Cada evaluaci贸n mide contexto hist贸rico, lectura cr铆tica, interpretaci贸n matem谩tica, implementaci贸n, l铆mites y transferencia. Nunca solo definiciones.
| Paper | Evaluaci贸n |
|---|---|
| P01 路 El perceptr贸n: un modelo probabil铆stico de almacenamiento y organizaci贸n de informaci贸n en el cerebro | P01_perceptron.md |
| P02 路 Aprender representaciones retropropagando errores | P02_backpropagation.md |
| P03 路 Memoria larga de corto plazo | P03_lstm.md |
| P04 路 Clasificaci贸n de ImageNet con redes neuronales convolucionales profundas | P04_alexnet.md |
| P05 路 Estimaci贸n eficiente de representaciones de palabras en un espacio vectorial | P05_word2vec.md |
| P06 路 Aprendizaje de secuencia a secuencia con redes neuronales | P06_seq2seq.md |
| P07 路 Traducci贸n autom谩tica neuronal aprendiendo conjuntamente a alinear y traducir | P07_attention_bahdanau.md |
| P08 路 La atenci贸n es todo lo que necesitas | P08_transformer.md |
| P09 路 BERT: preentrenamiento de Transformers bidireccionales profundos para comprensi贸n del lenguaje | P09_bert.md |
| P10 路 Los modelos de lenguaje son aprendices con pocos ejemplos | P10_gpt3.md |
| P11 路 Generaci贸n aumentada por recuperaci贸n para tareas de PLN intensivas en conocimiento | P11_rag.md |
| P12 路 Entrenar modelos de lenguaje para seguir instrucciones con retroalimentaci贸n humana | P12_instructgpt_rlhf.md |
| P13 路 ReAct: sinergia entre razonar y actuar en modelos de lenguaje | P13_react.md |
| P14 路 Toolformer: los modelos de lenguaje pueden ense帽arse a s铆 mismos a usar herramientas | P14_toolformer.md |
| P15 路 Optimizaci贸n directa de preferencias: tu modelo de lenguaje ya es un modelo de recompensa | P15_dpo.md |
| P16 路 Sistemas agentic contempor谩neos: memoria, reflexi贸n, multiagente e interoperabilidad | P16_agentic_systems.md |
| P17 路 Modelos probabil铆sticos de difusi贸n con eliminaci贸n de ruido | P17_diffusion.md |
| P18 路 Aprender modelos visuales transferibles con supervisi贸n de lenguaje natural | P18_clip.md |
| P19 路 Entrenar modelos de lenguaje grandes con c贸mputo 贸ptimo | P19_scaling_laws.md |
| P20 路 Mamba: modelado de secuencias en tiempo lineal con espacios de estados selectivos | P20_mamba.md |
| P21 路 Mixtral: mezcla dispersa de expertos | P21_moe.md |
| P22 路 DeepSeek-R1: incentivar la capacidad de razonamiento mediante aprendizaje por refuerzo | P22_deepseek_r1.md |
| P23 路 GloVe: vectores globales para representaci贸n de palabras | P23_glove.md |
| P24 路 Representaciones profundas de palabras dependientes del contexto | P24_elmo.md |
| P25 路 Explorar los l铆mites del aprendizaje por transferencia con un Transformer unificado texto a texto | P25_t5.md |
| P26 路 Control a nivel humano mediante aprendizaje por refuerzo profundo | P26_dqn.md |
| P27 路 Dominar el go con redes neuronales profundas y b煤squeda en 谩rbol | P27_alphago.md |
| P28 路 El prompting de cadena de pensamiento provoca razonamiento en modelos de lenguaje grandes | P28_chain_of_thought.md |
| P29 路 脕rbol de pensamientos: resoluci贸n deliberada de problemas con modelos de lenguaje grandes | P29_tree_of_thoughts.md |
| P30 路 Reflexion: agentes de lenguaje con refuerzo verbal | P30_reflexion.md |
| P31 路 Agentes generativos: simulacros interactivos de comportamiento humano | P31_generative_agents.md |
| P32 路 Voyager: un agente encarnado de final abierto con modelos de lenguaje grandes | P32_voyager.md |
| P33 路 AutoGen: aplicaciones de nueva generaci贸n mediante conversaci贸n multiagente | P33_autogen.md |
| P34 路 RoFormer: Transformer mejorado con codificaci贸n posicional rotatoria | P34_rope.md |
| P35 路 FlashAttention: atenci贸n exacta, r谩pida y eficiente en memoria, consciente de la E/S | P35_flashattention.md |
| P36 路 Perdidos en el medio: c贸mo usan los modelos de lenguaje los contextos largos | P36_lost_in_middle.md |
| P37 路 MemGPT: modelos de lenguaje como sistemas operativos | P37_memgpt.md |
| P38 路 Bayes variacional con autocodificaci贸n | P38_vae.md |
| P39 路 Redes generativas adversarias | P39_gan.md |
| P40 路 Dropout: una forma simple de evitar el sobreajuste en redes neuronales | P40_dropout.md |
| P41 路 Adam: un m茅todo de optimizaci贸n estoc谩stica | P41_adam.md |
| P42 路 Explicar y aprovechar los ejemplos adversarios | P42_adversarial.md |
| P43 路 Normalizaci贸n por lotes: acelerar el entrenamiento profundo | P43_batchnorm.md |
| P44 路 Aprendizaje residual profundo para reconocimiento de im谩genes | P44_resnet.md |
| P45 路 Destilar el conocimiento de una red neuronal | P45_distillation.md |
| P46 路 Una imagen vale 16x16 palabras: Transformers para reconocimiento de im谩genes a escala | P46_vit.md |
| P47 路 Predicci贸n de estructura de prote铆nas de alta precisi贸n con AlphaFold | P47_alphafold.md |
| P48 路 LoRA: adaptaci贸n de rango bajo de modelos de lenguaje grandes | P48_lora.md |
| P49 路 QLoRA: ajuste fino eficiente de modelos cuantizados | P49_qlora.md |
| P50 路 IA constitucional: inocuidad a partir de retroalimentaci贸n de IA | P50_constitutional_ai.md |
| P51 路 SWE-bench: 驴pueden los modelos resolver incidencias reales de GitHub? | P51_swebench.md |
| P52 路 Hacia la monosemanticidad: descomponer modelos de lenguaje con aprendizaje de diccionario | P52_superposition.md |
| P53 路 Sobre las l铆neas y planos de ajuste m谩s pr贸ximo a sistemas de puntos en el espacio | P53_pca.md |
| P54 路 Un c谩lculo l贸gico de las ideas inmanentes en la actividad nerviosa | P54_mcculloch_pitts.md |
| P55 路 Una teor铆a matem谩tica de la comunicaci贸n | P55_shannon.md |
| P56 路 Maquinaria computacional e inteligencia | P56_turing.md |
| P57 路 Propuesta para el proyecto de investigaci贸n de verano de Dartmouth sobre inteligencia artificial | P57_dartmouth.md |
| P58 路 La inform谩tica como indagaci贸n emp铆rica: s铆mbolos y b煤squeda | P58_simbolos_y_busqueda.md |
| P59 路 Agentes inteligentes: teor铆a y pr谩ctica | P59_agente_racional.md |
| P60 路 Por qu茅 la mayor铆a de los hallazgos publicados son falsos | P60_valor_predictivo.md |
| P61 路 Sobre los peligros de los loros estoc谩sticos: 驴pueden ser demasiado grandes los modelos de lenguaje? | P61_stochastic_parrots.md |
| P62 路 La IA y el benchmark del todo en el mundo entero | P62_benchmark_validez.md |
| P63 路 Mejorar la reproducibilidad en la investigaci贸n en aprendizaje autom谩tico | P63_reproducibilidad.md |
| P64 路 Informe sobre un programa general de resoluci贸n de problemas | P64_gps.md |
| P65 路 Un programa de m谩quina para demostraci贸n de teoremas | P65_dpll.md |
| P66 路 Una l贸gica orientada a m谩quina basada en el principio de resoluci贸n | P66_resolucion.md |
| P67 路 Una base formal para la determinaci贸n heur铆stica de caminos de coste m铆nimo | P67_a_estrella.md |
| P68 路 STRIPS: un nuevo enfoque para aplicar la demostraci贸n de teoremas a la resoluci贸n de problemas | P68_strips.md |
| P69 路 Un modelo de razonamiento inexacto en medicina | P69_mycin.md |
| P70 路 Consistencia en redes de relaciones | P70_arco_consistencia.md |
| P71 路 Un enfoque de traducci贸n para especificaciones de ontolog铆as portables | P71_ontologia.md |
| P72 路 IA neuro-simb贸lica: la tercera ola | P72_neurosimbolico.md |
| P73 路 Cuantizaci贸n por m铆nimos cuadrados en PCM | P73_kmeans.md |
| P74 路 Inducci贸n de 谩rboles de decisi贸n | P74_id3.md |
| P75 路 Redes de vectores soporte | P75_svm.md |
| P76 路 Un estudio de la validaci贸n cruzada y el bootstrap para estimar exactitud y seleccionar modelos | P76_validacion_cruzada.md |
| P77 路 Contracci贸n y selecci贸n en regresi贸n mediante el lasso | P77_lasso.md |
| P78 路 Una generalizaci贸n decisional del aprendizaje en l铆nea y su aplicaci贸n al boosting | P78_adaboost.md |
| P79 路 Bosques aleatorios | P79_random_forest.md |
| P80 路 Modelizaci贸n estad铆stica: las dos culturas | P80_dos_culturas.md |
| P81 路 Introducci贸n a la selecci贸n de variables y caracter铆sticas | P81_seleccion_de_caracteristicas.md |
| P82 路 Predecir buenas probabilidades con aprendizaje supervisado | P82_calibracion.md |
| P83 路 Visualizar datos con t-SNE | P83_tsne.md |
| P84 路 Bosque de aislamiento | P84_isolation_forest.md |
| P85 路 T茅cnicas de factorizaci贸n matricial para sistemas de recomendaci贸n | P85_factorizacion_matricial.md |
| P86 路 La competici贸n M4: resultados, hallazgos, conclusiones y camino a seguir | P86_m4.md |
| P87 路 Ensayo para resolver un problema en la doctrina de las probabilidades | P87_bayes.md |
| P88 路 Probabilidad, frecuencia y expectativa razonable | P88_cox.md |
| P89 路 Conjuntos difusos | P89_fuzzy.md |
| P90 路 Algoritmos gen茅ticos y la asignaci贸n 贸ptima de ensayos | P90_algoritmos_geneticos.md |
| P91 路 Fusi贸n, propagaci贸n y estructuraci贸n en redes de creencia | P91_redes_bayesianas.md |
| P92 路 Optimizaci贸n por enjambre de part铆culas | P92_pso.md |
| P93 路 Sistema de hormigas: optimizaci贸n mediante una colonia de agentes cooperantes | P93_aco.md |
| P94 路 Stan: un lenguaje de programaci贸n probabil铆stica | P94_programacion_probabilistica.md |
| P95 路 Las siete herramientas de la inferencia causal, con reflexiones sobre aprendizaje autom谩tico | P95_causalidad.md |
| P96 路 Un nuevo enfoque para los problemas de filtrado y predicci贸n lineales | P96_kalman.md |
| P97 路 Un sistema de control por capas robusto para un robot m贸vil | P97_subsuncion.md |
| P98 路 RRT-Connect: un enfoque eficiente para planificaci贸n de caminos de consulta 煤nica | P98_rrt.md |
| P99 路 Localizaci贸n y mapeo simult谩neos: parte I | P99_slam.md |
| P100 路 Requisitos para robots seguros: mediciones, an谩lisis y nuevas conclusiones | P100_seguridad_fisica.md |
| P101 路 Una reducci贸n del aprendizaje por imitaci贸n al aprendizaje en l铆nea sin arrepentimiento | P101_dagger.md |
| P102 路 Algoritmos de optimizaci贸n proximal de pol铆ticas | P102_ppo.md |
| P103 路 Aleatorizaci贸n de dominio para transferir redes profundas de la simulaci贸n al mundo real | P103_domain_randomization.md |
| P104 路 WebArena: un entorno web realista para construir agentes aut贸nomos | P104_webarena.md |
| P105 路 SeeClick: aprovechar el anclaje visual para agentes avanzados de interfaz gr谩fica | P105_seeclick.md |
| P106 路 OSWorld: evaluaci贸n de agentes multimodales en tareas abiertas sobre entornos inform谩ticos reales | P106_osworld.md |
| P107 路 Dapper, una infraestructura de trazado de sistemas distribuidos a gran escala | P107_dapper.md |
| P108 路 CAP doce a帽os despu茅s: c贸mo han cambiado las 芦reglas禄 | P108_cap.md |
| P109 路 La cola a escala | P109_cola_larga.md |
| P110 路 Una revisi贸n sobre adaptaci贸n a la deriva de concepto | P110_deriva.md |
| P111 路 Deuda t茅cnica oculta en los sistemas de aprendizaje autom谩tico | P111_deuda_tecnica.md |
| P112 路 La puntuaci贸n de pruebas de ML: una r煤brica de preparaci贸n para producci贸n | P112_ml_test_score.md |
| P113 路 Aprendizaje por refuerzo profundo que importa | P113_trazabilidad.md |
| P114 路 Tarjetas de modelo para el reporte de modelos | P114_tarjetas_de_modelo.md |
| P115 路 Hojas de datos para conjuntos de datos | P115_hojas_de_datos.md |
| P116 路 Por qu茅 Johnny no sabe hacer prompts: c贸mo los no expertos intentan (y fallan) dise帽ar prompts | P116_gestion_de_prompts.md |
| P117 路 AgentBench: evaluar modelos de lenguaje como agentes | P117_agentops.md |
| P118 路 Traducci贸n autom谩tica neuronal de palabras raras con unidades de subpalabra | P118_bpe.md |
| P119 路 WaveNet: un modelo generativo de audio en crudo | P119_wavenet.md |
| P120 路 Clasificaci贸n semisupervisada con redes convolucionales de grafo | P120_gcn.md |
| P121 路 MobileNets: redes convolucionales eficientes para visi贸n en dispositivos m贸viles | P121_mobilenets.md |
| P122 路 S铆ntesis de voz natural condicionando WaveNet con espectrogramas mel predichos | P122_tacotron.md |
| P123 路 SentencePiece: un tokenizador y detokenizador de subpalabras simple e independiente del idioma | P123_sentencepiece.md |
| P124 路 Redes de atenci贸n sobre grafos | P124_gat.md |
| P125 路 LayoutLM: preentrenamiento de texto y disposici贸n para comprensi贸n de documentos | P125_layoutlm.md |
| P126 路 Transformer de comprensi贸n de documentos sin OCR | P126_donut.md |
| P127 路 Jukebox: un modelo generativo de m煤sica | P127_jukebox.md |
| P128 路 NeRF: representar escenas como campos de radiancia neuronal | P128_nerf.md |
| P129 路 MusicLM: generar m煤sica a partir de texto | P129_musiclm.md |
| P130 路 Los modelos de lenguaje sobre c贸decs neuronales sintetizan voz sin ejemplos previos | P130_vall_e.md |
| P131 路 Una marca de agua para modelos de lenguaje grandes | P131_marcas_de_agua.md |
| P132 路 Splatting de gaussianas 3D para renderizado de campos de radiancia en tiempo real | P132_gaussian_splatting.md |
| P133 路 Los modelos de IA colapsan al entrenarse con datos generados recursivamente | P133_colapso_de_modelo.md |
| P134 路 La protecci贸n de la informaci贸n en los sistemas inform谩ticos | P134_minimo_privilegio.md |
| P135 路 El sistema Hearsay-II: integrar conocimiento para resolver incertidumbre | P135_pizarra.md |
| P136 路 El protocolo de red de contratos: comunicaci贸n y control en un resolutor distribuido | P136_red_de_contratos.md |
| P137 路 Principios del metarrazonamiento | P137_metarrazonamiento.md |
| P138 路 KQML como lenguaje de comunicaci贸n entre agentes | P138_kqml.md |
| P139 路 Un modelo de tipos y niveles de interacci贸n humana con la automatizaci贸n | P139_niveles_de_automatizacion.md |
| P140 路 MapReduce: procesamiento simplificado de datos en cl煤steres grandes | P140_mapreduce.md |
| P141 路 El problema de las dos sigmas: buscar instrucci贸n grupal tan eficaz como la tutor铆a individual | P141_dos_sigma.md |
| P142 路 Interferencia catastr贸fica en redes conexionistas: el problema del aprendizaje secuencial | P142_olvido_catastrofico.md |
| P143 路 Calibrar el ruido a la sensibilidad en el an谩lisis privado de datos | P143_privacidad_diferencial.md |
| P144 路 Fuera del mundo cerrado: sobre el uso de aprendizaje autom谩tico para detectar intrusiones | P144_ml_en_seguridad.md |
| P145 路 Superar el olvido catastr贸fico en redes neuronales | P145_ewc.md |
| P146 路 Aprendizaje eficiente en comunicaci贸n de redes profundas con datos descentralizados | P146_federado.md |
| P147 路 Los modelos recurrentes del mundo facilitan la evoluci贸n de pol铆ticas | P147_world_models.md |
| P148 路 Cerrar la brecha de responsabilidad: un marco de auditor铆a algor铆tmica interna | P148_auditoria_interna.md |