Jueves 22 de octubre de 2026 · 06:00

Agent4Sci: Claude Opus mejora un 10,4% de media los mejores modelos científicos publicados

Agent4Sci es un banco de pruebas con 20 benchmarks de aprendizaje automático científico en 11 dominios, donde los agentes intentan superar los mejores modelos publicados. Los agentes de frontera mejoran el mejor resultado publicado en todos los benchmarks, y Claude Opus alcanza una mejora relativa media del 10,4% sin ejecuciones marcadas por mala conducta académica. Las mejoras proceden sobre todo de trucos de ingeniería de ML, no de intuición de investigación; con habilidades añadidas de ideación y gestión de experimentos, Claude Opus sube al 20,1% y Codex del 4,4% al 8,1%.

Fuentes originales

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

• arXiv cs.AILeer la noticia completa en arXiv cs.AI

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 ->