Resumen: Los agentes basados en LLM para texto a SQL a menudo luchan con el equilibrio entre latencia y rendimiento, donde las mejoras en el rendimiento se obtienen a costa de la latencia o viceversa.
Leer más →
Resumen:Generar automáticamente ontologías formales a partir de lenguaje natural no estructurado sigue siendo un desafío central en la ingeniería del conocimiento. Si bien los modelos de lenguajes grandes (LLM) son prometedores, aún no está claro qué opciones de diseño arquitectónico impulsan la calidad de la generación y por qué fallan los enfoques actuales.
Leer más →
Resumen: Los agentes de modelos de lenguaje grande (LLM) tienen cada vez más tareas con análisis complejos del mundo real (por ejemplo, en pronósticos financieros, descubrimientos científicos), sin embargo, su razonamiento adolece de inestabilidad estocástica y carece de una estructura compositiva verificable.
Leer más →