El archivo / Literatura científica e ideas
Entender la IA, una idea a la vez.
Análisis de papers, noticias técnicas y notas sobre inteligencia artificial. De los fundamentos de Deep Learning a los LLM y los agentes: con contexto, intuición y enlaces a las fuentes.
Seguir nuevas publicaciones6 entradas en órbita
Un agente puede conocer sus herramientas y aun así usarlas en el orden equivocado. Procedural Graphs propone una guía en forma de grafo que se revisa a partir de los aciertos y errores, sin reentrenar el LLM.
Análisis del paper que demuestra que bastan trayectorias de rango uno para extraer capacidades de razonamiento que normalmente requerirían entrenamiento masivo.
Meta propone agentes autorreferenciales que unifican Task Agent y Meta-Agent en un único programa editable, eliminando la dependencia del código estático humano y habilitando una automejora verdaderamente generalizable.
El equipo de Kimi (Moonshot AI) reemplaza las conexiones residuales fijas por atención softmax entre capas, resolviendo la dilución de PreNorm que ha permanecido intacta desde hace años.
Las versiones 1.82.7 y 1.82.8 de LiteLLM fueron comprometidas en PyPI con un infostealer que abusaba de archivos .pth para ejecutarse al arrancar Python, sin necesidad de importar el paquete.
Inspirado en la lectura humana, logra procesar contextos que exceden la ventana del modelo mediante una caché de sentencias y recuperación natural.