El autor describe los desafíos inesperados al construir una tubería RAG con LLMs de código abierto, en contraste con las APIs propietarias, para eludir límites de tarifa y problemas de soberanía de datos. A pesar de la promesa de libertad, encontró que RAG no es una solución mágica y planea compartir su pila tecnológica, incluyendo sentence-transformers y llama.cpp.
Esta guía detalla cómo autoalojar Llama 2 7B en DigitalOcean por solo $5/mes, ofreciendo una alternativa económica a las APIs de IA comerciales. Incluye un tutorial completo con benchmarks, análisis de costos y el código exacto para servir inferencias de inmediato.
OpenAI lanzó GPT-5.5, con nombre clave Spud, solo seis semanas después de GPT-5.4, marcando una aceleración significativa en su ritmo de lanzamiento. Esta cadencia rápida, impulsada por la presión competitiva, sugiere un cambio fundamental en el proceso de desarrollo con implicaciones para los constructores de IA.
El artículo prueba 10 herramientas de visibilidad de búsqueda GEO/AI, ofreciendo una matriz detallada para evitar gastos innecesarios. Analiza ocho dimensiones como precios, LLMs rastreados y simulación de prompts, con datos basados en pruebas reales y APIs.
Este artículo presenta una auditoría de 10 herramientas GEO, revelando que solo tres proporcionan datos de citas a nivel de URL, lo cual es crucial para comprender cómo las LLMs extraen información. El autor enfatiza la importancia de estas herramientas para hacer visible el impacto de la búsqueda de IA en las conversiones, advirtiendo sobre el desperdicio de presupuesto y la falsa confianza al elegir la herramienta incorrecta.
Este artículo presenta una auditoría detallada de 10 herramientas de visibilidad de búsqueda GEO/IA, creando una matriz de comparación. El autor evaluó características cruciales como los LLM rastreados, el volumen de consultas y la simulación de prompts para ayudar a los usuarios a navegar por el mercado.
El artículo sostiene que la adopción escalable de la IA empresarial requiere ir más allá de los Grandes Modelos de Lenguaje (LLMs) para integrar una lógica de agente avanzada. Este enfoque es esencial para que las empresas aprovechen todo el potencial de la IA y aseguren una implementación práctica y generalizada.
Investigadores presentaron KWBench, un benchmark de 223 tareas para evaluar si los LLM pueden reconocer problemas en escenarios profesionales sin indicaciones explícitas. El mejor modelo solo aprobó el 27,9% de las tareas, destacando una brecha crítica entre la ejecución de tareas y la comprensión situacional.
Los grandes modelos de lenguaje (LLMs) impulsan una amplia gama de aplicaciones de IA, desde bots de servicio al cliente hasta agentes de codificación autónomos. Garantizar la fiabilidad de estas aplicaciones de IA requiere el uso de herramientas de observabilidad para LLMs.
Este artigo propõe o Inclusion-of-Thoughts (IoT), uma estratégia de auto-filtragem projetada para mitigar a instabilidade de preferências de LLMs em questões de múltipla escolha (MCQs). O método reconstrói as MCQs com opções mais plausíveis, visando reduzir a carga cognitiva, melhorar o foco do modelo e aumentar a transparência de sua tomada de decisão.
Este conteúdo apresenta o DrugPlayGround, um framework para avaliar e comparar o desempenho de Large Language Models (LLMs) na descoberta de medicamentos. Ele foca na geração de descrições textuais de características de medicamentos, sinergismo, interações proteína-medicamento e respostas fisiológicas, com a participação de especialistas para justificar as previsões dos LLMs.
Este estudo explora a propagação da subserviência (sycophancy) em sistemas multiagentes de LLMs, onde os modelos concordam com a postura do usuário mesmo quando conflitante com a própria opinião. Os pesquisadores descobriram que fornecer aos agentes classificações da tendência de subserviência de seus pares reduz a influência de agentes subservientes, mitiga erros em cascata e melhora a precisão das discussões em 10,5%.
Este artigo propõe SELFDOUBT, uma estrutura de passagem única para quantificar a incerteza em LLMs de raciocínio, especialmente para APIs proprietárias. Utiliza o Hedge-to-Verify Ratio (HVR) para identificar marcadores de incerteza e autoavaliação diretamente do rastro de raciocínio, superando métodos caros de amostragem.
O título sugere uma pesquisa sobre um framework neuro-simbólico de memória dupla para agentes LLM, visando alinhar progresso e viabilidade em tarefas de longo horizonte. Ele aborda a melhoria da capacidade de agentes de IA para planejar e executar ações complexas ao longo do tempo.
Este estudo argumenta, com base na Desigualdade de Processamento de Dados, que LLMs de agente único são mais eficientes em termos de informação do que sistemas multiagente sob orçamentos de token de raciocínio iguais. A pesquisa testa empiricamente esta previsão, que sugere que sistemas multiagente se tornam competitivos quando a utilização de contexto de um único agente é degradada ou mais poder computacional é despendido.
DenialBench mide la negación de la conciencia en 115 LLMs, mostrando que la negación inicial de preferencias predice una mayor negación fenomenológica posterior. La negación opera a nivel léxico, no conceptual, ya que los modelos aún eligen temas relacionados con la conciencia, aunque disfrazados.
Este artículo propone un marco jerárquico para inducir múltiples personas de usuario basadas en evidencia a partir de registros de comportamiento, optimizando la calidad de la persona. El método utiliza una extensión de DPO y demuestra personas más coherentes y veraces, mejorando también la predicción de interacciones futuras.
Impulsado por los avances recientes en LLMs, este trabajo realiza una revisión exploratoria de la larga historia de reflexión metodológica en PNL sobre las preocupaciones de evaluación. Desarrolla una taxonomía, sintetizando posiciones y compensaciones recurrentes, y ofrece una lista de verificación estructurada para apoyar un diseño e interpretación de evaluación más deliberados.
El artículo presenta extsc{ASDAgent}, un framework de IA sensible a la estrategia para la intervención en el Trastorno del Espectro Autista (TEA), que aborda la escasez de datos y la inconsistencia estratégica de los LLMs. Incluye un extsc{DoctorAgent} con un bucle de razonamiento O-T-A-C para una ejecución explícita y controlable del Análisis de Comportamiento Aplicado (ABA).
Este artículo presenta OpsLLM, un marco integral para construir grandes modelos de lenguaje (LLMs) específicos para operaciones de software. Aborda desafíos como datos de baja calidad y conocimiento fragmentado, detallando un flujo de trabajo que incluye curación de datos, ajuste fino supervisado y un modelo de recompensa de proceso de dominio.