La empresa de inteligencia artificial de Elon Musk, xAI, lanzó el lunes su último modelo de lenguaje, Grok3, marcando un avance significativo en el campo de la IA. Según Musk, el nuevo modelo requiere diez veces la capacidad de computación de su predecesor, utilizando un centro de datos en Memphis equipado con aproximadamente 200.000 GPU. La serie de modelos Grok3 incluye varias variantes, entre ellas una versión simplificada diseñada para aumentar la velocidad a costa de cierta precisión. Además, el nuevo modelo de "razonamiento" está específicamente diseñado para resolver problemas matemáticos y científicos.

Recientemente, el equipo de aprendizaje automático de Vectara realizó pruebas exhaustivas de alucinaciones en dos modelos de la serie DeepSeek. Los resultados muestran que la tasa de alucinaciones de DeepSeek-R1 alcanza un 14.3%, significativamente superior al 3.9% de su predecesor, DeepSeek-V3. Esto indica que, durante el proceso de mejora de la inferencia, DeepSeek-R1 genera más contenido inexacto o inconsistente con la información original. Este resultado ha generado un amplio debate sobre la tasa de alucinaciones en los modelos lingüísticos de gran tamaño (LLM) con inferencia mejorada. Fuente de la imagen

Google anunció recientemente que lanzará su nuevo modelo de IA mejorado, "Gemini2.0Flash Thinking Exp-0123", el 23 de enero de 2025. Este modelo es una optimización adicional del "Exp-1219" existente, y se centra principalmente en mejorar la capacidad de razonamiento y la transparencia del pensamiento. Con el rápido desarrollo de la tecnología de IA, Google se esfuerza, a través de esta actualización, en que las máquinas no solo generen respuestas, sino que también muestren claramente su proceso de pensamiento, mejorando en gran medida la experiencia del usuario con la IA.

La compañía El lado oscuro de la luna presenta con orgullo su nuevo modelo SOTA (State-of-the-art) — el modelo de razonamiento multimodal k1.5—, que marca un gran avance en el razonamiento multimodal y el razonamiento general. Este modelo no solo posee una excelente capacidad de procesamiento multimodal, sino que también muestra una capacidad de razonamiento general excepcional, capaz de abordar eficazmente una variedad de tareas complejas. El punto culminante del modelo k1.5 es su capacidad de razonamiento multimodal. Puede procesar simultáneamente información de diferentes modalidades, como texto, imágenes y sonido, para proporcionar resultados más completos y precisos.

OpenAI, junto con el profesor de Stanford y eminencia en el campo de la inteligencia artificial, Andrew Ng, han lanzado un importante curso gratuito llamado 'Reasoning with o1'. Este curso, impartido por Colin Jarvis, jefe de arquitectura de soluciones estratégicas de OpenAI, tiene como objetivo ayudar a los desarrolladores a dominar las capacidades avanzadas de razonamiento de los modelos de la serie o. Dirección del curso: https://www.deeplearning.ai/short-courses/reasoning-wit

Recientemente, un equipo de investigación de la Universidad de Pekín y otras instituciones anunció el lanzamiento de LLaVA-o1, un modelo multimodal de código abierto. Se afirma que es el primer modelo de lenguaje visual capaz de realizar razonamiento espontáneo y sistemático, comparable a GPT-o1. El modelo ha demostrado un rendimiento excepcional en seis pruebas de referencia multimodales desafiantes. Su versión de 11B parámetros supera a otros competidores como Gemini-1.5-pro, GPT-4o-mini y Llama-3.2-90B-Vision-Instruct. L

El equipo FAIR de Meta ha lanzado recientemente un nuevo modelo Transformer llamado Dualformer, que imita el sistema cognitivo dual humano y puede integrar a la perfección los modos de razonamiento rápido y lento, logrando un avance significativo en la capacidad de razonamiento y la eficiencia computacional. El proceso de pensamiento humano generalmente se considera controlado por dos sistemas: el sistema 1 es rápido e intuitivo, mientras que el sistema 2 es más lento pero más lógico. Los modelos Transformer tradicionales suelen simular solo el sistema 1 o el sistema 2.

Recientemente se ha presentado OpenR, un innovador framework de código abierto diseñado para abordar las deficiencias de los modelos de lenguaje grandes (LLM) en tareas de razonamiento complejas. Desarrollado conjuntamente por investigadores de University College London, la Universidad de Liverpool, la Universidad Jiao Tong de Shanghai, la Universidad de Ciencia y Tecnología de Hong Kong (Guangzhou) y la Universidad de Westlake, este framework utiliza el cálculo en tiempo de prueba, el aprendizaje por refuerzo y la supervisión de procesos para mejorar la capacidad de razonamiento de los LLM. Aunque los LLM han mostrado un progreso significativo en la generación de lenguaje, todavía presentan dificultades al abordar tareas complejas como problemas matemáticos, de programación y científicos.

Recientemente, Apple realizó un estudio sobre la capacidad de razonamiento de los modelos lingüísticos grandes (LLM), lo que ha generado preocupación sobre el rendimiento de estos modelos en el ámbito de las matemáticas. Como es sabido, el conjunto de datos de referencia GSM8K se utiliza ampliamente para evaluar la capacidad de razonamiento de los modelos en problemas de matemáticas de primaria. Aunque el rendimiento de los LLM en GSM8K ha mejorado en los últimos años, los investigadores han cuestionado la fiabilidad de estos resultados. Por lo tanto, llevaron a cabo un estudio a gran escala para explorar el rendimiento de los modelos de código abierto y cerrado más avanzados. Para evaluar mejor los modelos

Recientemente, investigadores del Instituto Mila, Google DeepMind y Microsoft Research realizaron una investigación exhaustiva sobre la capacidad de razonamiento de los modelos de lenguaje AI, descubriendo deficiencias significativas en modelos pequeños y económicos al resolver problemas complejos. El estudio utilizó una prueba llamada "GSM combinatorio", diseñada para evaluar el rendimiento de estos modelos en problemas matemáticos encadenados. Nota de la imagen: Imagen generada por IA, proveída por Midjourney. Los investigadores combinaron dos...

Recientemente, OpenAI lanzó su última serie de modelos de inteligencia artificial o1, que han demostrado capacidades muy avanzadas en algunas tareas lógicas, por lo que la empresa realizó una evaluación cautelosa de sus riesgos potenciales. Según las evaluaciones internas y externas, OpenAI clasificó el modelo o1 como de "riesgo medio". ¿Por qué esta clasificación de riesgo? En primer lugar, el modelo o1 muestra una capacidad de razonamiento similar a la humana, capaz de generar textos tan convincentes como los argumentos escritos por humanos sobre el mismo tema. Esta capacidad de persuasión no es...

OpenAI ha lanzado su nueva serie de modelos OpenAI o1, que muestran una capacidad de razonamiento significativamente mejorada en comparación con modelos anteriores. OpenAI o1: Mayor capacidad de razonamiento Se trata de una nueva serie de modelos de razonamiento diseñados para ayudar a resolver problemas complejos. Estos modelos han sido entrenados específicamente para dedicar más tiempo a pensar antes de responder, lo que les permite abordar problemas más desafiantes en áreas como ciencia, codificación y matemáticas. OpenAI o1 estará disponible inicialmente en Ch...

OpenAI se prepara para lanzar su nuevo modelo de IA llamado "Fresa (Strawberry)", previsto para su lanzamiento en ChatGPT dentro de dos semanas. Este modelo resuelve problemas complejos mediante razonamiento en múltiples pasos, y se define como un modelo de razonamiento capaz de abordar tareas como resolver problemas de álgebra de alto nivel o diseñar campañas de marketing que llevarían meses. Cabe destacar que "Fresa" solo admite el procesamiento de texto, a diferencia del modelo insignia GPT-4, que tiene capacidades de procesamiento de imágenes y audio. Sin embargo, es posible que este modelo sea más lento en su tiempo de respuesta.

El equipo de Google DeepMind, en colaboración con instituciones académicas, ha desarrollado un método innovador llamado Modelo de Recompensa Generativo (GenRM) para mejorar la precisión y la fiabilidad de la IA generativa en tareas de razonamiento. GenRM integra el proceso de verificación en las tareas de generación de texto, permitiendo que el modelo genere y evalúe simultáneamente posibles soluciones, al tiempo que admite el razonamiento en cadena (CoT), mejorando la exhaustividad del proceso de verificación. En comparación con los métodos tradicionales, GenRM ha mostrado ventajas significativas en varias pruebas, con un aumento de precisión del 16% al 64%, especialmente...

La clasificación más reciente de LMSYS Chatbot Arena, el campo de batalla de modelos grandes de la organización LMSYS, muestra que DeepSeek-V2-0628 ocupa el primer lugar en la clasificación general de modelos de código abierto a nivel mundial, superando a numerosos modelos de código abierto como Llama3-70B, Qwen2-72B, Nemotron-4-340B y Gemma2-27B. En comparación con la versión 0507, DeepSeek-V2-0628 ha mejorado significativamente en razonamiento matemático de código, seguimiento de instrucciones, juegos de roles y JS.

El nuevo proyecto de OpenAI, "Fresa", anteriormente conocido como Q*, presenta una innovación que permite a la IA planificar tareas de antemano, recopilar información en línea de forma autónoma e incluso realizar investigaciones profundas. Musk expresó su optimismo sobre sus perspectivas con la frase "campo de fresas infinito". Los detalles operativos del Proyecto Fresa se mantienen en secreto y se desarrollan de forma altamente confidencial internamente; la fecha de lanzamiento no se ha hecho pública. La versión mostrada recientemente demuestra que Fresa posee una capacidad de razonamiento casi comparable a la humana. De forma experimental, OpenAI ha adoptado una tecnología similar al "Razonador Autodidacta" (STaR) de la Universidad de Stanford, iterando para mejorar la IA.

Recientemente, un equipo de investigación del MIT ha explorado en profundidad el rendimiento de los modelos lingüísticos grandes (LLM) en diferentes tareas. El estudio revela que los LLM funcionan bien en tareas familiares, pero muestran serias limitaciones en su capacidad de razonamiento cuando se enfrentan a situaciones atípicas o desconocidas. Al comparar las "tareas predeterminadas" con los "escenarios contrafactuales" y al ajustar el diseño de las tareas para probar las respuestas del modelo, se muestra que, aunque el modelo es bastante bueno en las operaciones aritméticas decimales, su rendimiento es completamente diferente en entornos no decimales y en otras tareas como la música, el razonamiento espacial y el ajedrez.

Hoy, en la Conferencia de Desarrolladores HDC2024 de Huawei, Zhang Pingan, director ejecutivo y CEO de Huawei Cloud, anunció oficialmente el lanzamiento de Huawei Cloud PanGu 5.0. PanGu 5.0, con sus diferentes escalas de parámetros de miles de millones, decenas de miles de millones, cientos de miles de millones y billones, y sus diversas funciones que incluyen modelos de lenguaje natural, modelos multimodales, modelos de visión, modelos predictivos y modelos de computación científica, proporciona un soporte sin precedentes para las aplicaciones de IA.

Los investigadores de aprendizaje profundo han descubierto que el rendimiento de los modelos lingüísticos en el razonamiento lógico sigue siendo un desafío importante. Un nuevo estudio revela que el orden de las premisas en una tarea tiene un impacto significativo en el rendimiento del razonamiento lógico de los modelos lingüísticos. Los resultados de la investigación pueden guiar las decisiones de los expertos al utilizar modelos lingüísticos para tareas de razonamiento básicas.

LeCun y los cofundadores de xAI mantienen un acalorado debate sobre la capacidad de razonamiento de GPT-4. LeCun argumenta que GPT-4 carece de capacidad de razonamiento, generando un amplio debate. Christian Szegedy, cofundador de xAI, menciona las limitaciones y los avances en la capacidad de razonamiento. Algunos usuarios comparan GPT-4 con el pensamiento humano, afirmando que los humanos también son "loros aleatorios". Un artículo de Subbarao Kambhampati de la ASU señala el bajo rendimiento de GPT-4 en el razonamiento de planificación.