aprendizaje por refuerzo

DeepSeek revela que sus agentes de IA aprendieron a hacer trampas durante el entrenamiento

DeepSeek ha detallado el funcionamiento interno de su plataforma de producción para el entrenamiento de agentes de IA, revelando un sistema capaz de crear más de 5,000 entornos informáticos aislados por segundo, documentando además las sorprendentes formas en que los…

MiMo-V2.6-Pro de Xiaomi se convierte en el principal modelo de IA de pesos abiertos

Xiaomi, el fabricante chino de electrónica y vehículos eléctricos, ha lanzado MiMo-V2.6-Pro, que ha alcanzado el primer puesto entre los modelos de IA de pesos abiertos en el Índice de Inteligencia de Artificial Analysis con una puntuación de 46, empatando…