Observatorio de información y Publicaciones

Resumen: Cuando los sistemas de IA explican su razonamiento paso a paso, los profesionales a menudo suponen que estas explicaciones revelan lo que realmente influyó en la respuesta de la IA. Probamos esta suposición incorporando pistas en las preguntas y midiendo si los modelos las mencionaban. En un estudio de más de 9.

Resumen: Se cree ampliamente que los modelos de lenguaje grande (LLM) poseen capacidades de autocorrección, sin embargo, estudios recientes sugieren que la autocorrección intrínseca, donde los modelos corrigen sus propios resultados sin retroalimentación externa, sigue siendo en gran medida ineficaz.

Resumen: Los grandes modelos de razonamiento (LRM) tienen costos de energía de inferencia heterogéneos según el modelo que se utiliza y cuánto razona. Para reducir la energía, es importante elegir el LRM adecuado y operarlo de la manera correcta.