Edición del 20 de octubre de 2026

Pide a una IA «una enfermera» o «un abogado». Nunca mencionas el físico. Un equipo dirigido por Cornell lo hizo con 27 generadores de imágenes y obtuvo 51 300 caras.

En las valoraciones de 550 personas, los 23 generadores con suficientes imágenes valoradas superaron a las fotos reales en atractivo. Entre las caras pedidas como mujeres, el 37 % superó a la modelo de moda mediana según las puntuaciones automáticas. Las caras pedidas como nigerianas, negras o etíopes puntuaron más bajo.

Después, 570 personas evaluaron a candidatos a un empleo. Algunas vieron antes caras de IA muy atractivas. Luego valoraron a los mismos candidatos reales como menos contratables y menos dignos de confianza. Menos pasaron a entrevista: 72,5 % frente a 77,4 %.

El retoque fotográfico clásico no cambió nada. Los autores aún no saben explicar por qué las caras de IA sí lo hacen. Pero las personas sintéticas están llenando anuncios, sitios web e imágenes de archivo.

Fuente: Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

Imagina varios corredores en una pista circular. Misma salida, cada uno a su propia velocidad constante. ¿Estará cada corredor, en algún momento, lejos de todos los demás? Esa es la conjetura del corredor solitario.

Con n + 1 corredores, predice una separación de al menos 1/(n + 1) de vuelta. Un simple argumento de conteo garantiza solo la mitad. Durante décadas, las mejoras sobre esa cota fácil se reducían a nada a medida que se añadían corredores.

Xiyu Hu y Yifan Jing demuestran ahora una mejora que no se desvanece: una fracción fija por encima de la cota fácil, para cualquier número de corredores. Las herramientas: una nueva desigualdad de solapamiento y argumentos sobre divisores comunes.

Los autores usaron ChatGPT 6 para comprobar y pulir demostraciones. Escriben que los modelos no fueron capaces de mejorar la cota por sí solos.

Fuente: Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

Los modelos climáticos funcionan en algunos de los mayores superordenadores del mundo. Pero ¿cuánta precisión compra cada porción extra de cómputo? Un equipo de 24 investigadores examinó 159 modelos climáticos construidos desde 1995.

Su respuesta es sorprendentemente estable. Cada duplicación del cómputo ha reducido el error de los modelos en torno a un 13,5 %. Reducir a la mitad el error actual exigiría unas 28 veces más cómputo.

Las mejoras son desiguales. Desde la primera generación, los errores en la presión atmosférica se han dividido por 3,5 y en la temperatura de superficie por 2,7. Los errores en la lluvia solo han bajado un 7 %.

Los modelos meteorológicos de IA igualan ya a los mejores pronósticos. Sin embargo, ninguno publica su energía medida. Si se cuenta el entrenamiento, uno de ellos cae del segundo al último puesto en eficiencia. El equipo pide que la energía se informe junto a la precisión.

Fuente: Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

Registra la lluvia diaria y anota cada récord: un día más lluvioso que todos los anteriores. Muchos récords deberían implicar un pico final alto, ¿no? Tres físicos lo comprobaron con matemáticas exactas.

Para valores aleatorios extraídos de cualquier distribución continua, la respuesta es no. El número de récords y el valor más alto no tienen ninguna relación. Conocer uno no dice nada sobre el otro, sea cual sea la longitud de la serie.

Si se añaden días secos, con lluvia cero, aparece un vínculo. Por encima de una proporción crítica de días secos, primero crece y luego se desvanece. Por debajo, solo se desvanece. El umbral tiene una fórmula exacta.

El equipo lo puso a prueba con registros diarios de lluvia de estaciones meteorológicas alemanas. Un grupo quedaba por encima del umbral; el otro, por debajo. Ambos siguieron la forma prevista, sin ajustar ningún parámetro.

Fuente: Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

La espadilla es una forma antigua de mover una barca con un solo remo. Este se apoya en una muesca de la popa, con la pala siempre bajo el agua. Las manos de quien rema dibujan un signo de infinito.

Un equipo francés equipó una barca de 4,7 metros con medidores de fuerza, sensores de movimiento y una corredera. Después, dos remeros experimentados la llevaron desde el reposo hasta su velocidad máxima en aguas tranquilas.

Durante los barridos laterales, la pala funciona como un ala. La sustentación empuja la barca hacia delante. En cada giro, la rápida inversión de la pala lanza agua hacia atrás. Las cuatro fases de la palada propulsan.

La eficiencia alcanza un máximo cercano al 65 % a una velocidad moderada de 1,2 metros por segundo. A 2 metros por segundo cae a alrededor del 25 %. El casco está entonces cerca de su velocidad crítica, y las olas se comen el esfuerzo.

Fuente: Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

Los cuatro planetas gigantes de nuestro sistema solar tienen anillos. Sin embargo, nunca se ha confirmado un anillo alrededor de un planeta maduro de otra estrella. ¿Son raros o simplemente difíciles de ver?

El telescopio espacial Roman lleva un coronógrafo que bloquea la luz de la estrella. Debería ver planetas gigantes por la luz estelar que reflejan. Un equipo de la Universidad de Míchigan modelizó lo que añadirían los anillos.

Los anillos pueden ser de diez a cien veces más brillantes que su planeta. Y dejan una huella: cuatro picos y valles de brillo a lo largo de la órbita, en lugar de dos.

El equipo simuló Epsilon Eridani b, un objetivo prioritario de Roman. Sin anillo, a menudo cae por debajo del umbral de detección. Con uno como el de Saturno, brilla hasta el doble y sigue visible en casi toda su órbita.

Fuente: Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

La electricidad de red funciona a 50 o 60 hercios, pero nunca exactamente. Su frecuencia oscila, de la misma manera en toda una red. Las lámparas parpadean con ella, y las cámaras registran ese parpadeo.

Dos investigadores de la Universidad Solent de Southampton esperaban que los vídeos de IA carecieran de ese parpadeo. Sorpresa: los generadores lo reproducen con la misma intensidad que las grabaciones reales. Su presencia no prueba nada.

Así que comparan la oscilación con un registro independiente de la red. Su sistema aceptó el 93 % de los clips de audio reales y el 100 % de los vídeos reales. Puede fechar una grabación de sonido con una precisión de alrededor de un segundo dentro de un día.

Dos recreaciones con IA de una escena real parpadeaban a 60 hercios, cuando el lugar declarado funciona a 50. El punto débil persiste: una cara intercambiada en una grabación auténtica conserva un zumbido auténtico.

Fuente: An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

Los gluones transmiten la fuerza fuerte, la que mantiene unidos a los quarks. Si se calientan lo suficiente, forman un plasma. ¿Qué presión ejerce? Los físicos calculan la respuesta paso a paso, y cada paso es una corrección más fina.

Uno de esos pasos, llamado término g⁶, ha permanecido fuera de alcance durante más de veinte años. Exige 65 diagramas enrevesados, con cuatro lazos cada uno.

Un equipo de Helsinki, Turku, Chile y Berna por fin lo ha completado. Resolvieron nueve integrales desconocidas con un método nuevo, usando alrededor de un millón de horas de procesador en supercomputadoras.

La recompensa: los pasos anteriores oscilaban por encima y por debajo de las simulaciones por ordenador del plasma. Con el nuevo término, teoría y simulación coinciden, hasta unas pocas veces la temperatura a la que los gluones quedan libres. Próximo objetivo: añadir los quarks, para las fusiones de estrellas de neutrones.

Fuente: Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

En la India, buena parte de las compras cotidianas se hace en pequeñas tiendas de ultramarinos llamadas kiranas. ¿Podría una IA llevar una? Un equipo del BITS Pilani construyó una tienda simulada para averiguarlo.

Un solo modelo de IA interpreta a los cuatro empleados: gerente, cajero, ayudante y contable. El gerente nunca ve la tienda, solo los informes del personal. Clientes y proveedores hablan inglés, hindi o hinglish.

Cuatro modelos de IA abiertos la llevaron cada uno durante 30 días simulados. Un tendero sencillo que sigue reglas ganó unas 103 000 rupias. El mejor modelo promedió unas 13 700. Dos perdieron más que una tienda sin nadie al mando.

Los fallos tienen nombre. Correos a proveedores que no existen. Un pago que nunca se hizo. Pedidos pagados dos veces. A un modelo le devolvieron como ilegibles el 42 % de sus correos en hindi.

Fuente: KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

Las apps de salud registran tu frecuencia cardiaca, tu glucosa y, a veces, tu salud mental. Un equipo de universidades de Estados Unidos y Canadá examinó más de 10 000 de ellas en Google Play.

El 69 % solicita al menos un permiso que su descripción no justifica. Cerca de la mitad quiere tu ubicación o tu cámara sin una razón declarada. Un tercio quiere el micrófono.

El equipo abrió las apps en teléfonos de prueba. De las 3599 que funcionaron, el 93 % no mostró ninguna pantalla de consentimiento. Muchas enviaban aun así el identificador publicitario del teléfono.

Cuando sí aparece un formulario de consentimiento, las apps suelen cumplir su palabra: 1 de cada 14 recogió algo que no mencionaba. Incluso desarrolladores grandes y con muchos recursos fallaron. Los autores piden comprobaciones automáticas de privacidad antes de que una app llegue a la tienda.

Fuente: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851