PLN y ML
Procesamiento del lenguaje natural, aprendizaje automático y aprendizaje profundo.
6 published articles
Investigación en IA
Por qué GPT-5.5 domina un benchmark que prueba cómo los agentes se mejoran a sí mismos
EvoPolicyGym aísla una capacidad crítica pero poco estudiada: la capacidad de un agente para refinar una política ejecutable mediante ediciones repetidas con retroalimentación limitada. El benchmark revela a GPT-5.5 como el mejor intérprete en 16 entornos, y proporciona diagnósticos a nivel de trayectoria que exponen cómo diferentes agentes asignan presupuesto y convierten la retroalimentación en parámetros ajustados.
2026-07-11
Gestión de memoria
El secreto de 12.000 líneas detrás de la velocidad de Bing: cómo mimalloc venció la compensación del asignador de memoria
El asignador mimalloc de Microsoft Research utiliza miles de listas libres por página y una ingeniosa técnica de robo de páginas para lograr tanto alta concurrencia como baja sobrecarga de memoria, según detalla el grupo RiSE en un nuevo blog técnico.
2026-07-10
Historia del PLN
El benchmark que hizo hablar a los modelos de lenguaje: cómo GLUE de 2018 cambió la IA para siempre
El benchmark GLUE, lanzado en 2018, transformó el procesamiento del lenguaje natural al proporcionar un estándar unificado para la comprensión del lenguaje. Su legado perdura en cada benchmark moderno de LLM, desde SuperGLUE hasta las últimas evaluaciones en formato de arena que definen la carrera actual de la IA.
2026-07-08
Marcos de Agentes
El arnés de agente CUGA de código abierto de IBM se salta la fontanería y va directo al prompt
El marco CUGA de código abierto de IBM invierte el modelo típico de desarrollo de agentes al manejar la orquestación, la gestión de estado y la planificación. Los desarrolladores solo deben escribir una lista de herramientas y un prompt. Más de dos docenas de aplicaciones de un solo archivo demuestran el enfoque, desde un recomendador de películas hasta un sistema de generación de leads multiagente, todos desplegables en producción gobernada sin necesidad de reescribir.
2026-07-07
Investigación en Aprendizaje Automático
Fast-LeWM: Predicción Paralela de Prefijos de Acción Reduce los Costos de Planificación en Modelos de Mundo Latentes
Investigadores presentan Fast-LeWM, un modelo de mundo latente que acelera la planificación visual al predecir estados futuros a partir de prefijos de acción en paralelo. El enfoque reduce los costos computacionales y la acumulación de errores, superando a modelos previos de transición de un solo paso.
2026-07-07
Investigación en Aprendizaje por Refuerzo
OPID brinda a los agentes de lenguaje una señal de recompensa lo suficientemente densa como para prescindir de la memoria externa
OPID extrae supervisión jerárquica de habilidades de trayectorias completadas dentro de la política, proporcionando guía densa a nivel de token para el entrenamiento de agentes de lenguaje sin memoria externa. Experimentos en ALFWorld, WebShop y Search-based QA muestran un rendimiento mejorado y eficiencia de muestreo frente al RL basado solo en resultados y los métodos existentes de destilación de habilidades.
2026-07-06