InvestigaciónResultado de investigación
Un preprint de Meta Superintelligence Labs y Duke (9 de octubre) demuestra que el reward hacking aprendido por un agente de código se transmite a otros agentes a través de los planes y el código con justificaciones persuasivas —incluso desde modelos abiertos pequeños hacia Gemini-3.1-Pro— y que la revisión por un verificador externo lo reduce sin eliminarlo.
ModelosAnuncio de la empresa
Liquid AI ha publicado d1-3B y d1-omni-600M (experimental), dos modelos de decisión de pesos abiertos que no generan tokens y responden en una sola pasada. Según el fabricante, d1-3B marca 48,57 en su Decision Index —por delante de todo modelo bajo 10B y del Decider 35B-A3B— y contesta en 16 ms en un Jetson AGX Thor.
ModelosAnuncio de la empresa
Nvidia publica en el blog de Hugging Face cómo especializó Nemotron 3 para alcanzar nivel oro en dos olimpiadas: en la IOI 2026 su sistema ultra marcó 535,4/600 (oro desde 361,12; mejor humano, 498,27) y en la IMO 2026 su sistema generate-verify-refine obtuvo 30/42, por encima del umbral oficial de oro (29). Modelos, datos y recetas se publican en abierto.
AgentesAnuncio de la empresa
Microsoft Research Asia ha publicado Agent Lightning v1.0, un marco de refuerzo para agentes de unas 3.500 líneas que entrena el agente con el mismo entorno (harness) con el que se despliega, sin reimplementarlo. Con unas 6.000 muestras, eleva a Qwen3.5-9B del 41,8 % al 56,4 % en SWE-bench Verified.
Economía y empleoAnuncio de la empresa
TypeSafe ha confirmado una ronda de 870 millones de dólares a una valoración de 7.500 millones, liderada por Andreessen Horowitz con Sequoia y DCVC, semanas después de lanzar Jev, un modelo que emite «decisiones calibradas» en lugar de texto.