93 noticias
AMD ha cerrado un acuerdo definitivo para adquirir World Labs, el laboratorio de investigación de inteligencia artificial fundado por la pionera Fei-Fei Li, en una transacción valorada en aproximadamente 8.200 millones de dólares. Este movimiento estratégico, anunciado hoy, marca un hito significati
OpenAI, una empresa de investigación en inteligencia artificial sin fines de lucro, ha presentado su estructura organizativa y su misión para avanzar en la inteligencia digital sin la presión de generar retornos financieros. La compañía, fundada por Sam Altman y Elon Musk, busca distribuir la tecnol
El Transformer es una arquitectura de red neuronal que ha redefinido el campo de la inteligencia artificial, introducida en 2017 con el artículo 'Attention is All You Need'. Su principal ventaja radica en el mecanismo de atención auto, que permite procesar secuencias completas y capturar dependencia
PC-ALM (Código Predictivo Lagrangiano Aumentado) es un método de entrenamiento que permite entrenar redes neuronales residuales de hasta 1000 capas sin utilizar backpropagación. A diferencia del aprendizaje profundo estándar, que depende de la sincronización estricta de pasos hacia adelante y hacia
TechCrunch ha publicado un glosario actualizado de términos clave de inteligencia artificial, pensado para inversores, desarrolladores y lectores que buscan seguir el ritmo de un sector en constante evolución. El artículo recoge definiciones claras y divulgativas de conceptos cada vez más presentes
Sam Altman, director ejecutivo de OpenAI, sostiene que la humanidad se encuentra en un momento histórico en el que la inteligencia artificial empieza a superar a la humana de forma transformadora, y advierte de que ni gobiernos ni empresas están preparados para las consecuencias de un avance que él
Los modelos de difusión descomponen la compleja tarea de generar datos a partir de una distribución de alta dimensionalidad en numerosos pasos de eliminación de ruido, cada uno mucho más sencillo. Esta estrategia de refinamiento iterativo, en la que el modelo predice una dirección local hacia region
El investigador Vakde ha presentado una nueva versión de su modelo para el benchmark ARC-AGI-1, un pequeño transformer entrenado desde cero en solo 1,5 horas con una GPU Nvidia RTX 5090. El sistema alcanza un 44% de precisión en ARC-AGI-1 y un 7% en ARC-AGI-2, con un coste total de aproximadamente 6
Un equipo del KAIST, en colaboración con la Universidad Nacional de Singapur y la Universidad de Gestión de Singapur, ha desarrollado SweepLED, una tecnología basada en smartphone que identifica cámaras ocultas en lugares como hoteles o baños. El sistema combina un dispositivo LED de unos 10.000 won
Google ha presentado PhotoScan, un sistema de inteligencia artificial capaz de predecir la resistencia a la insulina analizando fotografías convencionales tomadas con el móvil. La herramienta, desarrollada por los científicos Cassie Zhou y Ahmed Metwally del equipo de Google Research, fue publicada
Un artículo preprint publicado el 27 de julio de 2020 en arXiv (categoría cs.LG) aborda un problema conocido en el campo del aprendizaje profundo: las decisiones de diseño de una red neuronal suelen ser determinantes para que el descenso de gradiente la entrene con éxito. Los autores se preguntan si
Un nuevo estudio publicado en arXiv examina si los modelos de razonamiento latente (LRMs), una clase de sistemas de inteligencia artificial que razonan internamente sin generar texto intermedio, son realmente interpretables. La investigación, firmada por Connor Dilgren y colaboradores, analiza dos L
Este ejercicio, parte de la serie "Calculating AI by Hand" (capítulo 19 de 28), desmitifica la Transformada Discreta de Fourier (DFT), el método más importante del procesamiento de señales, cuya formulación matemática —una sumatoria con el término complejo e^(-iwt)— suele intimidar a quien se topa c
Esta serie, titulada 'Pérdida, muerte, robots', se propone recorrer todo el código de PyTorch capa por capa hasta que cada línea del día a día deje de ser opaca. La entrada actual, 'El mapa', actúa como índice general: presenta las doce partes que conformarán el recorrido —tensor, autograd, uso diar
Los modelos de lenguaje grandes (LLM) suelen recurrir a codificaciones posicionales para que el mecanismo de atención distinga la posición de cada token —o, más precisamente, de cada entrada del KV caché—. Las dos estrategias dominantes son RoPE, que rota por parejas las dimensiones de los vectores
Alexi Gladstone presenta Explorative Modeling, un nuevo paradigma de modelado generativo que actúa como tercer eje de preentrenamiento cuando se suma a modelos existentes y permite, además, una generación de extremo a extremo. La propuesta se basa en la teoría del Mode Forcing, según la cual todo el
Este artículo técnico propone que la complejidad de Kimi Delta Attention (KDA), el mecanismo de atención lineal que emplea la familia de modelos Kimi, no es tan opaca como aparenta: un lector familiarizado con la familia DeltaNet podría haber deducido sus ecuaciones a partir de requisitos sencillos
Investigadores de Moonshot AI presentan Kimi Linear, una arquitectura híbrida de atención lineal que, según afirmam, supera por primera vez a la atención completa en comparaciones equitativas en contextos cortos, largos y en escenarios de escalado por aprendizaje por refuerzo. El núcleo del sistema
PyTorch, el framework de código abierto desarrollado originalmente por Meta y hoy mantenido por la Linux Foundation, atraviesa una transformación conceptual que redefine su lugar en el ecosistema del aprendizaje profundo: ha dejado de ser únicamente una herramienta de implementación para consolidars
La empresa Feyn ha presentado FeyNoBg, un modelo de código abierto de última generación para la eliminación automática de fondos en imágenes, junto con NoBg, la librería en Python usada para entrenarlo y que también libera de forma abierta. Según la compañía, FeyNoBg logra la mejor S-measure publica
Un equipo de investigación propone un método mejorado para monitorizar la fortaleza de las colonias de abejas melíferas (Apis mellifera) a partir de grabaciones de audio captadas por sensores de internet de las cosas (IoT) colocados en las colmenas. La técnica se basa en una nueva representación del
La previsión de series temporales es una tarea de aprendizaje de secuencias que, a pesar de los avances en aprendizaje profundo, sigue siendo extraordinariamente difícil. Este artículo técnico analiza las razones estructurales que separan la predicción de series temporales de los problemas clásicos
Una guía en forma de serie de artículos recorre, de forma ordenada por dependencias, la pila tecnológica completa de un modelo de lenguaje grande (LLM) actual. El recorrido va de los fundamentos de álgebra lineal —vectores, matrices y espacios vectoriales— hasta los protocolos de agentes que llegan
El libro «Mathematics of Data Science», depositado en arXiv (cs.LG, referencia 2607.11938), repasa los fundamentos matemáticos que sostienen el campo moderno de la ciencia de datos. El texto, organizado en 15 capítulos más una introducción, está pensado como material didáctico de nivel avanzado que
Cuando se entrena una red neuronal, la llamada loss.backward() desencadena el mecanismo central del aprendizaje: el cálculo de cuánto debe ajustarse cada parámetro para reducir el error. Este artículo explica, de forma didáctica y desde cero, cómo funciona ese proceso apoyándose en microcrad, un peq
Gidi Littwin, coinventor de FaceID y responsable del seguimiento de manos del Vision Pro, ha recaudado 52 millones de dólares para su startup Hemispheric, que desarrolla un modelo de inteligencia artificial capaz de interpretar la actividad eléctrica del cerebro y detectar trastornos cognitivos sin
Las GPU NVIDIA Tesla fuera de servicio —K80 con 24 GB de GDDR5 desde 60 dólares, P100 de 16 GB sobre los 75 dólares y V100 de 16 GB por debajo de los 200 dólares— se han convertido en una de las fuentes más accesibles de memoria de vídeo ociosa para entusiastas del hardware. Este proyecto documenta
Los grandes modelos de lenguaje (LLM) actuales comparten un esqueleto común basado en la arquitectura transformer. Comprender las piezas fundamentales de ese bloque permite leer papers y fichas técnicas con criterio. Este artículo recorre los mecanismos esenciales: tokenización, embeddings, codifica
El sitio web "30 papers" recopila una lista de lecturas que, según el rumor, el cofundador de OpenAI Ilya Sutskever entregó al ingeniero John Carmack. El sitio reconoce que hasta ahora solo tiene 27 de los 30 trabajos y solicita ayuda para completar la versión canónica. La selección funciona como un
TechCrunch publica un glosario vivo de inteligencia artificial diseñado para profesionales, inversores y lectores que necesitan manejar la jerga del sector. La guía reúne definiciones claras de los conceptos más habituales en reuniones de producto, rondas de inversión y paneles especializados, desde
Las leyes de escalado son uno de los hallazgos empíricos más relevantes del aprendizaje profundo: describen cómo la pérdida de entrenamiento disminuye de forma predecible, siguiendo una curva de potencia, al aumentar el tamaño del modelo (N), el volumen de datos (D) y el cómputo (C). Su utilidad prá
Google Research ha presentado TabFM, un nuevo modelo fundacional diseñado para tareas de clasificación y regresión sobre datos tabulares que opera en modo zero-shot, sin necesidad de entrenar el modelo para cada conjunto de datos. La herramienta, desarrollada por los científicos Weihao Kong y Abhima
Meta AI y el Basque Center on Cognition, Brain, and Language (BCBL) presentaron Brain2Qwerty v2, una nueva versión de su sistema de inteligencia artificial que traduce la actividad cerebral en texto sin necesidad de implantes quirúrgicos. El modelo se entrenó con cerca de 22.000 frases escritas por
Un estudio publicado en Nature Physics aporta, por primera vez, pruebas a nivel molecular de que el agua líquida no es una sustancia uniforme, sino una mezcla cambiante de dos estructuras microscópicas diferenciadas. El trabajo, dirigido por el profesor Xiao Cheng Zeng, de la City University of Hong
Yann LeCun, considerado uno de los padres del deep learning y responsable de IA en Meta, arremetió en la feria Vivatech de París contra la estrategia de compañías como Anthropic y OpenAI de presentar sus modelos como demasiado peligrosos para ser publicados. Durante un coloquio con el periodista Ste
Construir un bucle de entrenamiento en PyTorch parece sencillo, pero colocar cada instrucción en el orden correcto resulta sorprendentemente frágil: los entrenamientos fallan al converger, arrojan resultados incorrectos o consumen memoria excesiva cuando una línea está mal ubicada. Este artículo des
Un equipo de investigación ha documentado una limitación sistemática en los grandes modelos de lenguaje autorregresivos: la bautizada como "maldición de la inversión". El fenómeno consiste en que, cuando un modelo se entrena con frases del tipo "A es B", no generaliza automáticamente hacia la direcc
Neural Particle Automata (NPA) es un nuevo modelo de aprendizaje profundo que generaliza los Neural Cellular Automata (NCA) desde retículas fijas hacia sistemas de partículas en movimiento continuo. Mientras los NCA clásicos trabajan sobre píxeles o vóxeles estáticos, NPA representa cada célula como
Múnich 1991: el año milagroso del deep learning que anticipó los LLM. Este artículo repasa cómo el equipo de Jürgen Schmidhuber en la Universidad Técnica de Múnich publicó, entre marzo y agosto de 1991, los fundamentos de las técnicas que hoy sustentan los grandes modelos de lenguaje. En apenas cinc
Character.AI ha compartido una convención interna, vigente desde 2022, que añade al nombre de cada tensor un sufijo con las letras de sus dimensiones. El objetivo es que cualquier variable revele de un vistazo la forma del tensor con el que se trabaja, sin necesidad de rastrear el código. La regla
microcrad es un pequeño motor de diferenciación automática escalar escrito en C, acompañado de un perceptrón multicapa, concebido como una reimplementación del proyecto micrograd de Andrej Karpathy. Su propósito es eminentemente educativo: permitir a cualquier persona leer, modificar y experimentar
Ensayo de carácter didáctico que reúne, en siete apartados, recomendaciones de fondo para quien aspire a investigar en inteligencia artificial. El primer consejo es tan sencillo como exigente: formarse requiere combinar lectura y construcción, porque ninguna de las dos basta por sí sola. El autor re
Los autómatas celulares neuronales (NCA) son sistemas dinámicos bioinspirados en los que células idénticas aplican de forma iterativa una regla local aprendida para autoorganizarse en patrones complejos con capacidad de regeneración y robustez. Sin embargo, su uso práctico se había limitado a resolu
El análisis de correlación canónica (CCA), introducido por Harold Hotelling en 1936, es la raíz conceptual de los modelos JEPA (Joint Embedding Predictive Architecture), según explica Shon Czinner en su blog. CCA resuelve un problema clásico: encontrar la señal común entre dos matrices de datos maxi
La función Softmax es una de las piezas fundamentales en las redes neuronales modernas, especialmente en tareas de clasificación multiclase. Se trata de una función matemática no lineal que convierte un vector de puntuaciones brutas, denominadas logits y que pueden tomar cualquier valor real positiv
La versión 5 de OpenCV, la biblioteca de referencia en visión por computador con más de 86.000 estrellas en GitHub y un millón de instalaciones diarias, se publicará el 8 de junio en PyPI. Se trata de la mayor revisión del proyecto en años, coordinada por la organización sin ánimo de lucro OpenCV.or
DINOv3, un modelo de visión por computadora publicado por Meta en 2025, comprime cualquier imagen en un vector de 384 números que codifica su contenido semántico. Un nuevo experimento explica cómo visualizar y desglosar ese espacio latente para entender qué información captura realmente la red. El
Un perceptrón es la unidad mínima de una red neuronal: recibe un número y devuelve una respuesta de sí o no. Aunque parezca trivial, la idea, propuesta por Frank Rosenblatt en 1958, es el germen de todas las redes neuronales actuales. El artículo construye uno desde cero en Python, sin matemáticas a
El ensayo «Human-like Neural Nets by Catapulting», publicado por el investigador y escritor Gwern en su blog personal, plantea una propuesta especulativa para desarrollar redes neuronales con un rendimiento comparable al del cerebro humano. La hipótesis central sostiene que las diferencias entre los
Esta entrada del blog explica cómo implementar operaciones personalizadas en PyTorch utilizando C++ y CUDA, y cómo integrarlas tanto en modelos de PyTorch como en programas de inferencia compilados con AOTInductor. El ejemplo guía es una convolución identidad mínima que ilustra el ciclo completo: de
Los modelos de lenguaje de gran tamaño (LLM) se construyen apilando bloques transformer una y otra vez, por lo que entender la maquinaria del transformer es la base para comprender su funcionamiento. Esta guía recorre los componentes esenciales de un LLM moderno sin profundizar en las matemáticas, c
En los últimos años, los modelos generativos de aprendizaje profundo han transformado el diseño de biomoléculas. Sistemas como AlphaFold3 de DeepMind facilitaron la predicción de interacciones biomoleculares, lo que abrió la puerta a herramientas como Chai-2, Latent-X2 y Nabla, capaces de proponer a
La startup estadounidense Windborne Systems presentó este lunes la sexta versión de su modelo de predicción meteorológica WeatherMesh, que asegura superar en precisión al sistema del Centro Europeo de Predicción Meteorológica a Plazo Medio (ECMWF) en varias variables clave, entre ellas la temperatur
Stanford, una de las universidades más prestigiosas del mundo en ciencias de la computación, ha puesto en marcha el curso CS336, una asignatura singular que propone a los estudiantes construir un modelo de lenguaje de gran tamaño (LLM) desde cero, replicando el espíritu de los legendarios cursos de
Expanse es una herramienta respaldada por Y Combinator en su promoción P26 que aborda un problema estructural de los centros de datos: la baja utilización efectiva de la capacidad de cómputo. Sus fundadores, Ismaeel, Eren, Yafet y Nikodem, con experiencia previa en fondos cuantitativos y grandes ins
Los modelos de lenguaje basados en Transformers han revolucionado la inteligencia artificial, pero enfrentan un cuello de botella crítico: su mecanismo de atención no escala eficientemente con el aumento de la longitud del contexto. Este artículo, titulado "Language Models Need Sleep", propone una s
El artículo "The Eternal Sloptember" plantea una crítica contundente a la adopción generalizada de agentes de IA en el desarrollo de software, argumentando que podría ser un error costoso en la historia de la informática. El autor, un desarrollador experimentado, explica que estos agentes no "progra
La optimización del rendimiento en modelos de aprendizaje profundo a menudo se reduce a una colección de trucos ad-hoc sin fundamento, como instalar versiones específicas de PyTorch o usar operaciones in-place. Sin embargo, para lograr un rendimiento óptimo y sostenible, es crucial entender los prin
Este artículo de investigación revela una vulnerabilidad crítica en los sistemas de seguridad diseñados para proteger agentes LLM (Large Language Models). Los autores demuestran que los actuales detectores de inyección de prompts, usados para defender estos sistemas, fallan estrepitosamente cuando l
CODA es una nueva abstracción de kernel GPU que revoluciona la forma de ejecutar los componentes no attention de los Transformers. El problema que resuelve es fundamental: mientras que las operaciones de multiplicación de matrices (GEMM) están altamente optimizadas y utilizan eficientemente la memor
En 2024, una investigadora independiente abandonó su trabajo en una empresa FAANG para dedicarse a la investigación de inteligencia artificial. Para llevar a cabo sus experimentos de aprendizaje profundo e inferencia en modelos de lenguaje, necesitaba un servidor GPU potente. Después de investigar o
Lance es un modelo de inteligencia artificial desarrollado por ByteDance que alcanza un hito importante en el campo de la IA multimodal: lograr capacidades de generación, edición y entendimiento de imágenes y videos dentro de un únicoframework unificado, utilizando únicamente 3 mil millones de parám
Los transformers autorregresivos son la arquitectura fundamental que permite a los modelos de lenguaje grande (LLMs) generar texto token a token, prediciendo cada siguiente palabra basándose en todo lo previamente generado. Este proceso se divide en dos fases: prefill (preparación) y decode (generac
El PyTorch Landscape es una plataforma web interactiva desarrollada por la PyTorch Foundation que funciona como un catálogo visual y organizado de todas las herramientas, bibliotecas, proyectos y recursos que conforman el ecosistema PyTorch. Este landscape permite a desarrolladores, investigadores y
El aprendizaje continuo representa uno de los mayores desafíos en el desarrollo de modelos de inteligencia artificial. Actualmente, los sistemas de IA pueden aprender nuevas tareas, pero suelen olvidar lo que sabían anteriormente este fenómeno se conoce como 'olvido catastrófico'. El artículo presen
Se ha presentado Orthrus, un nuevo framework de inteligencia artificial que combina la precisión de los modelos de lenguaje grandes autoregresivos con la velocidad de generación paralela de los modelos de difusión. El sistema, desarrollado por el investigador Chiennv y disponible en HuggingFace, log
Nvidia y Unsloth han colaborado para acelerar el entrenamiento de modelos de lenguaje grandes (LLM) en un 25%, según un anuncio reciente. La optimización se centra en la eliminación de cuellos de botella ocultos en el proceso de entrenamiento, específicamente en tareas de metadatos y la reutilizació
Este artículo, basado en la obra de Borges y Locke, explora una teoría sobre el funcionamiento del aprendizaje profundo (Deep Learning) que desafía las explicaciones tradicionales. Borges, a través de su personaje Funes, ilustra cómo la capacidad de recordar todo (datos sin filtrar) impide el pensam
El entrenamiento de modelos de inteligencia artificial (IA) de vanguardia, como los grandes modelos de lenguaje (LLM), tradicionalmente requiere sistemas altamente sincronizados y acoplados, lo que implica una logística compleja a gran escala. Google DeepMind ha presentado **Decoupled DiLoCo (Distri
TIPSv2 representa una nueva generación de modelos de codificación de imágenes y texto, diseñados para mejorar el rendimiento en una amplia gama de tareas multimodales y de visión artificial. El núcleo de la innovación reside en una observación sorprendente: la destilación (un proceso de aprendizaje
Este artículo, publicado en arXiv, plantea una idea revolucionaria: la emergencia de una **teoría científica del aprendizaje profundo (Deep Learning)**. Actualmente, el Deep Learning se basa en gran medida en la experimentación y la optimización empírica, más que en principios teóricos sólidos. Este
Un análisis reciente realizado por Dylan Castillo revela una disminución en la presencia de investigaciones sobre modelos de lenguaje grandes (LLM) en Hacker News (HN), una plataforma popular entre programadores y entusiastas de la tecnología. Utilizando a Claude, un asistente de IA, Castillo rastre
Los Modelos de Lenguaje Grandes (LLMs), como ChatGPT, han revolucionado la forma en que interactuamos con la tecnología. Pero, ¿cómo funcionan realmente? Este resumen explica el proceso, desde los datos brutos hasta la creación de un asistente conversacional. **¿Qué son y por qué son importantes?*
DeepSeek-V4 es una nueva generación de modelos de lenguaje de gran escala (LLM) desarrollados por DeepSeek AI, que se destacan por su capacidad para procesar contextos extremadamente largos, hasta un millón de tokens. Esto representa un avance significativo, ya que la mayoría de los LLM tradicionale
I-DLM (Introspective Diffusion Language Models) representa un avance significativo en el campo de los modelos de lenguaje, abordando una limitación clave de los modelos de difusión: su inferior rendimiento en comparación con los modelos autoregresivos (AR) tradicionales. Los modelos de difusión, a d
El artículo "The Future of Everything is Lies, I Guess" explora la realidad detrás de la actual ola de entusiasmo por la "Inteligencia Artificial" (IA), argumentando que lo que se conoce como IA son, en realidad, sofisticadas tecnologías de aprendizaje automático (ML) capaces de procesar y generar g
El entrenamiento de modelos de lenguaje grandes (LLMs), como GPT-3 o LaMDA, es un desafío computacional enorme. Estos modelos pueden tener cientos de miles de millones de parámetros, lo que requiere una cantidad significativa de memoria y potencia de cálculo. Tradicionalmente, el entrenamiento de es
El campo de la inteligencia artificial, específicamente el aprendizaje automático, ha logrado avances significativos en la capacidad de los modelos de lenguaje para 'razonar'. Tradicionalmente, este razonamiento se ha logrado a través de técnicas de aprendizaje por refuerzo (RL), donde el modelo apr
Este proyecto, llamado "thereisnospoon", es un recurso único para ingenieros que buscan comprender los sistemas de aprendizaje automático (ML) de una manera similar a como comprenden el desarrollo de software tradicional. No es un tutorial o un libro de texto, sino un 'primer' que construye un model
Attention Residuals (AttnRes) es una innovadora técnica que optimiza las conexiones residuales en los Transformers, una arquitectura fundamental en modelos de lenguaje grandes (LLMs) como GPT. Tradicionalmente, las conexiones residuales simplemente suman la salida de cada capa con una ponderación u
Este artículo de Q Labs describe un avance significativo en la eficiencia del uso de datos en el entrenamiento de modelos de lenguaje, logrando una mejora de 10 veces utilizando su técnica 'NanoGPT Slowrun'. Esto desafía las leyes de escalamiento convencionales, como las propuestas por Chinchilla, q
El entrenamiento de modelos de lenguaje (LLM) está enfrentando un problema creciente: la necesidad de cantidades exponencialmente mayores de datos para seguir mejorando. La disponibilidad de texto natural de alta calidad se proyecta que se agotará en 2028, y el texto de internet está contaminado con
Este texto explora la paradoja de los benchmarks en el aprendizaje automático (Machine Learning, ML). Los benchmarks, que consisten en dividir los datos en conjuntos de entrenamiento y prueba para evaluar modelos, son la piedra angular del progreso en el campo, pero también son objeto de críticas si
Este artículo explora una técnica innovadora para mejorar el razonamiento de los modelos de lenguaje, inspirada en el éxito de algoritmos de búsqueda en árbol como AlphaZero en juegos de mesa. La idea central es aplicar la 'Tree Search Distillation' (Destilación de Búsqueda en Árbol) a modelos de le
Este artículo explora los desafíos encontrados al intentar portar el algoritmo Flash Attention, optimizado para GPUs con el lenguaje Triton, a un TPU (Tensor Processing Unit). El objetivo era aprovechar la potencia gratuita de los TPUs ofrecidos en Colab. La experiencia reveló que la transición no f
Helios es un modelo de inteligencia artificial revolucionario que permite la generación de vídeos largos en tiempo real, un avance significativo en el campo de la generación de contenido visual. Hasta ahora, la creación de vídeos extensos con IA ha sido un proceso lento y costoso, requiriendo una gr
El campo de la inteligencia artificial, y en particular el modelado del lenguaje, enfrenta un desafío creciente: la escasez de datos. Si bien la capacidad de cómputo ha aumentado exponencialmente, la cantidad de datos de entrenamiento disponibles no sigue el mismo ritmo. Esto crea un cuello de botel
Este artículo de investigación explora un descubrimiento fascinante sobre cómo funcionan los modelos de lenguaje grandes (LLMs). Tradicionalmente, se ha creído que los LLMs adoptan diferentes 'personalidades' o comportamientos a través de técnicas externas como el ajuste fino, el uso de indicaciones
El programa "AI & Beyond Internship Incubator" de Bitmovin (verano de 2026) es una iniciativa de formación intensiva diseñada para estudiantes y recién graduados interesados en la inteligencia artificial (IA) y sus aplicaciones, especialmente en el contexto del procesamiento de video y streaming. Au
Los Modelos de Lenguaje Grandes (LLMs), como GPT-4 o Gemini, han demostrado una capacidad asombrosa para razonar y resolver problemas, logrando resultados impresionantes en diversas tareas. Sin embargo, a pesar de estos avances, persisten fallos de razonamiento significativos, incluso en escenarios
Este artículo introduce PyTorch, un framework de aprendizaje profundo de código abierto desarrollado originalmente por Meta AI y ahora parte de la Linux Foundation. PyTorch es fundamental para el desarrollo de modelos de machine learning, y su comprensión es crucial para cualquier persona que trabaj
El artículo "Attention is All You Need" introduce una nueva arquitectura de red neuronal llamada Transformer, que revolucionó el campo del procesamiento del lenguaje natural y más allá. Tradicionalmente, los modelos de secuencia a secuencia, como los utilizados en traducción automática, se basaban e
Este artículo explica de manera visual y accesible el funcionamiento básico de las redes neuronales, inspiradas en las redes neuronales biológicas. La idea central es desmitificar la inteligencia artificial (IA) y proporcionar una comprensión fundamental de cómo operan estos sistemas.
