Observatorio de información y Publicaciones

Resumen: Los modelos de lenguajes grandes (LLM) actualmente exhiben bajas tasas de éxito en la generación de infraestructura como código (IaC) correcta y alineada con la intención. Esta investigación investigó métodos para mejorar la generación de IaC basada en LLM, específicamente para Terraform, mediante la inyección sistemática de conocimiento de configuración estructurada.

Resumen: Los modelos de lenguaje grande (LLM) se aplican cada vez más a la investigación científica, sin embargo, los puntos de referencia científicos predominantes investigan el conocimiento descontextualizado y pasan por alto el razonamiento iterativo, la generación de hipótesis y la interpretación de las observaciones que impulsan el descubrimiento científico.

Resumen: Los modelos de lenguaje grande (LLM) logran resultados sólidos en la respuesta a preguntas de gráficos de conocimiento (KGQA), pero la mayoría de los puntos de referencia asumen gráficos de conocimiento completos (KG) donde existen tripletas de soporte directo.