Todo lo que ha entrado en el radar, sin esconder la deuda.

Explora Transformers cuyo ancho varía por capa, en vez de mantener la misma dimensión en todo el modelo.

Puede abrir una ruta simple para modelos más eficientes sin cambiar radicalmente el paradigma Transformer.

Mantiene la respuesta de un profesor fuerte dentro del prompt, no dentro del gradiente, para evitar drift en RL/distillation.

Es relevante para entrenar modelos pequeños con ayuda de modelos grandes sin contaminar la señal RL.

Extiende LiveCodeBench a 12 lenguajes de programación manteniendo controles de contaminación y protocolo de evaluación.

Los agentes de programación empresariales deben tocar Java, JS/TS, C#, Go, Rust, SQL y legacy, no solo Python.

Framework agentic para razonamiento espacial continuo con herramientas jerárquicas y memoria temporal sobre imágenes multi-vista y vídeo.

Une multimodalidad, memoria y tool-use para percepción situada.

Entrena modelos para que sus autoexplicaciones sean consistentes con su comportamiento.

La trazabilidad de comportamiento será crítica en agentes, compliance y modelos regulados.

Benchmark para edición de modelos BIM/IFC con instrucciones en lenguaje natural; contiene 324 tareas en 11 modelos reales y 36 escenas sintéticas.

Excelente señal de verticalización: LLMs aplicados a formatos profesionales complejos.

Analiza el sesgo de shrinkage en pretraining FP4 y propone una receta UFP4.

Si funciona, baja costes de pretraining y acerca modelos grandes a más actores.

Explora inferencia estructurada con un enfoque tipo Gibbs alrededor de LLMs.

Interesante para neuro-simbólico, planificación e inferencia con restricciones.

Framework para evaluar conteo combinatorio en LLMs.

Conteo y combinatoria son base de planificación, análisis de casos, testing y optimización.