Este artículo explora los diez principales desafíos en la investigación de modelos lingüísticos grandes (LLM), incluyendo la reducción y medición de alucinaciones, la optimización de la longitud y la construcción del contexto, la integración de otras modalidades de datos, el aumento de la velocidad y la reducción de los costos de los LLM, el diseño de nuevas arquitecturas de modelos, el desarrollo de alternativas a las GPU, la mejora de la usabilidad de los agentes, la mejora de la capacidad de aprendizaje a partir de preferencias humanas, la mejora de la eficiencia de las interfaces de chat y la construcción de LLM para idiomas que no sean el inglés. Entre ellos, la reducción de alucinaciones y el aprendizaje contextual son probablemente las dos áreas más populares actualmente. La multimodalidad, las nuevas arquitecturas y las alternativas a las GPU también presentan un enorme potencial. En general, la investigación de LLM se encuentra en una fase de rápido desarrollo, con una exploración floreciente en todas las direcciones.