Model Training

Tutor • Series B

Tutor, que está entrenando un modelo de base para robots de vanguardia y construye robots de almacén con IA, recaudó una ronda Serie B de 75 millones de dólares liderada por a16z, lo que eleva la financiación total a 117 millones de dólares.

Investigadores del MIT demostraron que GPT-6 Astra de OpenAI puede leer y reescribir los pesos de otros modelos de IA sin entrenamiento tradicional, aumentando la precisión matemática de un modelo Qwen del 7,9 % al 48,1 % al cambiar solo el 0,016 % de sus pesos. El enfoque podría simplificar la optimización de la IA, pero el artículo señala que aún se enfrenta a límites claros.

Investigación • The Decoder

Según se informa, DeepSeek planea entrenar su próximo modelo de nueva generación V5 con chips Huawei Ascend, según STAR Market Daily citando fuentes de la industria. El plan reportado extendería el papel de Ascend desde la inferencia hasta el entrenamiento intensivo en cómputo de un nuevo modelo.

Infraestructura • TechNode

Ricursive Intelligence lanzó Ripple-65B Preview, que según afirma establece un nuevo récord de estado del arte en EE. UU. para modelos de pesos abiertos en codificación agéntica. El laboratorio entrenó el modelo desde cero, optimizando la arquitectura para sus propias plataformas de entrenamiento y servicio.

Modelos • Hacker News

Un nuevo estudio de NYU y UT Austin identifica seis patrones lingüísticos que los modelos de IA de frontera sobreutilizan sistemáticamente, haciendo que su texto sea agotador para que los humanos lo lean. Los investigadores atribuyen esto al entrenamiento en código y matemáticas, que prioriza la corrección sobre la legibilidad.

Investigación en IA • The Decoder