Una IA entrenada por menos de 8000 dólares vence al número uno de Stratego
El sistema de IA Ataraxos, de MIT, CMU, NYU y Stanford, venció al mejor jugador de Stratego 15-1-4, con un entrenamiento de menos de 8000 dólares.
Noticias y análisis de Aprendizaje por refuerzo
12 artículos verificados sobre Aprendizaje por refuerzo, productos y movimientos del sector.
Xiaomi analiza el fallo de llamadas repetidas de MiMo: arreglarlo costó 90.000 dólares
Xiaomi publicó un análisis técnico sobre por qué MiMo-V2.6 repetía llamadas a herramientas idénticas en agentes de código, y explica cómo la solución final costó unos 90.000 dólares frente a los 2,31 millones de la alternativa descartada.
DeepSeek revela su base de sandbox: 3 millones de ejecuciones al día
DeepSeek publica un informe técnico sobre DSec, su infraestructura de sandbox para entrenar agentes de IA: cerca de 3 millones de sandboxes al día y un pico de unas 380.000 instancias simultáneas.
Xiaomi libera MiMo-V2.6 como código abierto, índice de inteligencia de 46 puntos
Xiaomi libera MiMo-V2.6 como código abierto y logra 46 puntos en el índice de inteligencia de Artificial Analysis, por delante de Kimi K3 y Qwen3.8 Max.
Hugging Face entrena un modelo de código para pintar acuarelas
Con solo 178 imágenes de referencia puntuadas a mano y un presupuesto de unos cientos de dólares, Hugging Face entrenó por refuerzo un modelo de código para pintar acuarelas.
RLinf v0.3 cierra el ciclo de entrenamiento robótico
RLinf v0.3 conecta recopilación de datos, SFT, aprendizaje por refuerzo, evaluación y despliegue en robots reales para embodied AI.
Oak Lab plantea una meta de 20 vatios para agentes de aprendizaje continuo
Oak Lab plantea una meta de 20 vatios para agentes de aprendizaje continuo. El artículo resume los hechos verificados y la señal que va más allá de un anuncio aislado.
Sutton: la IA generativa sola no hace ciencia real
El pionero del aprendizaje por refuerzo sostiene que los modelos de próximo token carecen de causalidad, experimentación y experiencia propia.
El padre de AlphaGo recauda 1.100 millones de dólares para crear una IA autodidacta
David Silver, exinvestigador de DeepMind, recauda 1.100 millones de dólares en una ronda semilla para Ineffable Intelligence, valorada en 5.100 millones, para construir una IA "superaprendiz" basada en aprendizaje por refuerzo, sin depender de datos humanos.
La nueva empresa de Mira Murati alcanza una valoración de 12.000 millones de dólares en 14 meses
Thinking Machines Lab, la startup de Mira Murati, ha firmado un contrato multimillonario con Google Cloud para utilizar sistemas GB300 NVL72, centrándose en el ajuste fino de modelos de IA mediante aprendizaje por refuerzo.
El robot de tenis de mesa Ace de Sony vence por primera vez a humanos en competición
El robot Ace, desarrollado por Sony AI, derrotó a jugadores amateurs de élite y a un jugador profesional japonés en mesas de nivel olímpico en la sede de Sony en Tokio, marcando la primera vez que un robot alcanza nivel de élite en un deporte competitivo real.
Kimi K1.5 valida razonamiento impulsado por aprendizaje por refuerzo
Moonshot AI lanzó K1.5 antes de K2, con el enfoque central de mejorar la capacidad de razonamiento mediante aprendizaje por refuerzo puro, confirmando la viabilidad de este enfoque en modelos de escala media.