El modelo de IA Claude de Anthropic, utilizando dieciséis agentes trabajando en tándem, creó con éxito un nuevo compilador C desde cero, un proyecto que tomó dos semanas y costó aproximadamente $20,000 en tarifas de API, según una publicación de blog del investigador Nicholas Carlini. Este experimento destaca las crecientes capacidades de los agentes de IA en tareas de codificación complejas, ya que los agentes trabajaron en una base de código compartida con mínima supervisión.
El proyecto, que utilizó Claude Opus 4.6, demuestra los avances de Anthropic en experimentos de codificación de IA, en medio de un impulso hacia herramientas multi-agente tanto de Anthropic como de OpenAI. Los agentes de IA supuestamente produjeron un compilador de 10,000 líneas.
En otras noticias, los abogados defensores de Roberto Carlos Muñoz-Guatemala, condenado por agredir al oficial de ICE Jonathan Ross, están buscando acceso a los archivos de investigación relacionados con el asesinato de Renee Nicole Good. Los abogados están solicitando registros de capacitación y archivos de investigación relacionados con Ross, el agente de ICE que disparó y mató a Good durante una operación dirigida en Minneapolis el 7 de enero, según informó Wired. Los abogados de Muñoz-Guatemala presentaron una moción posterior al juicio en el Tribunal de Distrito de EE. UU.
Mientras tanto, está surgiendo una nueva cadena de ataque que permite a los adversarios obtener acceso a entornos en la nube en cuestión de minutos, como detalla VentureBeat. El ataque, conocido como el pivote de gestión de identidades y acceso (IAM), comienza con un mensaje de LinkedIn aparentemente legítimo de un reclutador. Luego, el desarrollador es engañado para que instale un paquete malicioso que extrae credenciales de la nube, incluidos tokens de acceso personal de GitHub y claves de API de AWS. La investigación de CrowdStrike Intelligence publicada el 29 de enero documenta cómo los adversarios están explotando esta vulnerabilidad.
En el ámbito de la optimización de la IA, investigadores de Stanford, Nvidia y Together AI han desarrollado una nueva técnica llamada Test-Time Training to Discover (TTT-Discover). Esta técnica permite a los modelos continuar entrenando durante el proceso de inferencia, actualizando sus pesos para el problema específico. Según VentureBeat, los investigadores utilizaron este método para optimizar un kernel de GPU crítico, logrando un rendimiento que fue el doble de rápido que el estado del arte anterior escrito por expertos humanos.
Finalmente, Valve anunció que el aumento de los costos de los componentes, como la RAM y el almacenamiento, les está obligando a revisar los precios y el calendario de envío de su próxima Steam Machine. Los analistas están divididos sobre cuánto de estos mayores costos Valve trasladará a los consumidores, según Ars Technica. La forma exacta de estos cambios es actualmente desconocida.
Discussion
AI Experts & Community
Be the first to comment