- Best-IA Newsletter
- Posts
- Boletín Semanal Best-IA #29
GPTs
Prompt Engineering
¿No sabes cómo preguntarle a ChatGPT? Visita nuestro blog para aprender a formular prompts de manera óptima.
Robots
EVE (de 1X)
Características:
Diseño Humaniforme: EVE imita la forma humana, lo que le permite operar de manera eficiente en entornos diseñados para humanos.
Autonomía Basada en Redes Neuronales: Su autonomía impulsada por una red neuronal que integra la visión y la acción. La red consume imágenes y emite acciones para controlar el movimiento, los brazos, el agarre, el torso y la cabeza, todo a una frecuencia de 10Hz.
Aprendizaje End-to-End a Partir de Datos: EVE aprende comportamientos motorizados directamente de los datos visuales, sin teleoperación, gráficos por computadora, cortes, aceleraciones de video o reproducción de trayectorias programadas.
Entrenamiento con Conjuntos de Datos Diversos y de Alta Calidad: Para desarrollar sus modelos de aprendizaje automático, se utilizó un conjunto de datos de demostraciones de alta calidad y diversidad, obtenido de 30 robots EVE. Esto incluye una amplia gama de comportamientos físicos, como limpiar, ordenar hogares, recoger objetos e interactuar socialmente con humanos y otros robots.
Modelos Base y Afinamiento Específico de Tareas: EVE utiliza un modelo base que comprende un conjunto amplio de comportamientos físicos. Este modelo se afina posteriormente para desarrollar capacidades más específicas, como la manipulación de puertas o tareas de almacén, y luego se ajusta aún más para tareas específicas.
Rapidez y Flexibilidad en la Adquisición de Nuevas Habilidades: Gracias a su estrategia de entrenamiento, EVE puede adquirir nuevas habilidades con solo unos minutos de recopilación de datos y entrenamiento en una GPU de escritorio.
Operadores Androides como "Ingenieros de Software 2.0": Los operadores de EVE representan una nueva generación de ingenieros que desarrollan capacidades de robots a través de datos en lugar de escribir código, lo que aumenta significativamente la flexibilidad y capacidad de los androides para realizar tareas diversas para sus clientes.
LINK: https://www.1x.tech/discover/all-neural-networks-all-autonomous-all-1x-speed
Tutoriales
Cómo diseñar herramientas multiagente
ChatGPT explicado por Andrej Karpathy, uno de sus fundadores
Traducido a español con IA
Domina Copilot de Microsoft
Como usar Magnific AI
LM Studio Tutorial en Español
10 trucos de edición de video con Capcut
HuggingFace Assistants: La alternativa gratuita a los Custom GPTs
Noticias
Google lanza Gemini Ultra, el competidor más potente de GPT
Gemini Ultra 1.0 es el primer modelo en superar a expertos humanos en el entendimiento de lenguaje multitarea masivo (MMLU), abarcando 57 materias como matemáticas, física, historia, derecho, medicina y ética.
Introducción de Gemini Advanced:
Bard, que utiliza Gemini Pro en su versión gratuita, ahora se llamará simplemente Gemini. Está disponible en 40 idiomas y próximamente en una aplicación para Android e iOS.
La versión con Ultra se llamará Gemini Advanced.
Características de Gemini Advanced: Ofrece capacidades mejoradas en razonamiento, instrucciones, programación y colaboración creativa. Puede actuar como tutor personalizado o socio creativo.
Plan Premium de Google One AI: Permite el acceso a Gemini Advanced, ofreciendo lo mejor de la IA de Google en un solo lugar, incluyendo almacenamiento ampliado y características exclusivas de producto.
Integración de Gemini en Productos: Los modelos Gemini se integrarán en productos diarios como Workspace y Google Cloud, mejorando la productividad y ofreciendo nuevas funciones.
Gemini para Workspace: Más de 1 millón de personas ya utilizan funciones como "Help me write" a través de Duet AI, que se convertirá en Gemini para Workspace. Los suscriptores de Google One AI Premium podrán usar Gemini en Gmail, Docs, Sheets, Slides y Meet.
Gemini en Google Cloud: Duet AI se transformará en Gemini para clientes de Cloud, ayudando en productividad, desarrollo de software y protección contra ciberataques.
Futuro de Gemini: Próximamente se compartirán más detalles sobre las capacidades para desarrolladores y clientes de Cloud. Google ya está entrenando la próxima iteración de los modelos Gemini.
LINK: https://blog.google/technology/ai/google-gemini-update-sundar-pichai-2024/
AbacusAI presenta Smaug-72B, el mejor LLM de código abierto del mundo
Smaug-72B - The Best Open Source Model In The World - Top of Hugging LLM LeaderBoard!!
Smaug72B from Abacus AI is available now on Hugging Face, is on top of the LLM leaderboard, and is the first model with an average score of 80!!
In other words, it is the world's best… twitter.com/i/web/status/1…
— Bindu Reddy (@bindureddy)
12:38 AM • Feb 6, 2024
Google Deepmind presenta Self-Discover
SELF-DISCOVER es un marco de trabajo diseñado para modelos de lenguaje de gran escala, con el objetivo de abordar problemas de razonamiento complejo.
Autodescubrimiento de Estructuras de Razonamiento: La característica principal de SELF-DISCOVER es un proceso de autodescubrimiento donde los LLMs eligen múltiples módulos de razonamiento atómico, como el pensamiento crítico y el razonamiento paso a paso.
Composición de Estructuras de Razonamiento Explícitas: Estos módulos se combinan para formar una estructura de razonamiento explícita que los LLMs siguen durante el proceso de decodificación.
Mejora Sustancial en el Rendimiento: SELF-DISCOVER ha demostrado mejorar significativamente el rendimiento de modelos como GPT-4 y PaLM 2 en benchmarks de razonamiento desafiantes, como BigBench-Hard, razonamiento de agentes basados en datos y MATH.
Incremento de Eficacia Frente a Métodos Convencionales: Ha mostrado ser hasta un 32% más eficaz que métodos como Chain of Thought (CoT) y supera métodos intensivos en inferencia como CoT-Self-Consistency por más del 20%.
Menor Necesidad de Cómputo para Inferencia: SELF-DISCOVER requiere de 10 a 40 veces menos cómputo de inferencia en comparación con otros métodos.
Aplicabilidad Universal entre Diferentes Modelos: Las estructuras de razonamiento descubiertas son aplicables universalmente a través de distintas familias de modelos, desde PaLM 2-L hasta GPT-4, y desde GPT-4 hasta Llama2.
Similitudes con Patrones de Razonamiento Humano: Las estructuras de razonamiento descubiertas muestran tener similitudes con los patrones de razonamiento humano.