Investigadores demostraron que agentes de modelo de lenguaje grande (LLM) pueden extraer pistas de identidad de datos de texto libre, buscar en la web de forma autónoma y emparejar esas pistas con individuos del mundo real. En experimentos que utilizaban transcripciones de entrevistas, comentarios de Reddit y una gran cantidad de usuarios de Reddit, la IA pudo identificar correctamente una parte medible de los participantes mientras mantenía una alta precisión. Los hallazgos resaltan una creciente capacidad de la IA para vulnerar la pseudonimidad, lo que plantea preocupaciones sobre la privacidad en las plataformas en línea. Leer más →

Investigadores de Stanford y Princeton compararon las respuestas de varios modelos de lenguaje grande chinos y estadounidenses a preguntas políticamente sensibles. El estudio encontró que los modelos chinos se niegan a responder a una proporción significativamente mayor de estas consultas, proporcionan respuestas más cortas y sometimes entregan información inexacta. Los autores sugieren que la afinación manual, en lugar de los datos de entrenamiento censurados, impulsa gran parte de este comportamiento. Trabajos adicionales muestran que extraer instrucciones ocultas de los modelos chinos es difícil, destacando los desafíos de estudiar la censura impulsada por la inteligencia artificial en tiempo real. Leer más →

Perplexity presentó Computer, un agente de IA que puede asignar tareas a otros agentes de IA. El servicio opera principalmente en la nube y se ejecuta en un entorno controlado que limita las integraciones a plugins verificados. Los usuarios pueden proporcionar contexto a través de archivos como USER.MD, MEMORY.MD, SOUL.MD y HEARTBEAT.MD, lo que permite al agente crear, modificar o eliminar archivos en el sistema del usuario. Leer más →