Midjourney ha lanzado una actualización v7 que aporta una serie de mejoras significativas.La nueva versión del modo rápido reduce considerablemente el tiempo de procesamientoEn el modo rápido sólo tarda unos 40 segundos, y en el modo turbo sólo 18 segundos. Esta mejora no sólo mejora la experiencia del usuario, sino que también hace que la versión v7 cueste casi la mitad que la anterior.
Además, la v7 introduce un nuevoSistema de OmnireferenciaEl parámetro Omni-Wight permite al usuario añadir elementos específicos a la imagen, como personajes, objetos, vehículos o criaturas. Ajustando el parámetro Omni-Weight, el usuario puede controlar el rigor de la imagen de referencia para generar imágenes más precisas.
Estas actualizaciones son especialmente importantes para los creadores de contenidos y diseñadores que necesitan generar imágenes de alta calidad de forma eficiente, sobre todo en sectores como el desarrollo de juegos, el diseño publicitario y la producción cinematográfica.
---
En una conversación en profundidad sobre la larga formación previa contextual de Gemini, Logan y Nikolay tratan varios temas importantes.
En primer lugar, hablaron de por qué eligieron 1 millón (1M) como la longitud del contexto. nikolay explicó que esto se debía a que 1M era 10 veces la longitud estándar en ese momento, lo que está en consonancia con lo que Google siempre ha hecho: aspirar siempre a un orden de magnitud superior al statu quo a la hora de establecer objetivos.
Cuando se le preguntó por longitudes de contexto mayores (por ejemplo, 1-2M o más), Nikolay señaló que habían probado con 10 millones (10M), lo cual, aunque técnicamente factible, era costoso y con recursos de hardware limitados.
A la pregunta de si los contextos largos invalidan la generación mejorada por recuperación (RAG), Nikolay subraya que ambos se complementan y que la clave está en la eficacia con que se utilice la información contextual.
En cuanto al problema de los agujeros de alfiler sencillos (NIAH), Nikolay afirma que este tipo de problema ya se ha resuelto en gran medida, y que el verdadero reto consiste en hacer frente a las "interferencias duras" y los agujeros de alfiler múltiples, que pueden distraer al modelo.
Sobre por qué se centró en NIAH, Nikolay explicó que las tareas de evaluación demasiado complejas pueden diluir la señal de capacidad y dar lugar a resultados de evaluación ambiguos.
Por último, hablaron del desajuste entre las longitudes de entrada y salida. Aunque las entradas más largas pueden manejarse en la fase de preentrenamiento, en la práctica el modelo tiende a acabar generando dentro de un cierto rango, aunque se requieran respuestas más largas.
Otros puntos destacables son:
- No observaron un efecto "lost-in-the-middle".
- Es importante tener en cuenta que puede haber un conflicto entre el conocimiento contextual y el conocimiento en las ponderaciones, por lo que esto debe indicarse explícitamente en la consulta.
- El camino a seguir es un procesamiento contextual 10M más rentable y preciso, con el objetivo final posiblemente de 100M, pero esto puede requerir nuevas innovaciones de aprendizaje profundo.
- No basta con tener un hardware potente, se necesitan ingenieros de inferencia muy buenos para apoyarlo.
---
Para superar el límite de los 10M+, estamos probando los siguientes métodos:
**Espaciosidad**: por ejemplo, Routing Transformer, que reduce la complejidad computacional mediante un mecanismo de enrutamiento.
**Ahorro en el prellenado**: las ideas de Matroshka se utilizan para optimizar el proceso de prellenado y aumentar la eficiencia.
Salidas anticipadasLa detención anticipada del cálculo cuando el modelo alcanza un determinado nivel de confianza reduce el consumo innecesario de recursos informáticos.
El diálogo entre Logan y Nikolay aporta muchas ideas interesantes:
- ¿Por qué 1 millón? Porque era diez veces más de lo habitual en aquel momento. Los empleados de Google suelen fijarse objetivos para multiplicar por diez el statu quo, no sólo para igualar o superar ligeramente los niveles actuales.
- Para más de 1-2M, han probado con 10M, lo que es factible pero costoso y con escasos recursos de hardware.
- La RAG de contexto largo no es una killer app, ambas pueden complementarse, todo depende de la eficacia con la que se llene el contexto.
- El sencillo problema de la "aguja en un pajar" está resuelto, pero la dificultad radica en hacer frente a las "interferencias duras", que distraen la atención. Además, el problema de las agujas múltiples supone un reto por la necesidad de dividir la atención.
- El ajuste de 1M de entradas con 8k de salidas se debe a que esto no es un problema en la fase de pre-entrenamiento, pero en post-entrenamiento el modelo puede tender a terminar la generación antes, incluso si se necesitan respuestas más largas.
- No observaron el fenómeno "perdido en el medio".
- Es importante señalar que existe una distinción entre el conocimiento en contexto y el conocimiento en ponderaciones, y que pueden surgir conflictos cuando se utiliza el contexto para actualizar el conocimiento.
- El siguiente paso será implementar contextos 10M más baratos y precisos para la mayoría de las bases de código. Y llegar a los 100 millones probablemente requerirá nuevas innovaciones de aprendizaje profundo.
- No basta con tener chips, se necesitan ingenieros de razonamiento con mucho talento.
---
Un nuevo estudio en el campo del diseño de grandes modelos lingüísticos (LLM) puede marcar un punto de inflexión.Como el experimento de la Torre de Pisa que abrió la física modernaEste estudio revela los verdaderos límites de las distintas arquitecturas LLM mediante un entorno sintético controlado de preentrenamiento. Este hallazgo puede clasificar la investigación sobre LLM en "antes" y "después".
El equipo de investigación diseñó un conjunto de datos sintéticos para probar sistemáticamente el rendimiento de varias arquitecturas LLM. Comprobaron que ciertas arquitecturas funcionaban bien en tareas específicas, pero eran significativamente deficientes en otras. Además, los investigadores exploraron el rendimiento de estas arquitecturas en conjuntos de datos de distintos tamaños, lo que aclaró aún más su aplicabilidad y sus limitaciones. Esto proporciona una valiosa orientación para futuros diseños de LLM.
Entre las principales conclusiones figuran:
- Algunas arquitecturas funcionan bien con textos largos, pero no tanto con textos cortos.
- Algunas arquitecturas funcionan mejor con recursos informáticos limitados y son adecuadas para la implantación de dispositivos periféricos.
- Algunos diseños arquitectónicos novedosos muestran un gran potencial en entornos de aprendizaje multitarea.
Los resultados de esta investigación no sólo son importantes para el mundo académico, sino que también proporcionan una referencia práctica a la industria para ayudar a los desarrolladores a elegir la arquitectura LLM adecuada para las aplicaciones del mundo real.
---
ChaiGenie es una extensión de Chrome basada en la integración de Gemini y Qdrant de LangChain, diseñada para la búsqueda eficiente de documentos. Es compatible con varios idiomas y utiliza la tecnología de búsqueda vectorial para mejorar significativamente la precisión y la velocidad de búsqueda. Al combinar una avanzada tecnología de procesamiento del lenguaje natural y una potente base de datos vectorial, ChaiGenie puede ayudar a los usuarios a encontrar rápidamente la información que necesitan en una enorme cantidad de documentos.
Esta herramienta es especialmente adecuada para profesionales como desarrolladores, investigadores y estudiantes que necesitan acceder con frecuencia a un gran número de documentos. Su soporte multilingüe integrado hace que la búsqueda de documentos en varios idiomas sea fácil y cómoda. Además, ChaiGenie ofrece una interfaz fácil de usar que hace que su manejo sea intuitivo y sencillo.
Aspectos destacados del proyecto:
- Soporte multilingüe
- técnica de búsqueda vectorial
- Integración de Gemini y Qdrant basada en LangChain
Para más información, visite GitHub: https://github.com/LangChainAI/ChaiGenie
---
un aparato llamadoAgente de investigaciónLa aplicación web de LangGraph proporciona acceso con un solo clic a los resultados de la investigación a través del marco del Asistente de Investigación de LangGraph. La aplicación combina una interfaz de usuario intuitiva con una potente tecnología de IA para ofrecer un flujo de trabajo eficiente y fluido a los investigadores.
El principal punto fuerte de Research Agent es su capacidad para procesar y analizar automáticamente grandes cantidades de bibliografía con el fin de ayudar a los investigadores a encontrar rápidamente la información que necesitan. Además, admite diversos métodos de búsqueda, como búsquedas por palabras clave, semánticas y gráficas, lo que permite a los usuarios obtener resultados de investigación completos y precisos en poco tiempo.
Enlace GitHub:https://t.co/XPpHckIH9S
La herramienta se utiliza ahora ampliamente en diversos campos, como la medicina, la informática y las ciencias sociales, y ha mejorado enormemente la eficacia y la calidad de la investigación.
---
Recientemente, un estudio sobre el aprendizaje por refuerzo para el razonamiento en grandes modelos lingüísticos ha atraído mucha atención. El estudio mejoró espectacularmente el rendimiento en el conjunto de datos MATH500, que pasó de 36,01 TP3T a la asombrosa cifra de 73,61 TP3T realizando aprendizaje por refuerzo y razonamiento variacional (RLVR) en un único ejemplo.
Los investigadores observaron que incluso utilizando sólo la pérdida de entropía sin introducir ninguna recompensa por los resultados, el rendimiento mejoraba en 27,41 TP3T, un hallazgo que cuestiona la popularidad actual del fenómeno "grokking" y aporta nuevas ideas para futuras técnicas de procesamiento del lenguaje natural.
Documentos relacionados:Aprendizaje por refuerzo para el razonamiento en grandes modelos lingüísticos con un solo ejemplo de entrenamiento.
Este resultado de la investigación no sólo valida la eficacia de los métodos de aprendizaje por refuerzo, sino que además pone de relieve el potencial de mejorar el rendimiento del modelo con pequeñas cantidades de datos de entrenamiento, lo que es importante para escenarios de aplicación práctica que requieren un uso eficiente de los recursos.
---
Ahora, con el último componente cliente MCP de @copilotkit, puedes conectar fácilmente cualquier aplicación a un servidor MCP, como Cursor o Claude Desktop.
Esto se consigue ejecutando el siguiente comando: npx copilotkit@latest init -m MCP
100% Java Código abiertoEsto significa que usted es libre de ver y modificar el código para adaptarlo a sus necesidades específicas.
Esta tecnología no sólo proporciona a los desarrolladores una mayor flexibilidad, sino que también facilita la creación e integración de aplicaciones versátiles. Tanto si estás desarrollando una solución empresarial como un proyecto personal, puedes beneficiarte de ella.
MCP (Multi-Channel Protocol) es una tecnología utilizada para una comunicación eficaz entre distintos sistemas. Admite diversos métodos de transferencia de datos, como la mensajería en tiempo real y el intercambio de archivos. Esta potente capacidad de comunicación puede mejorar drásticamente la funcionalidad y la experiencia de uso de las aplicaciones.
Para las organizaciones que ya disponen de servidores MCP, esta nueva tecnología significa que pueden ampliar sus ecosistemas más rápidamente sin tener que construir una nueva infraestructura desde cero.
---
Trellix acaba de lanzar un asistente de ingeniería llamado **Sidekick**, una herramienta que revoluciona los flujos de trabajo de los ingenieros aprovechando el conjunto de productos de LangChain, incluidos LangChain, LangGraph y LangSmith.Sidekick pretende proporcionar un desarrollo más eficiente a través de la tecnología de inteligencia artificial Sidekick pretende proporcionar un desarrollo más eficiente gracias a la tecnología de inteligencia artificial.
La herramienta no sólo optimiza el proceso de escritura de código, sino que también ayuda en una serie de áreas como la depuración, las pruebas y la generación de documentación, lo que mejora enormemente la eficiencia del desarrollo. Además, Sidekick integra el procesamiento del lenguaje natural, lo que permite a los desarrolladores interactuar con el sistema a través del diálogo, simplificando la ejecución de tareas complejas.
Para las empresas, la introducción de estos asistentes de desarrollo inteligentes puede reducir los costes de mano de obra, aumentar la velocidad de entrega de los proyectos y garantizar una calidad uniforme del código. A medida que más y más empresas empiezan a reconocer el valor de las herramientas de automatización, soluciones como Sidekick se están convirtiendo en una tendencia del sector.
---
Hace poco.Géminisjunto conCadena LangChainhan publicado conjuntamente una guía para desarrolladores actualizada diseñada para ayudar a los desarrolladores a incorporar mejor laGéminisLas capacidades multimodales, la invocación de herramientas y la funcionalidad de salida estructurada con laCadena LangChainRealice integraciones. La guía no sólo cubre los últimos modelos compatibles, sino que también ofrece abundantes ejemplos de código real.
Con el desarrollo de las tecnologías de IA, el procesamiento multimodal y los resultados estructurados cobran cada vez más importancia en el campo del Procesamiento del Lenguaje Natural (PLN). Al integrarGéminisresponder cantandoCadena LangChainEl nuevo sistema permite a los desarrolladores crear aplicaciones más potentes que abarcan una amplia gama de tareas, desde la generación de textos hasta la comprensión de imágenes.
- **Capacidad multimodal**: admite el tratamiento de datos multimodales, como texto e imágenes.
- **Llamada a la herramienta**: Proporciona una rica interfaz API para simplificar el proceso de integración de la herramienta.
- **Salida estructurada**: los datos generados tienen un formato más normalizado para su posterior tratamiento y aplicación.
La guía también incluye ejemplos de código detallados y escenarios de aplicación reales para ayudar a los desarrolladores a empezar rápidamente y lograr un desarrollo eficaz.
