ES · Edición internacional · 18/10/2026
Inferama al día · 18/10/2026
Las novedades más importantes sobre inteligencia artificial desde el anterior boletín, seleccionadas por relevancia editorial.
Periodo de novedades: 17/10/2026 08:30 → 18/10/2026 08:30 (Europe/Madrid).
RLHF: qué es, cómo funciona y qué límites tiene
El aprendizaje por refuerzo con retroalimentación humana usa juicios o preferencias para orientar el ajuste de un modelo. Su flujo habitual incluye generar respuestas, recoger comparaciones, entrenar una recompensa aprendida y optimizar una política; cada etapa introduce decisiones y límites que conviene distinguir.
Leer artículo →
Reordenación de resultados (Reranking): definición, funcionamiento y límites en sistemas de recuperación
El reranking es la segunda etapa de puntuación en sistemas de recuperación que evalúa pares de consulta y documento para mejorar la precisión. Esta ficha explica su funcionamiento técnico, diferencia entre arquitecturas de un solo paso y dos etapas, y analiza sus límites operativos en pipelines RAG y búsqueda semántica.
Leer artículo →
Cómo instrumentar una aplicación de IA para investigar fallos, latencia y consumo
Una guía práctica para registrar cada solicitud y sus etapas sin guardar indiscriminadamente datos sensibles. Incluye un esquema de eventos, un ejemplo de instrumentación, criterios de privacidad, paneles de diagnóstico y un procedimiento para investigar fallos y distinguir el uso reportado por la API de los cargos finales.
Leer artículo →
Diseño de la degradación segura: guía para automatizaciones con IA
Cómo definir estados de fallo, políticas de recuperación y pruebas de aceptación para evitar efectos duplicados en flujos automatizados con inteligencia artificial.
Leer artículo →
AesCode 32B: protocolo de verificación para costes de despliegue local y auto-hospedado
Guía operativa para auditar los costes reales de AesCode 32B, diferenciando entre especificaciones técnicas confirmadas por Microsoft y variables económicas que requieren estimación propia, dado que no existen tarifas públicas de API para este modelo.
Leer artículo →
DeepSeek actualiza V4.1-Flash y abre sus API de búsqueda y Fetch
V4.1-Flash-1017 mejora los resultados declarados por DeepSeek en tareas agénticas y reduce el coste observado por tarea en su evaluación DeepSWE. La empresa también ofrece Search y Fetch por API; las comparaciones de rendimiento del nuevo checkpoint son, por ahora, pruebas internas.
Leer artículo →
GGUF, cuantización y VRAM: calcula la memoria para ejecutar modelos locales
Q4_K_M, Q5_K_M y Q8_0 no indican por sí solos cuánto hardware necesitas. Aprende a estimar los pesos, calcular la caché KV y validar una configuración con pruebas de velocidad y calidad específicas para tu tarea.
Leer artículo →
Analizar feedback de clientes con IA: guía para elegir entre búsqueda, clasificación y generación
Cómo distinguir entre localizar comentarios, descubrir temas, aplicar categorías conocidas y redactar síntesis para seleccionar el enfoque técnico adecuado según volumen, estructura y tolerancia al error.
Leer artículo →
Cómo auditar SQL generado por IA antes de usarlo
Una consulta puede ejecutarse sin errores y aun así calcular mal una métrica. Este protocolo explica cómo inspeccionar JOINs, filtros y agregaciones, probar en un entorno controlado y contrastar resultados con referencias conocidas.
Leer artículo →
Artículo 10 del AI Act: requisitos de datos de entrenamiento y su aplicación práctica
Análisis jurídico-operativo de los criterios de calidad, gobernanza y documentación exigidos por el Reglamento (UE) 2024/1689 para los conjuntos de datos de sistemas de IA de alto riesgo.
Leer artículo →