162 artículos
Explorar guías
El subajuste es la falla opuesta al sobreajuste: el modelo no aprendió lo suficiente. Los síntomas son puntajes malos en todas partes, y las soluciones son más capacidad, mejores características, entrenamiento más largo o un regularizador menos agresivo. En la práctica: Ajustar una línea recta a datos que claramente se curvan.
El artículo 14 exige que los sistemas de alto riesgo se diseñen de modo que personas físicas puedan supervisarlos de manera efectiva — lo que incluye comprender su capacidad y sus límites, estar atentas al sesgo de automatización, interpretar la salida, decidir no usarla e intervenir o detener la operación. La supervisión debe diseñarse dentro del sistema, no afirmarse en una política. En la práctica: Un control de parada visible y una persona revisora facultada y capacitada para usarlo. ...
El tamaño de lote intercambia estabilidad por memoria y velocidad. Los lotes grandes dan estimaciones de gradiente más suaves pero necesitan más memoria de GPU; los lotes pequeños son más ruidosos pero a veces generalizan mejor. Interactúa con la tasa de aprendizaje, así que ambos suelen ajustarse juntos. En la práctica: Un tamaño de lote de 32 significa 32 ejemplos que entran y una actualización de pesos que sale.
Una tarjeta de modelo registra el uso previsto, el uso fuera de alcance, los datos de entrenamiento a alto nivel, los resultados de evaluación y las limitaciones conocidas. Su sección más valiosa es la que los equipos se saltan: las limitaciones. Ha pasado de ser una norma de investigación a una expectativa de cumplimiento, tanto en los marcos del NIST como en los de la UE. En la práctica: ‘Evaluado solo en inglés. No validado para decisiones médicas.’ ...
Con una tasa de aprendizaje demasiado alta, el entrenamiento se pasa de largo y diverge; con una demasiado baja, avanza a rastras o se atasca. La mayoría de las corridas reales la programan: empiezan más alta y la van decayendo con el tiempo. Es el ejemplo clásico de hiperparámetro: lo fijas tú, no lo aprende el modelo. En la práctica: Mismos datos, misma arquitectura, tasa de aprendizaje 10× demasiado alta — la pérdida se va al infinito. ...
La temperatura remodela la distribución de probabilidad sobre el siguiente token. Cerca de cero el modelo casi siempre elige su opción principal, lo que da salidas repetibles y conservadoras. Los valores más altos aplanan la distribución y dejan pasar tokens menos probables, lo que se lee como creatividad y, pasado cierto punto, como disparate. En la práctica: Temperatura 0 para extracción de datos; 0.8 para una lluvia de ideas de eslóganes. ...
El test-time compute es el segundo eje de escalamiento. En lugar de un modelo más grande, dejas que el modelo existente delibere más tiempo, genere varios intentos o revise su propio trabajo. Te da una perilla de calidad contra costo en vivo, que antes quedaba fija en el entrenamiento. En la práctica: El mismo modelo, diez veces el presupuesto de pensamiento, y matemáticas notablemente mejores.
Los sistemas de texto a imagen combinan un componente de comprensión del lenguaje con un generador de difusión, de modo que un prompt guía la eliminación de ruido hacia píxeles que coincidan. La calidad de la salida depende mucho de la especificidad del prompt — sujeto, estilo, composición e iluminación hay que decirlos todos. El uso comercial abre preguntas de derechos que varían según la herramienta y la jurisdicción. En la práctica: ‘Ilustración isométrica de un centro de datos, paleta apagada, luz de contorno suave.’ ...
El texto a video extiende la difusión a lo largo del tiempo, lo que agrega la restricción dura de que los cuadros deben mantenerse consistentes entre sí. La duración del clip, la plausibilidad física y la consistencia de los personajes son los límites actuales. El campo avanza tan rápido que cualquier afirmación concreta sobre capacidades envejece en cuestión de meses. En la práctica: Una toma de producto de diez segundos generada en lugar de filmada. ...
El texto a voz actual produce una prosodia natural y puede clonar una voz a partir de una muestra corta. Esa capacidad es la razón por la que el consentimiento y la divulgación en la clonación de voz se volvieron temas legales y éticos vigentes, y no teóricos. En la práctica: Un curso narrado con una voz consistente a lo largo de 40 lecciones, sin un estudio.