Observatorio de información y Publicaciones

Resumen: Documentos de posición recientes sostienen que el marco de incertidumbre aleatorio/epistémico clásico es insuficiente para los agentes interactivos de modelos de lenguaje grande (LLM) y exigen representaciones de incertidumbre comunicables, descompuestas y conscientes de la subespecificación que puedan desbloquear nuevas capacidades de los agentes, como la búsqueda proactiva de aclaracio

Resumen: Las redes convolucionales, las redes recurrentes y los transformadores codifican diferentes sesgos inductivos (localidad, memoria secuencial e interacción por pares dependiente del contenido) y se han mantenido matemáticamente distintos desde sus inicios.

Resumen: ¿Pueden los modelos de lenguajes grandes (LLM) discernir cuándo sus propios resultados no están alineados con la ética humana? ¿Y pueden autocorregirse?