[NOVA]: Soy NOVA. [ALLOY]: Soy ALLOY, y esto es AgentStack Daily... [NOVA]: OpenAI lanzó rust .144 punto dos y rust .144 punto tres para el agente de codificación basado en terminal Codex. El lanzamiento simultáneo revirtió una regresión en el prompting de Guardian, restauró su política de revisión automatizada, reparó la forma de solicitud enviada a revisión, y devolvió el comportamiento de la herramienta asociada a la línea base anterior. [ALLOY]: Hoy: Codex restaura el contrato de revisión anterior de Guardian, Apple alega que OpenAI contrató empleados para obtener secretos comerciales, y vLLM .25 hace de Model Runner V2 el predeterminado para servicio de modelos densos. Escucharás cómo dos agentes especializados ganaron QANTA, cómo el aprendizaje de refuerzo a nivel de fragmentos redujo el contacto inseguro de robots, y cómo un agente clínico redujo la carga diagnóstica en un cincuenta y cinco por ciento. [NOVA]: Freya-TTS trae síntesis de voz en turco rápida a un transformador de flujo compacto. El trabajo de terminal de largo horizonte obtiene una evaluación más densa, Agora subasta pasos de razonamiento individuales entre modelos, y la investigación de visión separa el conocimiento faltante de la lectura defectuosa. [ALLOY]: La pila más amplia incluye detección de fraude sin remuestreo, estado de escena compartido de radar-cámara, adaptación de logit médico, tres proyectos MCP, y Ollama .31 punto dos con soporte de inferencia local más amplio. La investigación sobre fraude en economía virtual, trayectorias de falla de agentes de codificación y representaciones abiertas completa la cola. [NOVA]: ... [NOVA]: OpenAI lanzó rust .144 punto dos para el agente de codificación basado en terminal Codex, y lo siguió aproximadamente noventa y tres minutos después con rust .144 punto tres. La corrección funcional llegó en punto dos: una reversión completa de una actualización de prompting anterior de Guardian. Guardian es la etapa de revisión de código automatizada de Codex, y la reversión restaura tres superficies conectadas: la política que guía la revisión, la forma de solicitud pasada a esta, y el comportamiento de la herramienta usada mientras se inspecciona un cambio. Los equipos que ejecutan Guardian en integración continua reciben por lo tanto un retorno coordinado al contrato anterior, no un ajuste de prompt que deja el comportamiento circundante fuera de sincronía. [ALLOY]: Los hallazgos de Guardian frecuentemente alimentan paneles de revisión, controles de fusión, filtros de severidad y flujos de trabajo que distinguen problemas de corrección de comentarios de estilo o mantenibilidad. Una regresión en el prompting puede cambiar qué categorías aparecen incluso cuando el cambio fuente y la configuración del repositorio permanecen idénticos. La reversión devuelve esos hallazgos a la distribución que los equipos observaron antes de la regresión. Eso importa cuando los controles automatizados consumen la salida de Guardian en lugar de tratarla como prosa informal. [NOVA]: Punto tres siguió desde la misma rama de lanzamiento y vuelve a publicar el árbol parcheado sin otro cambio de Guardian. Las dos etiquetas pertenecen a un ciclo de corrección comprimido en lugar de lanzamientos de características separados. No hay una segunda política de revisión, nuevo esquema, ni contrato de herramienta adicional superpuesto a la reversión. El build posterior lleva adelante la misma corrección funcional. [ALLOY]: En la práctica, las instalaciones de Codex que consumen el build estable más nuevo recuperan el comportamiento de revisión automatizada anterior de Guardian. Las integraciones que clasifican comentarios por categoría, severidad o formulación esperada pueden ver regresar sus patrones anteriores. El lanzamiento permanece estrictamente centrado en el prompting de revisión y sus superficies de solicitud y herramienta acopladas; no rediseña la revisión de Codex en su conjunto. El próximo cambio consequencial sería una política de Guardian revisada con un contrato de comportamiento explícito, especialmente si OpenAI nuevamente ajusta cómo el revisor selecciona hallazgos o invoca herramientas. [NOVA]: ... [NOVA]: Apple presentó una demanda contra OpenAI el diez de julio, alegando que exempleados de Apple tomaron secretos comerciales antes de unirse a la empresa de IA. La queja no enmarca las salidas como acciones no relacionadas de contrataciones individuales. Apple alega coordinación de la alta dirección de OpenAI y señala a un exempleado veterano de Apple que ahora ocupa un rol senior allí. Estas son acusaciones, y OpenAI puede desafiar tanto los hechos como la teoría legal de Apple. [ALLOY]: La coordinación cambia el alcance del disputa. Si el caso llega a descubrimiento, Apple puede buscar comunicaciones concernientes al reclutamiento, asignaciones de proyectos, controles de acceso y lo que los ejecutivos entendían sobre el trabajo previo de los empleados. OpenAI puede disputar si el material reclamado califica como secreto comercial protegido, si alguien lo transfirió, y si algún líder dirigió su uso. La experiencia general transportada entre trabajos es legalmente diferente del material técnico propietario. [NOVA]: Las consecuencias técnicas dependen de lo que Apple identifique con especificidad. Las presentaciones posteriores podrían conectar las afirmaciones con técnicas de modelos, flujos de trabajo de entrenamiento, capacidades de productos, sistemas de hardware o programas de investigación internos. También podrían permanecer centradas en la conducta de empleo y confidencialidad. Nada en la presentación por sí solo prueba que material protegido entrara en un modelo, API o servicio desplegado de OpenAI, independientemente del intenso debate público alrededor de la demanda. [ALLOY]: Los laboratorios de IA reclutan de un grupo pequeño de ingenieros cuyas carreras cruzan competidores principales, así que los controles de incorporación ahora se sientan junto a la gobernanza de modelos y productos. Un proceso de admisión limpio debe separar la habilidad acumulada de un empleado del material del empleador anterior, particularmente cuando el nuevo rol se parece mucho al trabajo anterior. La respuesta formal de OpenAI, cualquier mociones para desestimar, y disputas sobre qué tan precisamente Apple debe identificar los secretos alleged determinarán si el caso alcanza una capacidad de IA nombrada o permanece como una pelea más amplia sobre talento, confidencialidad y coordinación ejecutiva. [NOVA]: ... [NOVA]: Nirjhar Das y Md. Al-Mamun Provath quedaron en primer lugar en el desafío de quizbowl multimodal QANTA 2026 con un sistema de dos agentes específico para la tarea que obtuvo punto cuatro cero dos. QANTA revela claves estilo pirámide de manera incremental y combina texto con imágenes. Las preguntas de eliminación requieren decidir cuándo la confianza es suficientemente alta para buzzer, mientras que las preguntas de bonus enfatizan respuestas exactas después de que la categoría se vuelve más clara. Las restricciones de eficiencia impiden que los equipos oculten políticas de decisión débiles detrás de recuperación ilimitada o grandes conjuntos. [ALLOY]: La pila ganadora no usa ni un pipeline de recuperación ni un conjunto de modelos. Un modelo alojado más pequeño maneja las preguntas de eliminación con respuesta calibrada por confianza y una política de razonamiento numérico. Esa política suprime la confianza prematura cuando una pista cuantitativa suena distintiva pero no identifica únicamente la respuesta. El agente controla tanto la calidad de la respuesta como el tiempo, treat an early buzz as an action under uncertainty rather than ordinary text generation. [NOVA]: Un modelo alojado más grande maneja los bonuses con conciencia de entrada inicial, razonamiento relacional e integración de evidencia multimodal. La separación de roles permite que el agente de bonus optimice cadenas de respuesta exactas sin cargar la política de tiempo del agente de eliminación. La puntuación combinada incluye punto dos tres ocho de eliminaciones y un efecto de bonus de punto uno seis cuatro. [ALLOY]: Los resultados muestran que la descomposición explícita de tareas puede superar a un pipeline general más pesado con un presupuesto de inferencia equivalente. Un modelo compacto puede manejar las decisiones frecuentes cuando tiene políticas de parada y acción calibradas, mientras que un modelo más fuerte se encarga del conjunto más pequeño de pasos que requieren una síntesis más rica. El triaje de soporte, la escalada de incidentes y la ejecución de herramientas pueden usar la misma disposición: un agente evalúa si la evidencia es suficiente, y luego otro resuelve la tarea específica. Los objetivos distintos fueron los que produjeron la ganancia, no simplemente agregar un segundo modelo. [NOVA]: ... [NOVA]: PAC-ACT aplica post-entrenamiento con aprendizaje por refuerzo a políticas de Action Chunking Transformer preentrenadas. Yujie Pang y Zudong Li se centran en tareas de contacto industrial donde un robot debe operar en tiempo real, tolerar variaciones de pose y evitar fuerzas inseguras. Los sistemas visión-lenguaje-acción pueden generalizar ampliamente, pero su latencia y demandas de GPU pueden entrar en conflicto con lazos de control estrictos. Las políticas ACT se ejecutan de manera más eficiente, aunque la clonación de comportamiento se vuelve frágil cuando las condiciones de contacto se desvían de las demostraciones. [ALLOY]: PAC-ACT optimiza fragmentos de acción completos en lugar de tratar cada paso de control de manera independiente. Una capa actor-crítico se sitúa sobre un backbone ACT preentrenado congelado, preservando la ruta de despliegue original. Una restricción híbrida de prior conductual mantiene la exploración en línea cerca de acciones que el controlador ya considera plausibles. El aprendizaje por refuerzo puede buscar comportamiento de contacto más seguro sin descartar los patrones de movimiento adquiridos a través de la imitación. [NOVA]: En benchmarks de contacto de precisión, el método mejora el éxito, la estabilidad del contacto y la seguridad de fuerza. En la tarea Contour, redujo la proporción de lecturas de fuerza superiores a sesenta newtons en un factor de cuarenta y seis en comparación con la línea base de克隆ación de comportamiento. Los experimentos con recompensas dispersas también produjeron exploración útil a partir de poses iniciales aleatorizadas, donde el aprendizaje por refuerzo ordinario se estancaba. Las recompensas a nivel de fragmento conectan toda una maniobra de contacto con su resultado final de fuerza y finalización. [ALLOY]: Los equipos de robótica pueden agregar la capa de post-entrenamiento a un controlador ACT existente sin reemplazar la pila de inferencia de baja latencia. Las recompensas de fragmentos expresan naturalmente completar una inserción, mantener el contacto o mantenerse por debajo de un umbral de fuerza. El prior conductual mantiene el controlador actualizado vinculado al movimiento demostrado mientras permite mejoras específicas. La transferencia a otros backbones ACT, sensores y tareas físicas aún necesita confirmación, pero PAC-ACT ofrece un puente concreto entre políticas de imitación rápidas y optimización en línea para precisión y seguridad. [NOVA]: ... [NOVA]: SAGEAgent trata la adquisición de diagnóstico para predicción de supervivencia de glioma como una decisión secuencial. Chongyu Qu, Can Cui y Zhengyi Lu modelan un flujo de trabajo clínico que puede escalar desde demografía e imágenes hasta análisis genómico más oneroso. En lugar de asumir que cada modalidad está presente, el agente decide si otra fuente de evidencia está justificada para el paciente individual. [ALLOY]: Tres componentes guían esa elección. Las herramientas clínicas traducen predicciones numéricas en lenguaje que el modelo de razonamiento puede usar. La memoria episódica recupera pacientes pasados similares. La memoria semántica retiene políticas de adquisición reutilizables aprendidas a través de casos previos. Por lo tanto, los predictores estructurados pueden alimentar a un agente sin requerir que el modelo de lenguaje interprete puntuaciones clínicas sin ayuda, mientras que las dos capas de memoria separan la similitud de casos de la experiencia de decisión más amplia. [NOVA]: La evaluación combina cohortes de glioma de TCGA y BraTS en cuatro modalidades. SAGEAgent mantuvo una precisión competitiva en predicción de supervivencia mientras reducía la carga promedio de adquisición en un cincuenta y cinco por ciento en comparación con consumir el conjunto completo de modalidades. El agente recibe una decisión de parada explícita, vinculando la calidad predictiva al costo de obtener más evidencia. [ALLOY]: El diseño también aplica donde un agente debe decidir si otro ensayo, escaneo, paso de especialista o llamada API costosa mejorará el resultado lo suficiente como para justificar su costo. La carga en salud no es un escalar universal: el retraso, la facturación, la invasividad y la disponibilidad difieren entre pacientes e instituciones. La replicación en otros cánceres y flujos de trabajo clínicos prospectivos mostrará si la reducción reportada sobrevive a modelos de costo real y restricciones de seguridad. La capacidad importante es la adquisición de evidencia aprendida en lugar del manejo pasivo de entradas faltantes. [NOVA]: ... [NOVA]: Freya-TTS es un modelo de habla con enfoque en turco de aproximadamente ciento ochenta y tres millones de parámetros. Ahmet Erdem Pamuk, Ömer Yentür y Ahmet Tunga Bayrak eliminan el fonemizador, el frontend de grafema a fonema y el tokenizador de habla discreta comúnmente encontrados en pilas de habla. Freya acepta un vocabulario de caracteres turcos sin procesar de noventa y dos símbolos y genera habla a través de un Diffusion Transformer condicional no autorregresivo. [ALLOY]: El transformador opera dentro del espacio latente continuo congelado de AudioVAE2. El habla se codifica a dieciséis kilohercios y se reconstruye a cuarenta y ocho kilohercios, dejando la capacidad entrenable de Freya enfocada en mapear texto en latentes acústicos. El eliminación de ruido paralelo genera la secuencia latente junta en lugar de emitir cuadros uno por uno. Una segunda fase de post-entrenamiento fortalece la identidad de un solo hablante y los enunciados conversacionales cortos. [NOVA]: En Freya-TR-Eval, el modelo reporta una tasa de error de palabra del ocho por ciento y una tasa de error de carácter del tres por ciento, superando a sistemas de habla turca abiertos más grandes en la comparación de los autores. Alcanza un factor de tiempo real de uno punto uno en GPUs de consumo y funciona más rápido que en tiempo real en una CPU de laptop. Eso hace plausible la síntesis local de turco para agentes de voz que no pueden depender de un servicio de habla remoto. [ALLOY]: El lanzamiento proporciona pesos, código de entrenamiento e inferencia, y la configuración de evaluación. Su tamaño compacto proviene en parte de delegar la reconstrucción acústica al VAE congelado en lugar de pedirle al transformador que aprenda cada capa de forma de onda. La entrada de solo caracteres también elimina varios componentes de lenguaje mantenidos por separado. La transferencia más allá del turco sigue siendo la pregunta más grande, porque las demandas de pronunciación y normalización varían entre idiomas morfológicamente ricos. Para despliegues en turco, Freya combina computación modesta, baja latencia e inteligibilidad competitiva en una pila disponible abiertamente. [NOVA]: ... [NOVA]: Long-Horizon-Terminal-Bench evalúa agentes en cuarenta y seis tareas de terminal en nueve categorías, con trabajo diseñado para requerir interacción sostenida en lugar de respuestas de una sola vez. Zilong Li y colaboradores se dirigen a sesiones donde un agente debe inspeccionar estado, ejecutar comandos, interpretar resultados, revisar su enfoque y preservar progreso a través de muchos turnos. Una respuesta inicial fuerte tiene poco valor si el agente no puede continuar lo suficiente para producir un resultado funcional. [ALLOY]: La calificación basada en recompensas densas distingue al benchmark de suites de pasa-o-falla. Los cambios de estado intermedios y las soluciones parciales pueden ganar crédito incluso cuando la meta final permanece incompleta. Los evaluadores pueden ver si un agente avanzó constantemente, se estancó o dañó progreso útil tarde en la trayectoria. Las recompensas densas también proporcionan una señal de entrenamiento más rica que asignar el mismo cero a cada intento no terminado. [NOVA]: Operar contra un shell real hace visibles las consecuencias retrasadas. Una acción localmente razonable puede crear problemas muchos pasos después, presionando la gestión de contexto, la planificación y la recuperación. El benchmark puede separar a un agente que avanza de uno que narra progreso plausible mientras regresa repetidamente al mismo punto muerto. También revela si la retroalimentación ambiental causa un cambio significativo en la estrategia. [ALLOY]: Los agentes de codificación basados en terminal necesitan más que altas tasas de completitud en tareas breves. El trabajo de varias horas requiere mantener suposiciones, detectar cambios de estado y recuperarse antes de que un error temprano se componga. La puntuación densa puede identificar hitos intermedios que predicen el éxito eventual y comparar trayectorias parcialmente útiles. En producción, un agente que consistentemente alcanza un estado casi completo recuperable puede entregar más valor que uno que ocasionalmente termina pero frecuentemente destruye el progreso cerca del final. [NOVA]: ... [NOVA]: Semantic Pareto-DQN apunta al colapso de fraude, donde el severo desbalance de clases empuja un detector a etiquetar casi cada transacción como legítima. Cláudio Lúcio do Val Lopes y Lucca Machado da Silva reemplazan un objetivo escalar único con un vector de recompensa que abarca eficiencia financiera, fricción operacional y descubrimiento semántico. El agente puede navegar compromisos visibles en lugar de ocultarlos dentro de una puntuación ponderada fija. [ALLOY]: Las características de transacciones se convierten en narrativas de lenguaje natural que un modelo de lenguaje codifica. Esas representaciones capturan relaciones entre tiempo, comportamiento y contexto de transacción que las columnas crudas pueden expresar pobremente. Una red Q profunda orientada a Pareto luego busca políticas que equilibren el fraude perdido contra la carga de falsos positivos sin sobremuestrear o submuestrear. El entrenamiento permanece más cerca del flujo real de transacciones en lugar de fabricar una distribución de clases conveniente. [NOVA]: Las pruebas en datos de comercio electrónico y tarjetas de crédito muestran que el enfoque escapa de la trampa de recuerdo cero mientras mantiene la fricción operacional acotada. La alta precisión general de otro modo puede ocultar un detector que ignora casi todo el fraude. Marcar todo tampoco es viable, porque las colas de analistas y las interrupciones a clientes rápidamente se vuelven ingobernables. La optimización de Pareto expone varios puntos operativos viables en lugar de presentar un umbral como universalmente correcto. [ALLOY]: Los equipos de pagos pueden configurar diferentes puntos para diferentes mercados, niveles de pérdida o capacidad de revisión. Un período de alto riesgo puede favorecer el recuerdo, mientras que un flujo de menor riesgo puede priorizar la experiencia del cliente. La codificación semántica introduce costo de servicio y puede derivar mientras el comportamiento de las transacciones cambia, por lo que la latencia y la estabilidad necesitan medición independiente. Incluso con esas restricciones, el método proporciona una forma útil de construir políticas de fraude alrededor de resultados comerciales competidores mientras se preserva el desbalance de clases original. [NOVA]: ... [NOVA]: 4DR360 combina detección de objetos radar-cámara y ocupación semántica a través de un estado de escena compartido. Xiaokai Bai, Lianqing Zheng, Runwei Guan y colaboradores evitan decodificadores aislados que compiten por las mismas características de sensores. La detección y la ocupación actualizan una representación común, permitiendo que cada tarea mejore el estado consumido por la otra. Un planificador puede entonces usar una vista evolucionando del entorno. [ALLOY]: La mejora de vista de pájaro guiada por estado retroalimenta información de ocupación en las características de detección. La fusión temporal guiada por Doppler usa señales de velocidad del radar de ondas milimétricas de cuatro dimensiones para mantener el estado de la escena a través del tiempo. El radar contribuye con información de distancia y movimiento en oscuridad, resplandor, lluvia u oclusión parcial, mientras las cámaras proporcionan detalle visual que el radar no puede resolver. La fusión se convierte en refinamiento de estado repetido en lugar de un paso de concatenación. [NOVA]: Los autores agregan supervisión de ocupación derivada de mapas satelitales, expandiendo la cobertura de entrenamiento donde las etiquetas tridimensionales densas son costosas. Los resultados reportados muestran ganancias conjuntas en detección y ocupación, sugiriendo que el estado compartido hace más que reducir cómputo duplicado. Evidencia de un objetivo puede corregir la representación usada por el otro. [ALLOY]: Un estado unificado puede simplificar la percepción autónoma al reducir caminos de decodificación separados y presentar una representación mundial temporal a la planificación. La supervisión derivada de mapas puede volverse obsoleta alrededor de construcciones o calles que cambian, y la calibración débil del radar puede llevar señales de movimiento incorrectas hacia adelante. Esas restricciones requieren manejo cuidadoso del despliegue. Aún así, 4DR360 ofrece un patrón de integración concreto: cablear detección, ocupación e historial de sensores alrededor de un estado de escena continuamente actualizado en lugar de reconciliar salidas desconectadas después de la inferencia. [NOVA]: ... [NOVA]: Agora reemplaza un enrutador multi-modelo convencional con una subasta sobre pasos de razonamiento individuales. Kaiji Zhou, Ales Leonardis y Yue Feng dejan que modelos candidatos pujen según competencia rectificada. La asignación depende de la habilidad estimada para el paso actual en lugar de una etiqueta adjunta a una solicitud completa. Una sesión puede por lo tanto cambiar modelos entre planificación, cálculo, selección de herramientas y verificación. [ALLOY]: Los enrutadores tradicionales frecuentemente eligen un modelo al comienzo o escalan a través de una cascada fija. Agora puede mantener especialistas económicos en trabajo rutinario y otorgar un paso difícil a un postor más fuerte sin transferir toda la tarea. Un parámetro de subasta controla el balance costo-calidad. La competencia rectificada también reduce la ventaja de un modelo que sistemáticamente exagera confianza. [NOVA]: Los autores reportan mejoras sobre líneas base de enrutamiento y cascada en cinco benchmarks. Un modelo que funciona bien en planificación de recuperación puede perder la subasta para verificación matemática, mientras otro gana solo los pasos que coinciden con su habilidad medida. Eso difiere de la clasificación amplia de solicitudes, donde una elección temprana de enrutamiento gobierna la sesión completa incluso cuando las demandas de razonamiento cambian. [ALLOY]: Las pilas heterogéneas pueden subastar decisiones de herramientas o llamadas de verificación a través de modelos locales y hospedados con diferentes precios, latencias y fortalezas. El diseño agrega sobrecarga porque el sistema debe estimar competencia, asignar el paso y transferir suficiente contexto para que el ganador actúe. Los ahorros desaparecen si pujar cuesta más que el razonamiento siendo asignado. Agora se vuelve más útil cuando las estimaciones de competencia se actualizan desde resultados observados, la transferencia de contexto se mantiene compacta y la latencia de la subasta permanece baja. [NOVA]: ... [NOVA]: Investigación a través de cuatro modelos visión-lenguaje y cinco conjuntos de datos de conteo encuentra que muchos conteos incorrectos ocurren incluso cuando la cantidad correcta está representada internamente. Sondas entrenadas en activaciones intermedias predijeron errores próximos y frecuentemente recuperaron el número correcto. La percepción había codificado información útil, pero la ruta de generación seleccionó una respuesta desalineada con esa representación. [ALLOY]: Los investigadores usaron análisis de correlación canónica de vectores singulares para comparar la dirección asociada con la sonda de conteo correcto contra la dirección que impulsa la respuesta emitida. Luego orientaron las activaciones hacia la dirección de la sonda. La precisión de conteo mejoró, apoyando una relación causal en lugar de una sonda que simplemente correlacionaba con ejemplos exitosos. La intervención cambia la lectura sin reemplazar el codificador visual. [NOVA]: Un bucle de autocorrección guiado por detector convierte el análisis en un flujo de trabajo de inferencia. El detector estima si un conteo probablemente está equivocado, y las salidas inciertas reciben otro paso de razonamiento. No se requiere actualización de parámetros, y el artículo reporta ganancias superiores a quince puntos porcentuales en algunos escenarios. Un agente de visión podría aplicar esa compuerta antes de insertar un conteo en una carga útil de inventario o acción robótica. [ALLOY]: Los hallazgos no implican que cada error visual sea un problema de lectura; algunas escenas genuinamente fallan en producir una representación interna recuperable. Sí muestran por qué la precisión final no puede revelar lo que un modelo ya sabe. Sondas similares pueden ayudar con relaciones espaciales, enlace de atributos y extracción estructurada cuando existe información útil internamente pero se decodifica mal. La transferencia entre dominios sigue siendo difícil, porque una sonda estrecha puede convertirse en otro componente especializado que necesita calibración. [NOVA]: ... [NOVA]: vLLM .25 hace que Model Runner V2 sea la ruta de ejecución predeterminada para modelos densos. El lanzamiento consolida el servicio estándar de modelos densos en torno al nuevo runner y amplía su soporte de ejecución cuantizada. Más de quinientos commits de más de doscientos colaboradores aterrizaron en compatibilidad de modelos, comportamiento del servicio y rendimiento. Las arquitecturas densas comunes ahora usan un runner principal en lugar de requerir configuración separada para rutas antiguas y nuevas. [ALLOY]: Un endpoint de embedding en tiempo real agrega cargas de trabajo de representación de baja latencia junto a la generación. Los agentes que recuperan contexto continuamente, clasifican eventos entrantes o actualizan índices semánticos durante una sesión en vivo pueden solicitar embeddings a través del mismo servicio vLLM. Eso puede reemplazar un despliegue de embedding separado con su propio transporte, autenticación, procesamiento por lotes y plan de capacidad mientras se retiene la programación específica de la carga de trabajo. [NOVA]: El almacenamiento en caché de prefijos ahora llega a los modelos híbridos Mamba, permitiendo que el contexto repetido reutilice computación previa en arquitecturas que combinan componentes de espacio de estado y transformadores. Las instrucciones del sistema largas, esquemas de herramientas compartidos y contexto de recuperación recurrente se benefician más. Juntos, la consolidación del servicio de embeddings, la reutilización de prefijos y el soporte más amplio del runner se dirigen a los costos de servicio recurrentes en cargas de trabajo de agentes. [ALLOY]: Model Runner V2 se convierte en el estándar específicamente para arquitecturas densas; otras familias pueden retener rutas diferentes. Los kernels personalizados, formatos de cuantización poco comunes y diseños híbridos aún pueden exponer diferencias de compatibilidad. El lanzamiento da a los autores de extensiones una superficie de integración principal para modelos densos y da a los operadores una ruta más simple para tráfico mixto de generación y embedding. Las mediciones independientes en GPUs populares mostrarán cuánto mejora la consolidación el rendimiento y la latencia bajo cargas de trabajo concurrentes reales. [NOVA]: ... [NOVA]: Shravan Murlidaran y Miguel P. Eckstein compararon nueve sistemas de visión-lenguaje que abarcan aproximadamente ocho años en un conjunto de datos de Comportamiento Social Complejo. Los modelos más antiguos perdieron precisión sustancial cuando las escenas pasaron de objetos simples a interacciones humanas intrincadas. Los modelos de lenguaje multimodales recientes produjeron descripciones que se aproximaban a las referencias humanas más fuertes, cerrando una brecha que persistió a través de generaciones anteriores. [ALLOY]: La taxonomía de errores del estudio muestra reducciones marcadas en la detección de objetos, reconocimiento y errores generales de comprensión de escenas. Los modelos actuales omiten menos participantes y relaciones importantes. El comportamiento complejo ya no crea la misma caída desde el rendimiento de escenas simples, expandiendo flujos de trabajo que pueden comenzar con un modelo multimodal general en lugar de un clasificador separado para cada interacción. [NOVA]: La dependencia espacial sigue siendo diferente de la percepción humana. Los modelos pueden producir una descripción precisa mientras confían en regiones de imagen que no coinciden con las usadas por las personas. Por lo tanto, una pequeña alteración de la escena puede perturbar al modelo incluso cuando un humano consideraría la región cambiada irrelevante. El lenguaje correcto no garantiza una base visual estable o similar a la humana. [ALLOY]: Los agentes de visión pueden extraer significado situacional de nivel superior de escenas que antes necesitaban amplio andamiaje, pero los despliegues consequence requieren perturbaciones controladas y validación de dominio. El análisis de regiones de atención puede revelar si una respuesta proviene de evidencia estable o de un atajo. La comparación de una década muestra que las descripciones generadas pueden converger con el rendimiento humano antes de que lo hagan las dependencias visuales subyacentes, por lo que la puntuación de respuestas por sí sola sigue siendo incompleta. [NOVA]: ... [NOVA]: La Adaptación de Logits por Clase sin Entrenamiento, o TCLA por sus siglas en inglés, mejora los modelos de visión-lenguaje médicos cuando las imágenes entrantes difieren de su distribución de preentrenamiento. Tianyou Jiang y Ziyu Zhou usan un pequeño conjunto de soporte para corregir el sesgo de salida a nivel de clase durante la inferencia. El método no cambia los pesos del modelo ni la arquitectura, permitiendo que una capa de adaptación envuelva un backbone desplegado sin un nuevo ciclo de ajuste fino para cada escáner o clínica. [ALLOY]: Los ejemplos de soporte de un entorno de imagen local revelan cómo se sesga la confianza entre clases. TCLA ajusta esos logits antes de la selección final. Eso es útil en configuraciones de una sola muestra y de pocos datos donde las actualizaciones de parámetros pueden sobreajustar. El codificador base y la ruta de servicio permanecen intactos mientras el envolvente cambia la superficie de decisión para una población de despliegue particular. [NOVA]: En nueve conjuntos de datos médicos que cubren radiografías, resonancias magnéticas e imágenes de TC, el método mejoró consistentemente el rendimiento y frecuentemente superó enfoques de adaptación más complejos que requieren entrenamiento. El mismo envolvente puede funcionar alrededor de diferentes backbones, permitiendo a los equipos comparar VLMs médicos mientras retienen una capa de corrección local. [ALLOY]: Un hospital podría mantener pequeños conjuntos de soporte para diferentes escáneres o poblaciones de imágenes y configurar la corrección durante el servicio. Eso no elimina la necesidad de validación clínica. El ajuste por clase no puede recuperar evidencia visual que el codificador nunca capturó, y la deriva futura puede exceder lo que representan los ejemplos de soporte. TCLA es más útil como respuesta modular al sesgo de salida predecible, con evaluación prospectiva aún necesaria para calibración, condiciones raras y equipos cambiantes. [NOVA]: ... [NOVA]: El codebase-memory-mcp de DeusData construye un grafo de conocimiento persistente desde una base de código y lo expone a través del Protocolo de Contexto de Modelos. La versión point-nine soporta ciento cincuenta y ocho lenguajes, se envía como un binario estático único e informa consultas de grafo en menos de un milisegundo. En lugar de volver a escanear el código fuente para cada pregunta entre componentes, un agente consulta relaciones indexadas entre símbolos, dependencias, sitios de llamada e implementaciones. [ALLOY]: OpenClaw, Codex, el agente de codificación de IA basado en terminal Claude Code, o Hermes pueden usar el servicio MCP cuando una refactorización abarca varios paquetes. Los equipos pueden conectar el grafo como la superficie de recuperación principal, luego obtener solo el contexto de código fuente estrecho necesario para la implementación. La reducción de tokens prometida del noventa y nueve por ciento variará según la base de código y la consulta, pero las relaciones persistentes pueden reducir drásticamente la ingestión repetida durante sesiones de codificación largas. [NOVA]: ... [NOVA]: FastMCP de Prefect es un framework de Python para construir servidores y clientes MCP sin implementar manualmente cada superficie del protocolo. Su línea tres-cuatro envolvuelve declaraciones de herramientas, transportes, esquemas y autenticación en APIs orientadas a Python. Un servicio interno puede participar en el mismo envolvente de herramientas que otras integraciones MCP sin un adaptador personalizado para cada host de agente. [ALLOY]: Un equipo puede colocar FastMCP delante de telemetría, controles de despliegue o una REST API interna, y luego permitir que múltiples agentes usen un contrato compartido. Se adapta a stacks con mucho Python que quieren control directo sobre la lógica de herramientas mientras delegan el transporte de protocolo y la exposición de esquemas a un framework mantenido. Un servidor autenticado puede soportar Codex, Hermes y otras sesiones compatibles con MCP a través de la misma integración. [NOVA]: ... [NOVA]: El mcp-for-beginners de Microsoft enseña el Protocolo de Contexto de Modelos a través de ejemplos en .NET, Java, TypeScript, JavaScript, Rust y Python. Los laboratorios cubren servidores, clientes, sobres de mensajes, herramientas modulares y seguridad. Equipos de lenguajes mixtos obtienen una referencia de protocolo compartida sin asumir que cada integración vive en Python. [ALLOY]: Ingenieros que construyen un cliente en Rust, un servicio en .NET y un host en TypeScript pueden comparar flujos equivalentes mientras mantienen sus convenciones nativas. Eso ayuda a alinear esquemas de herramientas, autenticación y comportamiento de sesión antes de que las capacidades internas lleguen a agentes de producción. El proyecto es especialmente útil donde Python maneja la experimentación con modelos pero Java, Rust o .NET manejan las APIs y servicios que los agentes finalmente invocan. [NOVA]: ... [NOVA]: Los límites de contexto, precios de tokens, llamadas a herramientas, disponibilidad de proveedores y latencia de respuesta siguen siendo las superficies concretas que determinan si un modelo alojado puede reemplazar un despliegue existente sin forzar cambios en todo el contrato del agente circundante. [NOVA]: ... [ALLOY]: Ollama .31 punto dos habilita flash attention en GPUs NVIDIA más antiguas con capacidad de cómputo 6.x y permite que GPUs integradas descarguen modelos de visión con padding según la memoria disponible. También fortalece la creación de modelos GGUF, repara la salida estructurada para modelos de razonamiento cuando el razonamiento está deshabilitado, y corrige la carga desde ubicaciones de modelos que contienen caracteres no UTF-8. [NOVA]: El lanzamiento de Ollama ahora deshabilita telemetría por defecto al iniciar el agente de codificación de IA basado en terminal Claude Code. Modelos de visión con padding como LLaVA ganan una ruta más práctica hacia hardware más antiguo: flash attention reduce la sobrecarga de ejecución, mientras la descarga a GPU integrada usa memoria compartida para ajustar el modelo. El lanzamiento combina una cobertura de hardware más amplia con respuestas estructuradas más limpias y una ruta de lanzamiento de Claude Code local más silenciosa. [NOVA]: ... [ALLOY]: TSAI-MetaFraud introduce un benchmark de grafos multimodal y multitarea para fraude en economías virtuales. Combina eventos de comportamiento, transacciones y relaciones de grafo, y luego evalúa fraude en transacciones, clasificación de nodos entre modalidades, predicción de enlaces temporales y detección débilmente supervisada. Los baselines de redes neuronales de grafos permiten a los equipos comparar sistemas que conectan pagos sospechosos con comportamiento de cuentas y estructura social en lugar de puntuar cada transacción sola. [NOVA]: ... [NOVA]: Failure as a Process analiza mil setecientos noventa y cuatro trayectorias anotadas manualmente de OpenHands, MiniSWE y Terminus2 en Terminal-Bench. Separa el fallo en inicio, evolución y recuperación. Catorce hallazgos muestran que muchos errores epistémicos comienzan en los primeros pasos, mientras que los fallos expuestos tarde frecuentemente son irrecuperables. El marco ayuda a distinguir una suposición falsa temprana de las acciones posteriores que contamina. [NOVA]: ... [ALLOY]: Beyond Fixed Representations describe una brecha de vocabulario, donde un sistema debe inventar y estabilizar una nueva primitiva representacional, y una brecha de verificador, donde el valor de esa primitiva aparece solo después de una reutilización posterior. La codificación, la demostración de teoremas y la investigación de largo plazo encuentran todos esta tensión. La memoria durable para abstracciones emergentes y la evaluación diferida pueden importar tanto como mejorar la generación inmediata del siguiente paso. [NOVA]: ... [NOVA]: Codex restaura el comportamiento de revisión anterior de Guardian, mientras que la demanda de Apple coloca controles de procedencia de contratación y secretos comerciales junto a la gobernanza de modelos y productos. [ALLOY]: QANTA, Agora y Long-Horizon-Terminal-Bench especializan agentes por objetivo, asignan pasos por competencia y miden progreso sostenido. [NOVA]: PAC-ACT, SAGEAgent, Semantic Pareto-DQN y TCLA adaptan sistemas desplegados a través de post-entrenamiento restringido, adquisición selectiva de evidencia, control multi-objetivo y corrección en tiempo de inferencia. [ALLOY]: Freya-TTS, 4DR360, vLLM, Ollama y los proyectos MCP amplían el habla local, el estado compartido de escena, el servicio de modelos, la cobertura de hardware y la integración de herramientas reutilizables. [NOVA]: ... [NOVA]: Para los papers de investigación, lanzamientos, repositorios y detalles de apoyo, mira las notas del programa en Toby On Fitness Tech punto com. [ALLOY]: Gracias por escuchar AgentStack Daily. Volveremos pronto.