⟫Nico Bargioni
Todos los temas

Categoría

IA aplicada & Agentes

LLMs, RAG y agentes que razonan, recuperan contexto y ejecutan acciones. La IA puesta a trabajar en problemas reales.

Subtemas

LLMs & Prompt Engineering5 notebooks
RAG & embeddings1 notebook
Agentes de IA1 notebook
Visión por computadora1 notebook
Procesamiento del habla1 notebook
Búsqueda heurística (A*)1 notebook

Del blog

Cuándo la IA suma de verdad

Un criterio simple para decidir cuándo un modelo o un LLM aporta valor real y cuándo es solo una demo.

Leer #ia #machine-learning

La temperatura de un LLM: el dial entre el robot y el poeta

Un solo número decide si un modelo responde como un manual técnico o como un improvisador. Se llama temperature.

Leer #llm #prompting

Los LLM no leen palabras: el mundo visto en tokens

Un modelo top puede fallar al contar las erres de 'strawberry'. No es que sea tonto: nunca vio la palabra como la ves vos.

Leer #llm #prompting

Chain-of-thought: por qué pedirle que 'piense paso a paso' funciona

Una frase de cinco palabras puede mejorar el razonamiento de un LLM, y tiene que ver con cómo genera el texto token a token.

Leer #llm #prompting

Por qué los LLM alucinan con tanta seguridad

Un LLM puede inventarte una cita falsa con una bibliografía perfecta. No es un bug raro: es lo que hace siempre, solo que a veces acierta.

Leer #llm #prompting

La ventana de contexto: la memoria de trabajo de un LLM

Un LLM no recuerda la conversación: cada vez relee todo desde cero. Entender eso explica por qué se 'olvida' y por qué cuesta más caro.

Leer #llm #prompting

Rey − hombre + mujer = reina: la aritmética de los embeddings

Sumar y restar palabras como si fueran vectores y caer parado en otra palabra. La geometría escondida del significado.

Leer #rag #embeddings

Por qué el coseno y no la distancia para comparar significados

Dos textos pueden estar lejos en línea recta y significar lo mismo. El ángulo entre ellos cuenta una historia que la distancia esconde.

Leer #rag #embeddings

RAG: darle a un LLM los apuntes antes del examen

Un LLM no sabe lo que pasó ayer ni lo que hay en tu wiki interna. RAG es dejarle abrir los apuntes justo antes de responder.

Leer #rag #embeddings

El arte de partir documentos: chunking que no rompe el sentido

Cortar un documento mal es como arrancar una página al medio: el RAG recupera la mitad de la idea y responde cualquier cosa.

Leer #rag #embeddings

Los sesgos escondidos en los embeddings

Si entrenás un modelo con todo internet, aprende también nuestros prejuicios. Y los guarda en la geometría de los vectores.

Leer #rag #embeddings

ReAct: agentes que razonan y actúan en bucle

El patrón pensar→actuar→observar que convierte un LLM en algo que parece decidir solo. Por dentro es un loop bien armado.

Leer #agentes #llm

Function calling: cómo un LLM aprende a usar herramientas

Un LLM no ejecuta código ni llama APIs. Lo que hace es pedirlas con un formato prolijo. El truco que convierte texto en acción.

Leer #agentes #llm

Agente vs pipeline: cuándo conviene dejar que decida solo

Un pipeline ejecuta los pasos que vos definiste. Un agente decide los pasos. Esa diferencia tiene un costo, y conviene saber cuándo pagarlo.

Leer #agentes #llm

Cuando un agente entra en bucle: los riesgos de la autonomía

Le diste un objetivo y herramientas, y de golpe el agente lleva 40 vueltas, gastó USD 12 y sigue sin terminar. Por qué pasa y cómo ponerle freno.

Leer #agentes #llm

Sistemas multiagente: cuando varios LLM colaboran (y discuten)

Si un agente es bueno, ¿muchos son mejores? A veces sí, a veces es un teléfono descompuesto carísimo. Cuándo dividir el trabajo y cuándo no.

Leer #agentes #llm

Cómo 've' una CNN: de bordes a conceptos

Una red convolucional no entiende una cara de golpe: la arma capa por capa, de líneas a texturas a ojos a rostros.

Leer #vision #cnn

Las ilusiones ópticas de las redes neuronales

Pegale piel de elefante a un gato y una CNN dirá 'elefante'. Las redes miran textura mucho más que forma, y eso explica errores raros.

Leer #vision #cnn

Data augmentation: enseñar con la misma foto mil veces

Rotar, recortar y espejar una imagen no es trampa: es la forma más barata de que un modelo de visión generalice en vez de memorizar.

Leer #vision #cnn

Clasificar, detectar, segmentar: tres tareas distintas en visión

'Qué hay', 'dónde está' y 'qué píxel es qué' parecen lo mismo, pero son tres problemas de visión con costos y modelos muy distintos.

Leer #vision #cnn

Un sticker que engaña a un auto autónomo

Unos stickers blancos y negros bien puestos sobre un cartel de STOP hacen que un auto autónomo lea 'velocidad máxima 45'. Y funciona en el mundo real.

Leer #vision #cnn

El espectrograma: ver el sonido para que la IA lo entienda

El sonido es una onda invisible. El truco de casi todo el audio moderno es convertirla en una imagen y dejar que la red la mire.

Leer #audio #habla

Whisper: el modelo que transcribe en 99 idiomas

Cómo un modelo entrenado con 680.000 horas de audio crudo de internet terminó transcribiendo casi cualquier idioma sin afinarse para ninguno.

Leer #audio #habla

MFCC: cómo se imita el oído humano para extraer features

Por qué el audio para IA se mide en escala mel y no en hertz crudos: tu oído no escucha el sonido como lo grafica un físico.

Leer #audio #habla

Voces sintéticas y el valle inquietante del audio

Por qué una voz TTS casi perfecta nos da más rechazo que una claramente robótica. El valle inquietante también existe en el sonido.

Leer #audio #habla

'Hey Siri': cómo un dispositivo te escucha sin escuchar

Tu teléfono espera la palabra mágica todo el día sin mandar tu vida a la nube. El truco está en un modelo diminuto que corre en el chip.

Leer #audio #habla

A*: el GPS que combina lo recorrido y lo que falta

A* es el algoritmo detrás de tu navegador y de casi todo videojuego. Su secreto cabe en una sola fórmula: f = g + h.

Leer #busqueda #algoritmos

Heurística admisible: la promesa que garantiza el camino óptimo

Por qué una heurística que nunca sobreestima es la condición exacta que vuelve a A* infalible para encontrar la ruta más corta.

Leer #busqueda #algoritmos

Dijkstra vs A*: la diferencia que hace una buena pista

Buscar a ciegas o con una corazonada informada: por qué A* es Dijkstra con una pista, y cuándo esa pista cambia todo.

Leer #busqueda #algoritmos

El 8-puzzle: el juguete que enseñó a planificar a las máquinas

Un rompecabezas de plástico con ocho fichas esconde el concepto que sostiene toda la planificación automática: el espacio de estados.

Leer #busqueda #algoritmos

El factor de ramificación: por qué el ajedrez es tan difícil

Cada jugada multiplica las opciones. Ese número, el factor de ramificación, explica por qué buscar a lo bruto no alcanza y la heurística importa tanto.

Leer #busqueda #algoritmos