Observatorio de información y Publicaciones

Resumen: La inferencia causal proporciona un conjunto de principios y herramientas que permiten combinar datos y conocimientos sobre un entorno para razonar con preguntas de naturaleza contrafáctica, es decir, qué habría sucedido si la realidad hubiera sido diferente, incluso cuando actualmente no hay datos disponibles de esta realidad no realizada.

Resumen: El espacio $mathcal{P}_2(mathbb{R}^d$) de medidas de probabilidad con segundo momento finito conlleva una geometría natural: la distancia cuadrática de Wasserstein W_2 lo convierte en un espacio métrico completo y, siguiendo a Otto, una variedad riemanniana (formal) cuyas geodésicas son las interpolaciones de transporte óptimo.

Resumen: Los modelos de lenguaje grande (LLM) pueden producir recomendaciones clínicamente fluidas para la diabetes tipo 2 sin satisfacer las limitaciones de las guías ni justificar explícitamente las afirmaciones glucémicas relacionadas con el estilo de vida.