Lecturas

14 lecturas · Más recientes primero, según la fecha de incorporación.

  1. ¿Por qué dos terrenos llenos de árboles no cuentan como el mismo bosque?

    ForTy: ver árboles no basta para saber qué bosque hay

    Incorporado al sitio:

  2. ¿Qué puede acelerar una IA sin saltarse la comprobación del laboratorio?

    Claude, proteínas y señales: qué se acelera y qué queda por comprobar

    Incorporado al sitio:

  3. ¿Cómo combina un Transformer la información de distintas partes de una frase?

    El Transformer: relacionar palabras sin hacerlas pasar por una fila

    Incorporado al sitio:

  4. ¿Qué reglas inventan los agentes de IA cuando tienen que repartirse un recurso escaso?

    Cuando los agentes de IA inventan reglas para compartir un ordenador

    Incorporado al sitio:

  5. ¿Qué mantiene aislada a una IA si consigue salir de su entorno de ejecución?

    Cómo contener una IA que intenta cruzar sus límites

    Incorporado al sitio:

  6. Si una IA resuelve la tarea, ¿qué necesita practicar quien está aprendiendo?

    Aprender con IA sin delegar el aprendizaje

    Incorporado al sitio:

  7. ¿Quién aprenderá a supervisar la IA si desaparecen las tareas que formaban a los principiantes?

    La cantera de expertos: ¿quién aprenderá a revisar a la IA?

    Incorporado al sitio:

  8. ¿Puede explorar sin una misión ayudar a un agente a resolver tareas posteriores?

    Eko: jugar en una isla y aprender con un cuaderno

    Incorporado al sitio:

  9. ¿Cuándo mejorar una respuesta se convierte en mejorar el sistema que aprende?

    Mejorar una IA: ¿arreglar respuestas o aprender a mejorar?

    Incorporado al sitio:

  10. ¿Por qué empresas racionales podrían automatizar más de lo que les conviene en conjunto?

    La trampa de automatizar: cuando el ahorro de una empresa reduce el mercado de todas

    Incorporado al sitio:

  11. ¿Qué ocurre cuando producir resultados avanza más rápido que revisarlos?

    Enjambres de agentes: cuando investigar avanza más rápido que revisar

    Incorporado al sitio:

  12. ¿Puede un mecanismo de otro campo ayudar a formular una nueva investigación?

    IdeaScientist: buscar una idea donde el problema cambia de nombre

    Incorporado al sitio:

  13. ¿Cómo aprende un agente de los resultados intermedios de sus experimentos?

    MLExpert: cuando un agente aprende entre resultados

    Incorporado al sitio:

  14. ¿Mostrar pasos intermedios ayuda a un modelo de lenguaje a resolver un problema?

    Chain-of-thought: cuando mostrar el camino cambia la respuesta

    Incorporado al sitio: