Divulgación de IA a dos voces, en español. Tomamos papers de inteligencia artificial y los convertimos en episodios conversacionales — buscando el próximo gran salto y explicándolo para curiosos.
Reading the feed…
En Paperslab analizamos una pregunta que la industria de la inteligencia artificial todavía no sabe responder: ¿dónde debería vivir la memoria de un agente de IA? Exploramos tres papers recientes que proponen soluciones radicalmente distintas al problema del olvido en modelos de lenguaje grandes como ChatGPT, Claude y Gemini. Desde Metis y su Memory Foundation Model, que internaliza la memoria en los pesos del modelo, hasta arquitecturas basadas en RAG (Retrieval-Augmented Generation) y sistemas híbridos que combinan almacenamiento externo con recuperación semántica. Discutimos por qué recorda
En este episodio de Paperslab exploramos ‘Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition’, un provocador trabajo de Chandra Sripada y Richard Lewis que desafía el consenso dominante sobre los grandes modelos de lenguaje. ¿Son los LLMs simples ‘loros estocásticos’ que predicen la siguiente palabra, o inteligencias alienígenas radicalmente distintas al cerebro humano? Los autores proponen una tercera vía: LLMs y mente humana han convergido, por caminos evolutivos y computacionales completamente diferentes, hacia soluciones cognitivas profundamente simi
En este episodio de Paperslab desmenuzamos GPT-Red: Automated Red Teaming via Self-Play at Scale, uno de los papers más comentados del momento, liderado por Eric Wallace y un equipo de 21 investigadores de OpenAI. La propuesta suena paradójica: entrenar un modelo de lenguaje específicamente diseñado para atacar a otros modelos de lenguaje, y usar esos ataques adversariales para robustecer los sistemas de IA en producción. Exploramos el problema del prompt injection, el talón de Aquiles de los asistentes modernos conectados a emails, navegadores web, bases de datos y ejecución de código. Analiz
Un jailbreak no necesita romper un modelo nuevo desde cero: alcanza con robarle el razonamiento dañino a uno ya comprometido y trasplantarlo a otros 34 modelos distintos. En este episodio de Paperslab exploramos dos papers recientes sobre seguridad y contención de daño en modelos de lenguaje. El primero, “Hidden in Thought: Transferable Chain-of-Thought Artifacts Induce Harmful Behavior” (Ali Khalil, Aly M. Kassem, Mohamed Abdelrazek, Santu Rana, Negar Rostamzadeh, et al.), muestra que las cadenas de razonamiento dañinas de un modelo comprometido se pueden trasplantar y destilar en ataques de
De Mamba2 a los 2.8 billones de parámetros de Kimi K3: la genealogía completa de tres papers que redefinieron la atención lineal en menos de dos años. Trazamos el camino técnico entero: Gated DeltaNet (Songlin Yang, Jan Kautz, Ali Hatamizadeh — la regla delta que mejora Mamba2), Kimi Linear (el salto a Kimi Delta Attention, la arquitectura híbrida que hace viable un contexto de un millón de tokens) y el Technical Report de Kimi K3 (Moonshot AI: 2.8 billones de parámetros totales, apenas 104.000 millones activos por token). No es solo una carrera de benchmarks: es la historia de cómo un mecanis
De todo lo que procesa el cerebro humano, solo una fracción pequeña es conscientemente accesible: disponible para el reporte verbal, el control deliberado, el razonamiento flexible. En este episodio de Paperslab exploramos el paper con el score más alto de toda la temporada: evidencia de que una distinción funcional análoga emergió también en los modelos de lenguaje. “Verbalizable Representations Form a Global Workspace in Language Models” (Wes Gurnee, Nicholas Sofroniew, Adam Pearce, Mateusz Piotrowski, Isaac Kauvar, et al.) presenta una técnica de interpretabilidad nueva, la “lente Jacobiana
Repetir el mismo bloque de un Transformer en loop promete ahorrar parámetros sin perder capacidad, pero durante años perdió contra la alternativa obvia: si tenés más cómputo, casi siempre conviene multiplicar los parámetros en vez de loopear un modelo. En este episodio de Paperslab exploramos dos papers que atacan ese problema desde ángulos distintos. El primero, “Loop the Loopies!” (Zitian Gao, Yilong Chen, Yihao Xiao, Xinyu Yang, Ran Tao, Joey Zhou, Bryan Dai), presenta Loopie, el looped Transformer más potente hasta la fecha — dos modelos Mixture-of-Experts que por primera vez logran que lo
El deep learning avanzó durante años a pura prueba y error. En este episodio de Paperslab exploramos dos papers que, desde direcciones completamente opuestas, empiezan a poner el andamiaje matemático debajo. El primero, “Relevant and Irrelevant: A Renormalization Group Analysis of Transformer Attention” (Parviz Haggi-Mani, Irina Rish), trata el mecanismo de atención de un Transformer como un operador de un grupo de renormalización — el mismo lenguaje que usa la física para describir transiciones de fase — y deriva predicciones verificables sobre su geometría interna. El segundo, “Diffusion mod
El reinforcement learning mejora el razonamiento de los modelos, pero sale caro. Tres papers buscan la misma economía por caminos distintos: destilación auto-evolutiva, agentes que aprenden a preguntar mejor jugando al hundir la flota, y generadores de velocidad promedio que aceleran el proceso sin perder calidad. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Anthropic publicó casi en simultáneo cuatro piezas de seguridad: compartimentos removibles de conocimiento peligroso, una técnica para reducir la desalineación agéntica, un mapeo de los valores de Claude entre idiomas, y una medición de cuánto ayudan realmente los modelos de lenguaje a explotar vulnerabilidades de día N. Cuatro ángulos sobre la misma pregunta: ¿se puede aislar lo peligroso sin apagar todo lo demás? 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Cada sentido tuvo históricamente su propio modelo. La tendencia ahora es unificar visión, audio y razonamiento en un solo marco: de un modelo de visión auto-supervisado a escala sin precedentes, a un sistema que entiende audio, pasando por arquitecturas que generan y comprenden imágenes al mismo tiempo. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
El deep learning avanzó durante años a pura prueba y error. Ahora empiezan a aparecer los cimientos teóricos: de la destilación on-policy a la reconexión espectral de redes, pasando por un instituto que junta IA y física, y una sorpresa de la teoría de juegos sobre por qué los generalistas a veces le ganan a los especialistas. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Los mecanismos internos de un modelo de lenguaje emergen solos durante el entrenamiento — nadie los diseña a propósito. Recién ahora empezamos a poder señalarlos: cabezas de inducción que interpolan n-gramas, modelos que representan mejor la intención comunicativa de lo que después actúan, y hasta una forma de dirigir el comportamiento con la probabilidad de una moneda. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Meta viene publicando, casi sin pausa, investigación que junta inteligencia artificial y cerebro humano: de decodificar lenguaje a partir de ondas cerebrales, a leer intención desde el movimiento de los dedos sobre un teclado. Un repaso a cómo la IA se está volviendo, de a poco, una herramienta para entender la mente. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Hacer un modelo más grande es fácil si hay plata de sobra. El verdadero problema de ingeniería es hacerlo más barato y más rápido sin perder capacidad: contextos de más de dos millones de tokens con presupuesto fijo de GPU, memoria que se defragmenta sola, y caché que se injerta byte a byte entre modelos distintos. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Entrenar agentes de robótica en el mundo real es caro, por eso se entrenan en mundos virtuales. Pero imaginar bien no alcanza para actuar bien: un modelo que sueña escenarios correctos y aun así falla al ejecutarlos, y la pregunta incómoda de qué pasa cuando el agente entiende mal una instrucción ambigua. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Para actuar bien en el mundo real, un agente primero tiene que poder imaginarlo. De modelos de mundo que aprenden por observación a motores de juego repensados como simuladores de entrenamiento, este episodio recorre la apuesta más grande de la IA agéntica: pensar antes de moverse. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Anthropic dice que Claude tiene una especie de espacio de trabajo interno donde puede pensar sin escribirlo, e incluso reconocer sus propios errores. Un paper independiente, por otro lado, muestra evidencia dura de cómputo oculto en los tokens de relleno. Dos ángulos —uno corporativo, otro académico— sobre el mismo fenómeno incómodo: hay razonamiento del modelo que nunca vemos. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Gemma 4 Technical Report, el paper con el score más alto de toda la sesión. Un repaso de punta a punta a la arquitectura y las decisiones de diseño detrás del último modelo de Google. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Un modelo puede fallar sin que nadie se dé cuenta. En este episodio de Paperslab exploramos tres papers recientes sobre los puntos ciegos del razonamiento en modelos de lenguaje: fallas que no se ven en las métricas habituales, pero que están ahí, esperando. El primero, “Silent Failures in Quantized LLM Reasoning” (Renuka Oladri, Mohan Vamsi Varadaraju Priya, Jerry Wu), muestra que la cuantización —la técnica que usamos para hacer los modelos más baratos y rápidos— puede cambiar por completo cómo un modelo razona internamente, aunque el resultado final (el accuracy) se mantenga idéntico. Un ha
Lo que esconden los pesos¿Cómo sabe una red neuronal qué parte de sí misma cambiar cuando comete un error? En este episodio de Paperslab exploramos dos papers recientes sobre interpretabilidad mecanística y aprendizaje en redes neuronales profundas: cómo se propaga el error hacia atrás (backpropagation) y cómo se pueden recuperar, de forma dirigida, los mecanismos internos que deciden qué componentes importan dentro de un modelo grande. El primer paper, “Weight Feedback Computes the Jacobian Transpose Locally in Modern Deep Networks” (Junlong Shen, Xingyu Li), conecta el Predictive Coding —una
Episodio 6 — Existe una teoría de todo? Durante años el deep learning funcionó por prueba y error, más arte que ciencia. Tres papers —uno con la firma de un medallista Fields— se animan a preguntar si por fin estamos encontrando las leyes que explican por qué esto funciona. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Toda barrera de seguridad de una IA asume que entendemos el modelo por dentro. Dos papers muestran que no hace falta un ataque de fuerza bruta para esquivarla: alcanza con conocer bien sus grietas. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
Un modelo de un trillón de parámetros que aprende a razonar sin un solo ejemplo escrito por un humano. El paper con el score más alto de todo el catálogo, explicado de punta a punta. 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
La carrera por matar la atención 🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica. 🔗 Todos los episodios: podcast.paperslab.es
