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: Machine Learning
Jev: Cómo un modelo de IA no generativo convierte texto en decisiones
Aprenda cómo funciona el modelo de IA numérico “System One” de Jev, por qué es más rápido y económico que los LLM, y cuál es su lugar junto a la IA generativa en los sistemas de producción.
7 min de lecturaCómo los modelos multimodales relacionan texto, imágenes y audio en una sola solicitud
Comprender qué es una modalidad, cómo los modelos multimodales convierten texto, imágenes y audio en una representación compartida, dónde eso resulta útil y dónde las respuestas visuales siguen fallando.
5 min de lecturaMejora automática recursiva en agentes de IA: lo que realmente muestran los experimentos
Un análisis detallado de las Máquinas de Gödel, STOP, el Agente de Gödel, SICA, la Máquina de Gödel de Darwin, SEAL y los Hiperagentes, así como de cómo determinar si un agente automodificable realmente mejora.
9 min de lecturaEntrenando tu propio juez de LLM: desde PandaLM y JudgeLM hasta Prometheus
Cómo se construyen los modelos de evaluación afinados, desde los datos y las rúbricas hasta el control de sesgos y la metaevaluación, además de una guía práctica para entrenar un juez de LLM específico del dominio.
39 min de lecturaLeyes de escalamiento de los LLM, GPT-4o y aprendizaje por refuerzo: qué predicen las curvas.
Cómo leer las leyes de escalamiento de los LLM, lo que descubrieron Kaplan y Chinchilla, cómo las utilizaron los laboratorios desde GPT-3 hasta GPT-4o, y por qué el aprendizaje por refuerzo añade un nuevo eje de cálculo.
30 min de lecturaDe GPT-1 a los modelos de razonamiento: qué cambió en cada generación para los desarrolladores
Trace la familia GPT desde el preentrenamiento de 2018 hasta los modelos de razonamiento, observe qué ideas aportó cada generación, y conozca como se denominan GPT-4o Vision y Structured Outputs de Python.
10 min de lecturaTokenizador BPE desde cero: secuencias más cortas para una ventana de contexto pequeña en GPT
Escriba un tokenizador de codificación de pares de bytes en Python, entrénelo con WikiText-2, guarde las fusiones en formato JSON y observe cómo la tokenización subpalabra amplía la ventana de contexto de un GPT.
26 min de lecturaExplicación de la profundidad recurrente: Transformadores en bucle y razonamiento oculto
Cómo razonan los transformadores de profundidad recurrente (en bucle) en el estado oculto, por qué los laboratorios los desean, lo que demuestran ocho años de artículos académicos, y qué implica esto para la IA local y la supervisión.
12 min de lecturaDepuración de un Small GPT en PyTorch: Pruebas que aíslan cada fallo.
Un flujo de trabajo paso a paso para depurar un GPT a nivel de carácter en PyTorch, desde los IDs de token y el desplazamiento de destino hasta las gradientes, las pérdidas NaN y los puntos de control.
30 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.