13 de septiembre de 2026: evaluadores, benchmarks privados y agentes gestionados
Anthropic abre su laboratorio a evaluadores externos, Real-SWE prueba agentes con código privado y OpenAI convierte su Codex harness en una API.
Etiqueta
#ai-evaluation
3artículoscon esta etiqueta.
12 de septiembre de 2026: matemáticos desafían la IA ante benchmarks de coste de agentes
Los matemáticos cuestionan las carreras de demostraciones, las estadísticas británicas rastrean una contribución al PIB vinculada a la IA y las pruebas emparejadas cuestionan el ahorro de tokens de los agentes.
24 de agosto de 2026: la infraestructura de IA se vuelve más medible, local y supervisada
Doce novedades con fuentes muestran que la IA avanza hacia servidores de herramientas protegidos, benchmarks repetibles de agentes, inferencia local eficiente, operaciones de datos, mundos físicos y dispositivos sensibles a la privacidad.