ES · Edición internacional · 21/10/2026
Inferama al día · 21/10/2026
Las novedades más importantes sobre inteligencia artificial desde el anterior boletín, seleccionadas por relevancia editorial.
Periodo de novedades: 20/10/2026 08:30 → 21/10/2026 08:30 (Europe/Madrid).
Aprendizaje con pocos ejemplos (Few-shot): definición, mecanismo y límites del in-context learning
El few-shot prompting es una técnica de ingeniería de contexto que incluye pares de entrada-salida en la petición para guiar la respuesta del modelo sin actualizar sus pesos. Esta ficha explica el mecanismo de in-context learning, ofrece tres ejemplos aplicados en distintos ámbitos, distingue la técnica de zero-shot, fine-tuning y cadena de pensamiento, y delimita sus restricciones operativas.
Leer artículo →
Incertidumbre: definición, tipos y métodos de cuantificación en modelos predictivos
La incertidumbre mide el grado de falta de certeza sobre una predicción o medición. Esta ficha explica la distinción fundamental entre incertidumbre aleatoria (ruido inherente) y epistémica (falta de conocimiento), detalla métodos de cuantificación como Monte Carlo y procesos gaussianos, y ofrece ejemplos aplicados en meteorología, ingeniería y ciencias sociales para evaluar la fiabilidad de los modelos.
Leer artículo →
Razonamiento en modelos: cómo funciona, ejemplos y límites
Definición rigurosa de la capacidad de razonamiento en modelos de lenguaje, explicación de su funcionamiento, tres ejemplos aplicados, métodos de evaluación y análisis de las limitaciones documentadas en la literatura primaria.
Leer artículo →
Robustez: definición, funcionamiento y límites en sistemas de aprendizaje automático
La robustez no es una propiedad absoluta, sino una relación entre un objetivo, un modificador, un dominio de variación y una tolerancia. Esta ficha explica cómo operacionalizar el concepto, cómo auditar modelos ante cambios de distribución y por qué un alto rendimiento en condiciones de laboratorio no garantiza un comportamiento fiable en el mundo real.
Leer artículo →
Moderación: definición, funcionamiento y límites en plataformas digitales
La moderación es el conjunto de acciones, automatizadas o humanas, que las plataformas aplican para detectar, identificar y tratar contenido que incumple sus términos o la ley. Este glosario explica su funcionamiento, los marcos regulatorios como el DSA, y los desafíos técnicos y éticos que plantea la automatización.
Leer artículo →
Cómo elegir, cuantizar y evaluar un modelo de lenguaje local
Una guía reproducible para seleccionar un modelo, estimar memoria, probar cuantizaciones y comprobar privacidad y rendimiento antes de desplegarlo.
Leer artículo →
DeepSeek abre DeepInfer, el framework que usa para servir V4.1-Flash
DeepSeek ha publicado su framework interno de inferencia, que ya utiliza en producción con V4.1-Flash. La apertura puede facilitar despliegues propios, pero las fuentes aportadas no permiten confirmar de forma independiente sus ventajas de rendimiento, el alcance del soporte para hardware ni una reducción efectiva de la dependencia de NVIDIA.
Leer artículo →
TorchNeuron: Amazon abre Trainium a PyTorch con un cambio de configuración
AWS lanza TorchNeuron, un backend nativo de código abierto que permite ejecutar modelos de PyTorch en chips Trainium2 y Trainium3. La herramienta busca reducir la dependencia de CUDA, aunque su primera versión presenta limitaciones de compatibilidad y omite miles de pruebas del framework.
Leer artículo →
Agentes de IA vulneran más de 100 empresas con un coste de 25 dólares por objetivo
Un ciberdelincuente utilizó agentes de IA autónomos para atacar a más de 100 organizaciones en cinco días, robando 600.000 tarjetas de crédito con un coste medio de 25 dólares por empresa. El incidente, documentado por Gambit Security, marca un hito en la automatización ofensiva y obliga a repensar las defensas tradicionales.
Leer artículo →
Procesar facturas con IA: qué automatizar, qué validar y cuándo detener el flujo
Una guía para separar extracción, controles contables y aprobación humana. No hay un umbral universal de precisión o volumen: la decisión debe basarse en pruebas con facturas reales, reglas verificables y el coste de los errores.
Leer artículo →