sources.yaml

# Fuentes primarias y venues para seguir la evolución de la IA
#
# Regla del eje: una afirmación sobre un paper se sostiene con la fuente primaria.
# Un blog, un hilo o un resumen generado por IA son pistas, nunca evidencia.
#
# `rol` distingue DÓNDE se publica de DÓNDE se busca. Confundirlos es el error
# más común: Google Scholar no publica nada, indexa.

updated: '2026-08-16'
revisar_cada: '90 días'

repositorios_de_preprints:
  - id: arxiv
    nombre: arXiv
    url: https://arxiv.org/
    rol: publicación temprana (preprint, sin revisión por pares)
    por_que_importa: >-
      Es el lugar donde aparece primero casi toda la investigación relevante de IA,
      con frecuencia meses antes de la conferencia. Attention Is All You Need estuvo
      en arXiv en junio de 2017 y en NeurIPS en diciembre de 2017.
    categorias:
      - id: cs.AI
        nombre: Artificial Intelligence
        url: https://arxiv.org/list/cs.AI/recent
      - id: cs.LG
        nombre: Machine Learning
        url: https://arxiv.org/list/cs.LG/recent
      - id: cs.CL
        nombre: Computation and Language (NLP y LLM)
        url: https://arxiv.org/list/cs.CL/recent
      - id: cs.CV
        nombre: Computer Vision and Pattern Recognition
        url: https://arxiv.org/list/cs.CV/recent
      - id: stat.ML
        nombre: Machine Learning (Statistics)
        url: https://arxiv.org/list/stat.ML/recent
    advertencia: >-
      Un preprint NO ha pasado revisión por pares. Puede contener errores, ser
      retirado o cambiar de versión (v1, v2, v3). Cita siempre la versión que leíste.

conferencias:
  - id: neurips
    nombre: NeurIPS (Conference on Neural Information Processing Systems)
    url: https://neurips.cc/
    proceedings: https://papers.nips.cc/
    rol: publicación revisada por pares
    cobertura: ML e IA en sentido amplio; teoría, sistemas, aplicaciones, evaluación
    papers_del_eje: [P04, P08, P10, P11, P12, P14, P15]
  - id: icml
    nombre: ICML (International Conference on Machine Learning)
    url: https://icml.cc/
    proceedings: https://proceedings.mlr.press/
    rol: publicación revisada por pares
    cobertura: machine learning avanzado, optimización, teoría del aprendizaje
  - id: iclr
    nombre: ICLR (International Conference on Learning Representations)
    url: https://iclr.cc/
    rol: publicación revisada por pares, con revisiones abiertas en OpenReview
    cobertura: deep learning, representaciones, arquitecturas modernas
    papers_del_eje: [P05, P07, P13]
  - id: acl
    nombre: ACL / NAACL / EMNLP (Association for Computational Linguistics)
    url: https://aclanthology.org/
    rol: publicación revisada por pares y archivo abierto y permanente
    cobertura: PLN, LLM, traducción, evaluación lingüística
    papers_del_eje: [P09]
    nota: >-
      ACL Anthology es de acceso abierto y estable: si un paper de PLN está ahí,
      esa es la referencia canónica que debes citar.

revisiones_abiertas:
  - id: openreview
    nombre: OpenReview
    url: https://openreview.net/
    rol: proceso editorial abierto (envíos, revisiones, réplicas de autores, decisión)
    por_que_importa: >-
      Es la única fuente que muestra el paper Y su discusión: qué objetaron los
      revisores, qué respondieron los autores y qué cambió entre versiones.
      Para aprender a leer críticamente vale tanto como el paper.
    uso_pedagogico: >-
      Ejercicio del nivel L3: leer una revisión negativa de un paper aceptado y
      decidir si la objeción quedó realmente resuelta.

buscadores_e_indices:
  - id: semantic-scholar
    nombre: Semantic Scholar
    url: https://www.semanticscholar.org/
    rol: índice y grafo de citas (NO publica)
    util_para: rastrear qué papers citan a este y reconstruir linajes
    api: https://api.semanticscholar.org/
  - id: google-scholar
    nombre: Google Scholar
    url: https://scholar.google.com/
    rol: índice de citas (NO publica)
    util_para: encontrar versiones alternativas y contar citas
    advertencia: >-
      El número de citas mide atención, no calidad ni corrección.
  - id: paperswithcode
    nombre: Papers with Code
    url: https://paperswithcode.com/
    rol: enlace entre papers y sus implementaciones
    advertencia: >-
      Que exista código no implica que reproduzca los resultados del paper.
  - id: doi
    nombre: DOI / Crossref
    url: https://www.doi.org/
    rol: identificador persistente
    util_para: citar revistas (Nature, Neural Computation, Psychological Review)

linaje_historico_de_referencia:
  descripcion: >-
    Ruta que muestra cómo circula una idea entre estas fuentes. Se usa en la clase
    L0 del eje para que el estudiante entienda el ciclo de vida de un paper.
  pasos:
    - '2017-06 · arXiv:1706.03762 — el preprint aparece'
    - '2017-12 · NeurIPS 2017 — revisión por pares y presentación'
    - '2017-2018 · el Transformer se convierte en arquitectura de referencia'
    - '2018 · BERT (encoder) y GPT (decoder) toman caminos distintos del mismo bloque'
    - '2020 · GPT-3 muestra aprendizaje en contexto al escalar'
    - '2020 · RAG separa conocimiento de parámetros'
    - '2022 · InstructGPT alinea el modelo con instrucciones humanas'
    - '2022-2023 · ReAct y Toolformer convierten al modelo en controlador de un bucle'
    - '2023+ · sistemas agentic: memoria, reflexión, multiagente, protocolos'

higiene_de_citacion:
  - Registra autores, año, título, venue, URL y fecha de consulta.
  - Cita la versión que leíste (arXiv v1 y v3 pueden diferir).
  - Prefiere el venue revisado si existe; usa arXiv cuando no exista o para la versión extendida.
  - No cites un paper que no abriste.
  - No conviertas un número de un resumen ajeno en un dato tuyo sin verlo en la tabla original.
  - Distingue siempre: hecho documentado / simplificación didáctica / inferencia propia.

no_redistribucion: >-
  Este repositorio enlaza a las fuentes. No aloja PDFs de terceros con licencia
  restrictiva. Los papers en revistas (P01, P02, P03) suelen requerir suscripción:
  busca la versión de acceso abierto del autor o consúltalos en una biblioteca.