Investigadores del Stanford NLP Group han publicado un método revolucionario para combatir las alucinaciones en modelos de lenguaje grandes. La técnica, denominada VERIFY (Verification via Internal Representation Yield), analiza las activaciones de las capas intermedias del transformer durante la generación para identificar patrones asociados con contenido fabricado. En pruebas con Llama 3 y Mistral, el método redujo las alucinaciones factuales en un 70% con solo un 3% de aumento en latencia.
Investigación8 min min lectura
Investigadores de Stanford desarrollan método para reducir alucinaciones en LLMs un 70%
Un nuevo enfoque basado en activaciones internas permite detectar y corregir alucinaciones en tiempo de inferencia sin reentrenar el modelo.
IA
IAOnda Redaccion
jueves, 12 de marzo de 2026
Comentarios
Cargando comentarios...
Relacionados
Investigación
GPT-6 Astra conquista el vuelo autónomo y los negocios sin supervisión humana
GPT-6 Astra de OpenAI supera al humano en drones autónomos y triplica beneficios frente a Claude Fable 5.1. El sistema rechaza acuerdos ilegales de precios, mostrando juicio normativo sin precedentes en IA.
5 min lectura13hIAOnda Redaccion
Investigación
MIT lanza SEAL: marco que permite a los LLM autocorregirse y actualizarse
MIT presentó SEAL, un marco que permite a los LLM autocorregirse y actualizar sus pesos con aprendizaje por refuerzo. Una revolución que impulsa IA autónoma y mejora su rendimiento sin intervención externa.
5 min lecturaayerIAOnda Redaccion
Investigación
Nuevo marco multi-etapa revoluciona el razonamiento computacional
Un estudio de arXiv presenta un framework de encadenamiento de reglas que alcanza más del 95% de precisión en pruebas avanzadas. El sistema combina descubrimiento determinista, composición de patrones y abstracción estructural para lograr razonamiento composicional e interpretable.
5 min lecturaayerIAOnda Redaccion