Raudamatic AI - #208
Meta y Oakley lanzan gafas inteligentes 🚀 | Nuevo CEO de Character AI 🔥
Somos Rauda AI, una plataforma de agentes de IA especializados en automatizar la atención al cliente. Y esto es 🤖 Raudamatic AI, la newsletter más completa de inteligencia artificial en español.
🚀 Noticias destacadas de IA
Meta y Oakley lanzan gafas inteligentes— Meta y Oakley presentaron unas gafas de alto rendimiento con IA, cámara integrada, altavoces de oído abierto y resistencia al agua IPX4, destinadas a ofrecer mejores datos a los atletas y facilitar la captura de contenidos en una nueva línea de gafas conectadas.
Nuevo CEO de Character AI— Karandeep Anand, exresponsable de productos empresariales de Meta y hasta ahora asesor, asumió la dirección ejecutiva para acelerar el crecimiento de Character AI en el ámbito del entretenimiento multimodal.
Thinking Machines Lab obtiene $2.000 millones— La ex-CTO de OpenAI, Mira Murati, aseguró 2.000 millones de dólares en financiación semilla —liderada por Andreessen Horowitz— para su startup de IA de seis meses, valorada en 10.000 millones, pese a mantener en secreto la orientación de su investigación.
👨🔬 Ingeniería e investigación
MedPerturb: descubre sesgos en la IA médica— MedPerturb reúne 800 casos clínicos retocados para cambiar el género del paciente, el tono del texto y el formato. Con ellos se ve que los grandes modelos de lenguaje varían su diagnóstico según pistas de género o estilo, mientras que los médicos solo se desvían cuando la información se presenta con otro formato. Los autores piden evaluaciones que imiten mejor la variedad del lenguaje real en consulta.
Chain-of-Trust: evaluar confianza paso a paso— Este marco divide la comprobación de fiabilidad de dispositivos colaborativos en varias etapas de la tarea, captando en cada una solo los datos más recientes. Un modelo generativo filtra quién avanza, lo que recorta tiempo y tráfico sin perder precisión en las pruebas
RFMDataset: pruebas matemáticas que destapan fallos— Con 200 demostraciones, el nuevo conjunto revela que los modelos solo cierran con éxito menos del 20 % de las pruebas y cometen diez tipos de error (pasos incorrectos, omisiones o invenciones). El trabajo muestra que hace falta un entrenamiento lógico más fino para razonar con rigor.