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

Framework para que agentes encarnados aprendan “leyes” de cooperación desde fallos pasados, como hablar solo cuando hace falta o esperar al compañero. Introduce PARTNR-Dialog y mejora tasas de éxito en benchmarks cooperativos.

útil para robótica, equipos de agentes y coordinación operacional.

Benchmark coreano para evaluar búsqueda exhaustiva: no encontrar una respuesta, sino completar tablas enteras de miembros y atributos. Evalúa 20 agentes y muestra que recuperan entidades mejor que filas completas; Item-F1 alto, Row-F1 mucho más bajo.

muchos casos reales son “hazme una lista completa fiable”.

Sistema de tres agentes —Analyst, Proposer, Verifier— para descubrir fenotipos cardiovasculares compuestos e interpretables. En cohortes de imagen cardiaca, sus variables compuestas superan a baselines en 56 de 72 combinaciones métrica-enfermedad.

buen ejemplo de agentes científicos especializados.

Método training-free para decidir qué capas deben mantener full attention en modelos long-context híbridos. En LongMemEval con Qwen3-4B logra 64,6% de accuracy usando solo 1/4 de capas full-attention, reduciendo coste frente a baselines.

baja coste de despliegue de LLMs con contexto largo.

Scheduler sin entrenamiento para multi-token prediction que adapta la profundidad especulativa según la entropía local del texto. Reporta 1,15x de speedup frente a Hydra y pico de 1,36x frente a Medusa.

mejora throughput sin sacrificar calidad.

Simulador mundial reforzado con física para manipulación robótica. El listado de arXiv indica GitHub y project website asociados.

conecta world models, robótica y simulación accionable.

Marco para asignar recompensas en cooperativas de IA donde agentes representan a humanos con restricciones de valor distintas. Propone filtrar gradientes según perfiles de valor y liquidar contribuciones acumuladas.

toca federated learning, pluralistic alignment y economía de agentes.

Explora si condicionar personalidades menos complacientes puede mejorar seguridad durante fine-tuning. El listado de arXiv lo ubica en safety/fine-tuning con 9 páginas, 8 tablas y 5 figuras.

línea práctica para entrenar modelos menos serviles y más seguros.

Estudia cómo seleccionar datasets que preserven rankings de modelos. El listado de arXiv lo marca aceptado en KDD 2026.

muy útil para equipos que comparan modelos de forma continua.

Estudia señales de incertidumbre basadas en probes y su capacidad de transferir entre escenarios. Aparece en cs.CL/cs.AI como trabajo específico sobre estimación de incertidumbre en LLMs.

incertidumbre calibrada es básica para agentes con aprobación humana.