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.

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 hallazgo con implicaciones directas para cualquiera que despliegue LLMs en producción.

El segundo, “Spectral Origins of the Self-Correction Blind Spot in Autoregressive Generation” (Ingrid Petrova, Luan Vejsiu), explica por primera vez de forma matemática un fenómeno ya documentado empíricamente: los modelos autorregresivos corrigen errores ajenos con facilidad, pero no los propios. El paper propone un análisis espectral de las dinámicas de atención que explica por qué.

El tercero, “Depth-Entropy Guided Sampling for Training-Free LLM Reasoning” (Zibin Meng, Peng Xie, Kani Chen), ofrece una alternativa práctica al costoso reinforcement learning: usar la entropía de las capas internas del transformer para guiar el muestreo y mejorar el razonamiento, sin entrenar nada nuevo.

Tres formas distintas de mirar el mismo problema: lo que un modelo de lenguaje esconde, incluso de sí mismo.

Papers de este episodio:

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.

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.

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.

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.

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.

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.

La carrera por matar la atención

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.

Leyéndole la mente a la máquina

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.

Cuatro papers desmontan el mito del razonamiento en la IA, a dos voces.

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.

Attention Is All You Need

🎧 Paperslab — el podcast que convierte papers de investigación en IA en conversaciones claras, en español, para audiencia técnica.