Artículos Relacionados con Soñar

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Soñar", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

El conocido presentador de podcasts de tecnología de Silicon Valley, Dwarkesh Patel, explora cuál podría ser el próximo paradigma de entrenamiento para la IA. Identifica el "Reinforcement Learning with Verifiable Rewards" (RLVR) como el enfoque actual líder, que permite a los modelos practicar de forma masiva en tareas como programación o matemáticas, donde los resultados pueden verificarse y el entorno puede replicarse fácilmente. Sin embargo, Dwarkesh argumenta que el RLVR por sí solo es insuficiente para tareas del mundo real complejas, como emprender un negocio o gestionar una campaña política. Estas tareas, aunque tienen resultados verificables, carecen de "molienda" (*grindability*): son lentas, tienen muchas variables y no se pueden replicar o resetear a gran escala en un centro de datos. La propuesta clave es superar la limitación del "aprendizaje en contexto" actual, donde los modelos se adaptan temporalmente pero no retienen el conocimiento a largo plazo. Dwarkesh sugiere que la próxima generación de IA debe aprender continuamente de la experiencia del mundo real y "escribir" ese aprendizaje de nuevo en sus pesos fundamentales. Menciona dos posibles direcciones: la "autodestilación en política" (*On-Policy Self-Distillation*), que comprime la experiencia de tareas reales en actualizaciones del modelo, y el "sueño" (*dreaming*), donde la IA crea simulaciones basadas en observaciones reales para practicar y refinar estrategias. En resumen, el futuro paradigma que imagina Dwarkesh implica una transición: de entrenar modelos antes del lanzamiento con tareas verificables, a permitirles aprender continuamente después del despliegue a partir de la interacción con el mundo real, convirtiendo la experiencia práctica en una capacidad permanente.

marsbit06/28 23:53

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

marsbit06/28 23:53

Esta función de "soñar" de ChatGPT, deseo que todas las IA la copien

ChatGPT ha lanzado un nuevo sistema de memoria basado en la tecnología Dreaming, que permite al modelo recordar automáticamente las preferencias del usuario, detalles de proyectos, planes de viaje y otros datos relevantes a partir de las conversaciones. A diferencia de la función anterior, que dependía de que el usuario solicitara explícitamente guardar información, este sistema identifica y sintetiza detalles de manera proactiva. Además, evalúa cuándo la información sigue siendo útil o ha quedado obsoleta, actualizando los recuerdos con el tiempo. La actualización incluye un "resumen de memoria" donde los usuarios pueden revisar, añadir o modificar la información que ChatGPT ha recopilado. También ofrece controles como conversaciones temporales (sin uso de memoria), opciones para eliminar recuerdos y la posibilidad de ver las fuentes que influyen en las respuestas personalizadas. Inicialmente disponible para usuarios Plus y Pro en EE.UU., se extenderá gradualmente a más países y a usuarios gratuitos. OpenAI destaca mejoras significativas en las pruebas: la precisión en la recuperación de hechos aumentó del 41,5% (2024) al 82,8% (2026), y la capacidad de mantener la información correcta en el tiempo pasó del 9,4% al 75,1%. Estos avances acercan a ChatGPT a un asistente personal más contextual y menos dependiente de interacciones aisladas, aunque también plantean cuestiones sobre privacidad y el control de los datos almacenados.

marsbit06/08 00:23

Esta función de "soñar" de ChatGPT, deseo que todas las IA la copien

marsbit06/08 00:23

Tu Claude va a soñar esta noche, no lo molestes

Anthropic ha presentado la función "Dreaming" (Soñar) para sus agentes de IA en la plataforma Managed Agents. Esta función, inspirada en conceptos humanos, procesa automáticamente registros históricos de sesiones para extraer patrones y optimizar futuras tareas, actuando como un mecanismo de aprendizaje y autocorrección basado en datos. La función se activa manualmente en Managed Agents, revisando hasta 100 sesiones para crear nuevos recuerdos. Otras plataformas como Hermes Agent y OpenClaw tienen características similares, donde OpenClaw simula etapas de sueño (ligero, REM, profundo) para consolidar información en memoria a largo plazo. "Dreaming" está ligado a la gestión de la memoria (contexto) en IA. Dado que las ventanas de contexto son limitadas y costosas computacionalmente, esta función ayuda a priorizar y refinar información, similar a cómo el cerebro humano consolida recuerdos durante el sueño. Compañías como Subquadratic buscan ampliar estos límites con modelos de contexto masivo. El uso de términos antropomórficos como "soñar", "pensar" o "recordar" por parte de las empresas de IA busca hacer la tecnología más relatable, pero también difumina la línea entre herramienta y entidad, desplazando potencialmente la responsabilidad de los desarrolladores al "comportamiento" del agente.

marsbit05/11 00:21

Tu Claude va a soñar esta noche, no lo molestes

marsbit05/11 00:21

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow

Otrosright-arrow