Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: Fine-Tuning
Entrenamiento de agentes de IA empresariales: elección entre SFT, DPO, GRPO y RAG
Entrenamiento de agentes de IA empresariales: cuándo usar SFT, DPO, GRPO, LoRA o RAG simple, y cómo entregar el resultado como una versión fija, evaluada y reversible.
50 min de lecturaLo que encuentra un agente de diferenciación de modelos: los cambios de estilo eclipsan un ajuste fino limitado.
Un agente de model-diffing auditó un ajuste fino LoRA financiero: el 82% de las ejecuciones detectaron el cambio en la longitud y estructura, mientras que el cambio en el razonamiento pretendido permaneció oculto.
15 min de lecturaLa AGI es un problema de aprendizaje, no un problema de almacenamiento.
Un argumento de que el aprendizaje continuo, y no pesos más grandes, es la pieza que falta en la IA, con un esquema de un bucle de autoactualización que valida cada pequeño cambio.
7 min de lecturaRAG, ajuste fino o agentes: elegir la capa adecuada y el orden para construirla
RAG frente a ajuste fino frente a agentes de IA: qué hace cada uno, costo, latencia y modos de fallo, reglas prácticas, y un asistente de recursos humanos que muestra el orden para desarrollarlos.
12 min de lecturaEl ajuste fino se ha vuelto económico, pero los agentes aún necesitan un mecanismo para los pesos.
Cómo convertir las lecciones almacenadas de un agente en pesos mediante auto-distilación dentro de la política, cuatro criterios de promoción, y por qué repetir el ciclo tres veces lo daña.
9 min de lecturaGeneración de prompts, RAG o ajuste fino: Diagnóstique la capa correspondiente antes de elegir.
Una forma práctica de elegir entre la generación de prompts, RAG y el ajuste fino en 2026, utilizando tres preguntas, un flujo de decisión, los costos, la actualidad de la información y los errores comunes.
9 min de lecturaDe la predicción de token siguiente a la ejecución de instrucciones: ajuste fino de un modelo GPT
Cómo un GPT preentrenado aprende a seguir instrucciones: formato de los registros, cambio de etiquetas, máscaras de relleno, el bucle de entrenamiento, límites de evaluación y el avance hacia las preferencias de DPO.
9 min de lecturaDestilación con etiquetas suaves para un agente SQL de 0.8B: por qué ganó un modelo maestro Qwen más débil
El ajuste fino de LoRA con etiquetas suaves top-k extraídas de registros congelados permitió que un agente SQL de 0.8B lograra resolver 55 de las 220 tareas, y un modelo Qwen menos potente superó al modelo GPT más fuerte.
20 min de lecturaExplicación del ajuste fino de GRPO: Enseñando a un LLM local a razonar
GRPO descarta la crítica de PPO y aprende a partir de comparaciones grupales. Se explican las cinco cantidades fundamentales, las funciones de recompensa y un breve script de entrenamiento para Unsloth y TRL.
11 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.