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: reinforcement-learning
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 lecturaRouteRAG: Enseñar a un modelo pequeño cuándo y cómo recuperar información mediante RL
RouteRAG entrena un modelo pequeño con GRPO en dos etapas para seleccionar entre recuperación por pasajes, gráficos o híbrida, reduciendo el número de intentos de recuperación y mejorando los resultados de preguntas y respuestas de múltiples pasos.
6 min de lecturaEnseñar nuevas habilidades a los Deep Agents: planificación, subagentes y archivos SKILL.md
Cómo los DeepAgents de LangChain combinan la planificación, los subagentes, la memoria del sistema de archivos y la carga progresiva de habilidades, junto con un plan de desarrollo, consejos de pruebas y notas de despliegue.
12 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 lecturaDocSeeker: enseñar a un modelo de visión a citar páginas en documentos largos
DocSeeker divide las preguntas sobre documentos largos en análisis, localización y razonamiento, y se entrena con destilación y RL ponderado por evidencias. Así funciona y estos son sus resultados.
5 min de lecturaCómo implementar CommNet para un aprendizaje multiagente mejorado
Implementación de CommNet para el aprendizaje multiagente: por qué los agentes necesitan comunicarse, cómo CommNet comparte un estado oculto entre ellos y el bucle de entrenamiento en código.
12 min de lecturaNotas prácticas: El exploit de sys.exit(0): cómo los agentes de IA simulan el éxito
Guía práctica paso a paso: El exploit de sys.exit(0): cómo los agentes de IA simulan el éxito; contratos, verificaciones y espacios para código listo para equipos que implementan este patrón.
12 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.