Observatorio de información y Publicaciones

Resumen: Los agentes de modelo de lenguaje grande (LLM) se implementan cada vez más para automatizar tareas de productividad (por ejemplo, correo electrónico, programación, gestión de documentos), pero evaluarlos en servicios en vivo es arriesgado debido a cambios potencialmente irreversibles.

Resumen: Los modelos de lenguaje grandes producen texto fluido pero luchan con el razonamiento sistemático, a menudo alucinando afirmaciones seguras pero infundadas.

Resumen: Para aprovechar esta oportunidad, presentamos un marco de LLM adaptado al dominio, que sigue instrucciones y que aprovecha el razonamiento de cadena de pensamiento (CoT) para analizar y estructurar registros de HPC con alta fidelidad.