Jueves 22 de octubre de 2026 · 06:00

SANE: un sistema con agentes que prueba automáticamente la fiabilidad de los jueces LLM

Útil para Programadores 68%

SANE es un marco basado en agentes que genera pruebas de fiabilidad para los jueces LLM, los modelos que puntúan otras respuestas en evaluaciones y entrenamientos. Primero identifica las capacidades de cada evaluador y luego crea perturbaciones con relaciones esperadas en la puntuación. Según sus autores, en cinco dominios genera 3,7 veces más casos alineados con la intención del evaluador.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

• arXiv cs.CLLeer la noticia completa en arXiv cs.CL

También ese día

• Microsoft atribuye a un grupo vinculado a China un ataque con IA a 2.250 organizaciones
• Microsoft atribuye a Storm-0940, vinculado a China, un ataque con agentes de IA a clientes de ConnectWise
• OpenAI redefine la norma de comportamiento de ChatGPT y vigila a sus agentes; Mistral publica los pesos de un modelo de 1,05 billones de parámetros
• Anthropic y Theorem verifican formalmente 123 bibliotecas de código abierto con Claude
• Google Cloud lanza Agent Compute Engine, con una microVM aislada para cada agente de IA
• Según medios estatales chinos, DeepSeek y MiniMax son las primeras en completar el registro para exportar modelos de IA

Todas las noticias de IA del jueves 22 de octubre de 2026 ->