modelos de IA más pequeños para el borde y dispositivos
IBM presentó Granite 4.0 Nano, su familia de modelos de lenguaje más pequeños hasta la fecha, pensados para aplicaciones en el borde y en dispositivos. Incluye cuatro modelos instruct (H 1B, H 350M, 1B y 350M) con arquitectura híbrida SSM y variantes transformer, bajo licencia Apache 2.0 y con certificación ISO 42001. La compañía afirma que superan a modelos de tamaño similar en conocimiento general, matemáticas, código, seguridad, seguimiento de instrucciones y llamado de herramientas.
Noticia originalProponen una "barrera de consentimiento de voz" para clonar voces solo con autorización explícita
Investigadores de Hugging Face presentaron el concepto de "barrera de consentimiento de voz", un mecanismo que solo permite clonar una voz cuando el hablante pronuncia explícitamente una frase de consentimiento que el sistema reconoce. El diseño combina generación automática de frases únicas, reconocimiento automático del habla y clonación de voz, y busca convertir el consentimiento en una condición técnica auditable del sistema. Los autores reconocen limitaciones, como la posibilidad de burlar el control con otro sistema de síntesis, y publicaron un demo y código abierto para su discusión.
Noticia originalhuggingface_hub v1.0: cinco años construyendo la base del aprendizaje automático abierto
La biblioteca huggingface_hub alcanzó su versión 1.0 tras cinco años de desarrollo, consolidándose como el paquete de Python que impulsa 200.000 bibliotecas dependientes y da acceso a más de 2 millones de modelos públicos. La versión introduce cambios disruptivos, como la migración a httpx, una CLI rediseñada basada en Typer y la adopción total de hf_xet para transferencias de archivos. El lanzamiento apunta a sostener la próxima década del aprendizaje automático abierto, con 113,5 millones de descargas mensuales y una comunidad de casi 300 contribuyentes.
Noticia originalHugging Face mejora el streaming de datasets: 100 veces menos peticiones y hasta el doble de velocidad
Hugging Face anunció mejoras en el streaming de datasets de su librería, logrando hasta 100 veces menos peticiones de inicio, resolución de archivos 10 veces más rápida y el doble de velocidad de streaming. Las optimizaciones incluyen caché persistente de archivos entre workers del DataLoader, prefetching para Parquet y buffering configurable. La compañía usa estas mejoras para entrenar sus modelos SmolVLM y nanoVLM, alcanzando velocidades comparables a la lectura desde SSD locales.
Noticia originalLeRobot v0.4.0: impulso al aprendizaje de robótica de código abierto
LeRobot lanzó la versión v0.4.0, una actualización mayor para el aprendizaje de robótica de código abierto que introduce conjuntos de datos escalables v3.0 con formato fragmentado y streaming, y herramientas de edición de datasets. La versión incorpora modelos VLA como PI0.5 de Physical Intelligence y GR00T N1.5 de NVIDIA, soporte para simulaciones LIBERO y Meta-World, entrenamiento multi-GPU simplificado y un nuevo sistema de plugins para integrar hardware de terceros. También suma la integración de Reachy 2, teleoperación desde el teléfono y un curso abierto de aprendizaje de robótica de Hugging Face.
Noticia originalPotenciá tus pipelines de OCR con modelos abiertos
Hugging Face publicó una guía sobre modelos abiertos de OCR basados en modelos de visión-lenguaje, comparando opciones como Nanonets-OCR2, PaddleOCR-VL, dots.ocr, OlmOCR-2, Granite-Docling, DeepSeek-OCR, Chandra y Qwen3-VL. El artículo detalla capacidades como transcripción multilingüe, manejo de tablas y gráficos, formatos de salida y evaluación mediante benchmarks como OmniDocBench y OlmOCR-Bench. También aborda eficiencia de costos, conjuntos de datos abiertos y herramientas para ejecutar los modelos localmente o en la nube.
Noticia originalInteligencia artificial aplicada a la investigación de alergias alimentarias: nace un laboratorio comunitario y una colección abierta de datos
Un grupo de más de 20 contribuyentes de la comunidad HuggingScience publicó el artículo "AI for Food Allergies", en el que presenta un laboratorio de investigación abierto dedicado a aplicar inteligencia artificial al estudio de las alergias alimentarias, que afectan a unos 220 millones de personas en el mundo. El equipo lanzó "Awesome Food Allergy Datasets", la primera colección abierta de conjuntos de datos sobre alergias alimentarias, organizada en tres capas: proteínas y alergenicidad molecular, clínica e inmunológica, y de alimentos, ingredientes y regulación. El texto repasa el estado del arte de modelos como AlphaFold, AllergenAI y AllerCatPro 2.0, y detalla decenas de bases de datos y sus posibles usos en diagnóstico, diseño de fármacos y lectura automática de etiquetas.
Noticia originalBigCodeArena: la plataforma que evalúa modelos de generación de código mediante ejecución real
El Proyecto BigCode lanzó BigCodeArena, la primera plataforma con humanos en el circuito que evalúa modelos de generación de código mediante ejecución real en sandboxes aislados, permitiendo comparar dos modelos lado a lado y votar por el mejor resultado. Tras cinco meses de operación acumuló más de 14.000 conversaciones de 500 usuarios y 4.700 votos de preferencia, con o3-mini y o1-mini liderando el ranking Elo. También presentó dos benchmarks: BigCodeReward, que muestra que ver los resultados de ejecución mejora la precisión de los jueces de IA, y AutoCodeArena, una evaluación automatizada donde GPT-5 establece el nuevo estado del arte.
Noticia originalOCR de última generación con Core ML y dots.ocr: cómo llevar un modelo de 3B a la ejecución en dispositivo
El artículo técnico describe la conversión del modelo de OCR dots.ocr, de 3B parámetros y desarrollado por RedNote, para ejecutarse en dispositivo mediante Core ML y MLX de Apple. Los autores detallan el proceso de conversión de PyTorch a Core ML, la resolución de errores sucesivos en el grafo de ejecución y una evaluación inicial que arroja un modelo de más de 5 GB y más de un segundo por pasada del codificador de visión. El texto forma parte de una serie de tres partes sobre optimización para el Neural Engine.
Noticia originalMongoDB y MTEB presentan RTEB, un nuevo estándar para evaluar modelos de recuperación de información
MongoDB y los mantenedores de MTEB presentaron la versión beta de RTEB (Retrieval Embedding Benchmark), un nuevo estándar para evaluar la precisión de recuperación de modelos de embeddings en aplicaciones reales. RTEB combina conjuntos de datos abiertos y privados para medir la verdadera generalización y evitar el sobreajuste de los benchmarks públicos. Cubre 20 idiomas y dominios como derecho, salud, código y finanzas, con NDCG@10 como métrica principal.
Noticia originalAceleran el agente Qwen3-8B en Intel Core Ultra con modelos borrador podados en profundidad
Investigadores de Intel y Hugging Face lograron acelerar el modelo Qwen3-8B en procesadores Intel Core Ultra mediante decodificación especulativa con un modelo borrador ligero Qwen3-0.6B, alcanzando una mejora de ~1,3×. Al podar 6 de las 28 capas del borrador y reajustarlo con datos sintéticos generados por Qwen3-8B, la aceleración subió a ~1,4×. La configuración se integró con la biblioteca smolagents para ejecutar agentes de IA locales que usan herramientas y ejecutan código de forma eficiente en una AI PC.
Noticia originalSwift Transformers alcanza la versión 1.0 y apunta al futuro con MLX y agentes
El equipo de Hugging Face anunció el lanzamiento de la versión 1.0 de swift-transformers, una biblioteca de Swift para integrar modelos de lenguaje locales en plataformas Apple Silicon, incluidos los iPhone. La versión consolida Tokenizers y Hub como módulos independientes, incorpora una nueva versión de swift-jinja mucho más rápida y adopta API modernas de Core ML con soporte para modelos con estado. El equipo anticipó que tras esta entrega se enfocará en MLX y en casos de uso agénticos, incluido el protocolo MCP.
Noticia originalSmol2Operator: entrenamiento posterior de agentes GUI para el uso de computadoras
Investigadores de Hugging Face presentaron Smol2Operator, un método de entrenamiento en dos fases que convierte al modelo de visión-lenguaje SmolVLM2-2.2B-Instruct en un agente capaz de operar interfaces gráficas. La primera fase enseña a localizar elementos en pantalla y la segunda añade razonamiento para planificar acciones, elevando la precisión en el benchmark ScreenSpot-v2 del 0% al 61,71%. Publicaron recetas, datos, herramientas y el modelo con código abierto para permitir su reproducción.
Noticia originalGaia2 y ARE: nuevas herramientas para evaluar agentes de IA en entornos realistas
El equipo de Hugging Face y Meta presentó Gaia2, un nuevo benchmark agéntico que amplía el anterior GAIA hacia tareas de lectura y escritura con escenarios interactivos, ambiguos y sensibles al tiempo. Se lanza junto al framework abierto Meta Agents Research Environments (ARE), que simula un entorno de teléfono inteligente con aplicaciones reales para ejecutar, depurar y evaluar agentes de IA. Según los resultados, GPT-5 con razonamiento alto lidera la tabla y Kimi K2 es el mejor modelo de código abierto, mientras las tareas de ambigüedad, adaptabilidad, ruido y razonamiento temporal siguen siendo difíciles para todos los modelos.
Noticia originalLeRobotDataset v3.0: Hugging Face lanza un formato de datasets a gran escala para robótica
Hugging Face publicó LeRobotDataset v3.0, un nuevo formato de datasets para robótica que empaqueta múltiples episodios en un único archivo mediante metadatos relacionales, superando los límites del sistema de archivos de la versión anterior. El formato incorpora soporte nativo de streaming para procesar grandes volúmenes de datos sin descargarlos, y llegará con lerobot-v0.4.0 junto a una utilidad de conversión de datasets v2.1. La versión apunta a escalar a millones de episodios y democratizar el aprendizaje robótico.
Noticia originalJupyter Agents: entrenamiento de LLMs para razonar con notebooks
El equipo de Hugging Face presentó Jupyter Agents, un proyecto que entrena modelos de lenguaje pequeños (Qwen3-4B) para actuar como agentes de ciencia de datos capaces de ejecutar código dentro de notebooks Jupyter. Mediante un pipeline de datos que procesó notebooks de Kaggle (deduplicación, filtrado, generación de QA y trazas sintéticas) y un andamiaje simplificado, lograron mejoras de hasta 36% en el benchmark DABStep. Los modelos y el dataset fueron liberados abiertamente en Hugging Face.
Noticia originalGoogle lanza EmbeddingGemma, un modelo de embeddings multilingüe eficiente para dispositivos
Google lanzó EmbeddingGemma, un modelo de embeddings multilingüe de código abierto con 308 millones de parámetros y ventana de contexto de 2K tokens, pensado para uso en dispositivos. Soporta más de 100 idiomas y lidera el benchmark MMTEB entre modelos de menos de 500M de parámetros, con un consumo inferior a 200 MB de RAM cuantizado. El artículo detalla su arquitectura basada en Gemma3 con atención bidireccional, su integración con frameworks como Sentence Transformers, LangChain y Transformers.js, y un ajuste fino en el dominio médico que mejora el rendimiento en recuperación.
Noticia originalSAIR: SandboxAQ acelera la I+D farmacéutica con inteligencia estructural basada en IA
SandboxAQ publicó SAIR, el mayor conjunto de datos de estructuras 3D de proteína-ligando co-plegadas generadas por IA, con más de 5,24 millones de complejos emparejados con mediciones experimentales de IC₅₀. El dataset, disponible gratuitamente en Hugging Face bajo licencia CC BY 4.0, busca cerrar la brecha de datos en el diseño de fármacos asistido por IA. Se generó en tres semanas usando 760 procesadores NVIDIA H100 y más de 130.000 horas de GPU, con un 97% de las estructuras validadas por PoseBusters.
Noticia originalCómo acelerar los Spaces ZeroGPU de Hugging Face con compilación anticipada de PyTorch
Hugging Face publicó una guía técnica para acelerar los Spaces ZeroGPU mediante compilación anticipada (AoT) de PyTorch, evitando la compilación en tiempo de ejecución que no se adapta a los procesos efímeros de ZeroGPU. El método exporta y compila el transformer una sola vez, logrando aceleraciones de 1,3× a 1,8× en modelos como Flux, Wan y LTX, y de 1,75× con FlashAttention-3. También detalla trucos como cuantización FP8, formas dinámicas y compilación regional, que reduce el tiempo de compilación de 6 minutos a 30 segundos.
Noticia originalDe cero a GPU: guía para construir y escalar kernels CUDA listos para producción
Hugging Face publicó una guía técnica para construir kernels CUDA personalizados listos para producción usando su biblioteca kernel-builder. El artículo detalla ocho pasos, desde la estructura del proyecto y el manifiesto build.toml hasta el registro de operadores nativos de PyTorch, la compilación con Nix y la publicación en el Hub. También aborda desafíos de producción como el versionado semántico, el bloqueo de dependencias y la generación de ruedas Python para el despliegue.
Noticia original