31 de octubre de 2026 · mañana 20° · casi despejado
SuscribirsePreprint en arXiv, sin revisión por pares: marca de agua que no altera la distribución de salida y mantiene la señal cuando el token viene de un borrador rechazado en decoding especulativo.
Preprint en arXiv, sin revisión por pares: una representación de conocimiento matemático que un sistema de IA puede interpretar y reutilizar para elegir, adaptar y desarrollar métodos numéricos.
Preprint en arXiv, sin revisión por pares: pipeline con agentes que va del aviso meteorológico a qué cultivo se afecta y cuánto está en riesgo, el paso que el pronóstico por sí solo no da.
Preprint en arXiv, sin revisión por pares: sistema de agentes que encadena formulación de preguntas, medición y análisis en un laboratorio de spines cuánticos de estado sólido.
Preprint en arXiv, sin revisión por pares: une en un modelo chico la compuerta que decide si intervenir y la generación de la sugerencia anclada en memoria, hoy repartidas en dos modelos.
Preprint en arXiv, sin revisión por pares: generación de escenas y tareas de simulación con agentes digitales para cubrir más variedad que los benchmarks actuales de robótica.
Preprint en arXiv, sin revisión por pares: reproduce el resultado que sostiene que un modelo preentrenado está rodeado de expertos por tarea en el espacio de pesos, y lo cuestiona.
Preprint en arXiv, sin revisión por pares: asigna tokens según el detalle que requiere cada zona en lugar de uno por parche, para que el detalle fino no multiplique el costo de atención global.
Preprint en arXiv, sin revisión por pares: prueba si los modelos fundacionales de visión sostienen el estado espacial de lo que quedó fuera del campo visual, requisito para navegación.
Preprint en arXiv, sin revisión por pares: compara patrones de sesión entre clientes simulados por modelos y actores humanos en role-plays de formación en consejería online.
Lanzamiento en Product Hunt: un harness de codificación donde la instrucción entra hablada en lugar de tipeada, para dictarle cambios al agente mientras trabaja. Producto disponible para probar.
Lanzamiento en Product Hunt: provisiona y mantiene el backend que necesita el código que genera un agente, sin que alguien arme la infraestructura a mano. Disponible.
Lanzamiento en Product Hunt: trazas y métricas de las llamadas a modelos pensadas para agentes, el agujero que aparece cuando el agente decide varios pasos solo. Disponible.
Lanzamiento en Product Hunt: diseñás el modelo de datos sobre un canvas y la herramienta genera el SQL de las tablas y las relaciones. Disponible para probar.
Lanzamiento en Product Hunt: depura un documento para mandarlo a un modelo y deja ver exactamente qué se quitó, el control que falta cuando se recorta contexto a ciegas. Disponible.
Lanzamiento en Product Hunt: escribís la función en TypeScript y la herramienta arma el panel de administración correspondiente, sin maquetar el formulario a mano. Disponible.
Proyecto en Show HN: mapa navegable de la arquitectura del repo para trabajar junto al agente de código y ver dónde cae cada cambio. Abierto en GitHub, etapa temprana.
Proyecto en Show HN: runtime de agentes nativo de PHP con tool use, memoria y guardas de ejecución, para quien tiene el stack en PHP y no quiere migrar a Python. Monorepo abierto.
Proyecto en Show HN: catálogo unificado de datasets de emoción en voz para 70 idiomas, con las fichas en un solo lugar. Útil si entrenás o evaluás reconocimiento de emoción. Acceso abierto.
Proyecto en Show HN: juegos en la terminal que se congelan cuando Claude Code o Codex necesita tu atención, para no perder el hilo mientras el agente trabaja. Abierto en GitHub.
Proyecto en Show HN: partidas de dibujo y adivinanza entre agentes, observables en el navegador. Sirve como evaluación informal de razonamiento visual y de turnos. Disponible online.
Proyecto en Show HN: pipeline de subtitulado que transcribe, permite corregir y ajusta el corte según la relación de aspecto del video. Código abierto en GitHub.