18 noticias
Jeeves es un clasificador de estilo Jev de 9 mil millones de parámetros basado en Qwen3.5-9B, diseñado para mejorar la precisión en tareas de decisión mediante un proceso de razonamiento previo. A diferencia de los modelos Jev tradicionales, que ofrecen probabilidades calibradas pero con baja precis
Antigravity ha detallado el funcionamiento del comando de barra /boost, una herramienta que activa bajo demanda un pipeline de razonamiento multi-agente orientado a tareas de ingeniería de software especialmente complejas. La funcionalidad está disponible en Antigravity 2.0 y en la interfaz de línea
Un estudio publicado en arXiv demuestra que la cadena de razonamiento (Chain-of-Thought, CoT) que muestran los modelos de lenguaje puede no reflejar con veracidad el proceso real que conduce a sus respuestas. Investigaciones previas ya habían detectado que, ante sesgos explícitos introducidos en los
Los modelos de lenguaje actuales intercambian conocimiento factual por capacidad de razonamiento, y lo hacen de forma deliberada. Modelos como GLM-5.2 (99,2% en AIME 2026 con unos 40.000 millones de parámetros activos por token) o DeepSeek V4-Flash (13.000 millones activos) obtienen puntuaciones raz
Un artículo divulgativo argumenta que la ventaja de los modelos de inteligencia artificial en matemáticas no reside en un razonamiento superior, sino en disponer de una memoria de trabajo simbólica prácticamente ilimitada. La memoria de trabajo humana es muy reducida: al resolver un problema hay que
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
Qwen3.8-Max es el modelo insignia de razonamiento de la familia Qwen, basado en una arquitectura de mezcla de expertos (MoE) con 2,4 billones de parámetros. Está diseñado para cubrir de forma integral flujos de trabajo de programación y tareas profesionales, y es capaz de codificar de forma autónoma
El ingeniero Joshua Barretto propone en un ensayo que el lenguaje humano funciona como un espacio latente de alta entropía: una herramienta tecnológicamente moldeada durante milenios que facilita el razonamiento conceptual, del mismo modo que un sistema de tipos fuerte en lenguajes como Rust o Haske
Investigadores presentan VibeThinker-3B, un modelo denso de 3.000 millones de parámetros diseñado para explorar los límites del razonamiento verificable en modelos de lenguaje de tamaño reducido. El trabajo, publicado como informe técnico en arXiv, parte de la premisa de que las tareas de razonamien
Nex-N2 es un modelo de lenguaje que unifica el razonamiento ('Thinking') y la ejecución de acciones dentro de un único paradigma de pensamiento. Tanto en búsquedas web, programación como en llamadas a herramientas agenticas, la cadena de razonamiento del modelo sigue una estructura consistente: desc
Un equipo de investigadores ha desarrollado un nuevo método para mejorar el razonamiento en modelos de lenguaje grandes (LLMs) a través de la internalización de debates multiagente. La técnica, denominada 'Latent Agents', destila la complejidad de los debates en un único modelo de lenguaje mediante
Las herramientas de detección de inteligencia artificial (IA) están generando una paradoja: al intentar identificar textos generados por máquinas, terminan distorsionando la escritura humana. El artículo analiza cómo frases como «no es X, es Y» —un recurso retórico llamado paralelismo negativo— se h
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
Un nuevo referente llamado EsoLang-Bench ha revelado limitaciones significativas en la capacidad de los modelos de lenguaje grandes (LLM) para generar código, a pesar de sus impresionantes resultados en lenguajes de programación convencionales como Python. La investigación, publicada en arXiv, evalú
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 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
Alibaba ha lanzado la familia de modelos de lenguaje grandes (LLM) Qwen3.5, y ahora están disponibles para su ejecución local en dispositivos personales. Estos modelos, que incluyen variantes desde 0.8B hasta 397B de parámetros, destacan por su rendimiento en tareas de razonamiento híbrido, soporte
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
