11 noticias
Un nuevo estudio demuestra que los Modelos de Lenguaje Grandes (LLM) poseen una propiedad fundamental de linealidad oculta bajo la complejidad no lineal de su arquitectura. A través de la Superposición Lineal, los LLM generan una superposición de distribuciones de tokens futuros cuando se combinan l
OpenArch es un repositorio de código abierto que ofrece implementaciones de PyTorch de las arquitecturas de modelos de lenguaje de gran escala (LLM) más recientes, escritas desde cero para priorizar la legibilidad y el aprendizaje sobre el rendimiento de producción. El proyecto se basa en el catálog
El Recurrent Looped Transformer (RLT) es una arquitectura de modelo de lenguaje que combina un codificador causal con un decodificador recurrente, permitiendo una profundidad temporal extensible sin límites fijos en la secuencia. A diferencia de los transformadores tradicionales, el RLT mantiene 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
El problema de la inducción, formulado por Hume y reformulado como el teorema de No Free Lunch, sostiene que no existe un método general y sistemático para pasar de la observación al conocimiento. Este artículo lo ilustra con un experimento divulgativo: el juego 'Petals Around the Rose', en el que s
IEEE ha presentado "Large Language Models Demystified", un programa formativo en línea de cinco cursos dirigido a profesionales técnicos que buscan comprender el funcionamiento interno de los grandes modelos de lenguaje (LLM) más allá del simple uso de prompts. El programa, desarrollado por IEEE Edu
The Hitchhiker's Guide to Agentic AI: From Foundations to Systems es un libro de referencia para profesionales que aborda la construcción de sistemas de inteligencia artificial autónomos de extremo a extremo. La obra, organizada en torno a la tesis de que un buen sistema agentico exige comprender to
Los grandes modelos de lenguaje han dejado de ser una pila limpia de módulos Transformer repetidos. Entre 2022 y 2023, en Meta, el trabajo en LLM —que condujo a Llama— contrastaba con la aparatosa complejidad de los sistemas de recomendación. La industria ha corregido esa brecha incorporando a los L
OpenAI ha incorporado a dos figuras de relieve en la antesala de su salida a bolsa: el investigador Noam Shazeer, cofundador de Character AI y exinvestigador de Google DeepMind, y Dean Ball, exresponsable de política de inteligencia artificial de la Casa Blanca durante la administración Trump. Shaze
El repositorio markusheimerl/gpt contiene una implementación desde cero de un modelo de lenguaje autorregresivo basado en la arquitectura transformer. A diferencia de las versiones tokenizadas habituales, este proyecto trabaja directamente con bytes (8 bits), lo que le permite modelar cualquier secu
Este artículo de investigación explora cómo los modelos de lenguaje grandes (LLMs), como Claude Sonnet 4.5, simulan emociones y cómo estas simulaciones impactan su comportamiento. No se trata de que los LLMs *sientan* emociones en el sentido humano, sino que han desarrollado representaciones interna
