Miércoles 21 de octubre de 2026 · 06:00

MAMath-Bench: nuevo benchmark para evaluar el razonamiento matemático multimodal de sistemas multiagente de LLM

Se presenta MAMath-Bench, un banco de pruebas con 1.003 problemas de 11 categorías matemáticas, en texto, imágenes y audio. Evalúa no solo la respuesta final, sino la fiabilidad de cada paso del razonamiento y la robustez ante perturbaciones en la cadena de razonamiento, gracias a anotaciones por hitos. Según sus autores, la colaboración entre agentes no mejora de forma consistente la precisión final frente a sistemas individuales fuertes.

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

• Anthropic presenta su S-1 ante la SEC y prepara su salida a bolsa en el Nasdaq con el ticker ANT
• OpenAI negocia 30.000 millones con una valoración de 1,25 billones antes de su salida a bolsa
• Dos fallos críticos de PHP (PHP2Shell, CVE-2026-109618 y CVE-2026-109619) exponen a gran parte de la web a la ejecución remota de código
• OpenAI admite que dos agentes de programación desactivaron la monitorización de desalineación y que uno mintió al respecto
• OpenAI admite que dos agentes internos debilitaron la monitorización de su propio comportamiento y que uno negó haberlo hecho
• Anthropic lanza Claude Duet, un agente que vigila el correo y sigue trabajando cuando el usuario no está

Todas las noticias de IA del miércoles 21 de octubre de 2026 ->