-
Has creado una aplicación con IA: qué revisar antes de usarla en tu empresa
Una guía práctica para revisar permisos, credenciales, datos, copias e integraciones antes de poner en uso real una aplicación creada con inteligencia artificial.
-
HydraFusion: la IA que decide cuándo basta un modelo y cuándo conviene revisar el código
GitHub prueba HydraFusion, un sistema que elige entre resolver con un modelo, escalar o añadir una crítica independiente. Explicamos su arquitectura, los resultados medidos, los límites de la vista previa y qué pueden aprender los equipos técnicos.
-
GPT‑6 Astra ya está aquí: el salto de los LLM que responden a los agentes que actúan
OpenAI lanza GPT‑6 Astra, un modelo pensado para actuar sobre ordenadores y completar flujos de trabajo. Analizamos capacidades, benchmarks, precio, riesgos y qué hay realmente detrás del salto hacia los agentes.
-
Kimi K3 libera sus pesos: así es el gigante open weight de 2,8 billones de parámetros
Kimi K3 libera sus pesos: 2,8 billones de parámetros, arquitectura MoE, contexto de un millón de tokens y capacidades agénticas y multimodales.
-
Suplantación de SMS: por qué un mensaje falso puede aparecer junto a los mensajes reales de tu banco
Hay una escena que se repite cada vez más: recibes un SMS aparentemente enviado por tu banco, por una empresa de paquetería, por una administración pública o por una plataforma conocida. El mensaje aparece dentro del mismo hilo donde ya tenías mensajes legítimos anteriores. Mismo nombre de remitente, misma conversación, mismo aspecto. Y claro,…
-
Entendiendo y aplicando las funciones de activación
Las redes neuronales se componen de capas de neuronas que suman entradas ponderadas y luego aplican una función de activación para introducir no linealidad. Sin esa transformación, una red profunda se comportaría como una combinación lineal simple y no podría aprender patrones complejos. Las funciones de activación controlan el flujo de información y permiten…
-
Series temporales: modelos clásicos y avanzados para predecir el futuro
Las series temporales son registros ordenados en el tiempo. Su análisis permite extraer patrones y prever cómo evolucionará un fenómeno en el futuro. Para modelar estos datos se utilizan técnicas estadísticas y de machine learning que descomponen la serie en nivel, tendencia, estacionalidad y ruido. En esta entrada repasamos los modelos más usados —ARIMA,…
-
La IA resuelve su primer problema en FrontierMath
El 23 de marzo de 2026, el mundo de la investigación matemática vivió un hito: por primera vez una inteligencia artificial resolvió un problema abierto del banco de pruebas FrontierMath Open Problems. Esta colección, creada por Epoch AI, reúne problemas que no habían sido resueltos por humanos ni por sistemas de IA y cuyos resultados se pueden verificar automáticamente.…
-
Regularización para reducir el overfitting
El overfitting aparece cuando un modelo aprende demasiado bien los patrones y el ruido del conjunto de entrenamiento, perdiendo capacidad de generalización en datos nuevos. Una forma eficaz de mitigar este problema es regularizar los modelos lineales. La regularización introduce un término de penalización en la función de coste que desincentiva los coeficientes grandes…
-
Algoritmos genéticos
Los algoritmos genéticos (AG) no son una moda pasajera. Aunque su nombre parece sacado de una novela de ciencia ficción, sus raíces se remontan a la segunda mitad del siglo XX. Biólogos y matemáticos empezaron a simular la evolución en los años 50 y 60 para optimizar funciones y aprender patrones. El gran salto llegó en…
