Ir al contenido
IA para hoy

fine-tuning

Noticias etiquetadas con «fine-tuning»

32 noticias

Filtrar
Herramientas y productos

Hugging Face muestra cómo un agente de IA (ML-intern) crea modelos de principio a fin con presupuesto limitado

Un usuario de HuggingChat usó el modo ML-intern para planificar, entrenar, evaluar y publicar seis modelos de IA distintos en el Hub, incluyendo un modelo de…

Por qué importaMuestra un patrón de uso de agentes de IA que automatizan todo el ciclo de desarrollo de modelos, desde la construcción de datasets hasta el…

Impacto medio Fiabilidad una fuente fiable Hugging Face
Herramientas y productos

AWS muestra cómo personalizar Qwen3-8B para etiquetado de productos con SageMaker serverless

AWS publica un tutorial técnico que muestra cómo personalizar el modelo abierto Qwen3-8B mediante fine-tuning supervisado (SFT) y aprendizaje por refuerzo con…

Por qué importaOfrece un patrón concreto y reproducible para que empresas de retail reduzcan el coste y la inconsistencia del etiquetado manual de catálogos usando…

Impacto bajo Fiabilidad una fuente fiable AWS Machine Learning Blog
Herramientas y productos

AWS publica un marco de 8 pasos para elegir cómo personalizar modelos de IA generativa

AWS presenta en su blog un framework de decisión de 8 pasos para elegir entre prompt engineering, RAG, fine-tuning, pre-entrenamiento continuo y modelos…

Por qué importaOfrece a equipos técnicos y de negocio un criterio ordenado para evitar sobreinversión en fine-tuning cuando bastaría con mejorar prompts, o quedarse…

Impacto medio Fiabilidad una fuente fiable AWS Machine Learning Blog
Empresa y transformación digital

Microsoft España: el valor de la IA empresarial depende del contexto, no solo del modelo

Paco Salcedo, presidente de Microsoft España, defendió en una entrevista que la IA empresarial eficaz requiere contextualización y fine-tuning con datos…

Por qué importaEl mensaje anticipa un cambio en el modelo de facturación de IA (de licencia fija a consumo por tokens) que obliga a las empresas a gestionar…

Impacto medio Fiabilidad varias fuentes Computerworld España
Investigación

Multiverse Computing propone entrenar rechazos de IA por subtemas, no por temas completos

Multiverse Computing publicó un paper y post técnico sobre 'boundary-aware self-distillation', un método para entrenar modelos a rechazar solo el subconjunto…

Por qué importaMuestra que optimizar solo la tasa de rechazo de contenido dañino puede producir modelos inútiles por exceso de negativas en casos legítimos…

Impacto bajo Fiabilidad una fuente fiable Hugging Face
Investigación

Hugging Face muestra cómo GRPO mejora salidas estructuradas en un modelo de 350M parámetros

Un tutorial de Hugging Face aplica fine-tuning con GRPO y LoRA sobre LFM2.5-350M usando ~500 muestras y 100 pasos de entrenamiento, dirigido a mejorar el…

Por qué importaDemuestra que el fine-tuning con RL de bajo coste puede mejorar sustancialmente la fiabilidad de salidas estructuradas en modelos pequeños…

Impacto bajo Fiabilidad una fuente fiable Hugging Face
Investigación

AWS publica guía sobre preparación de datos para fine-tuning supervisado

AWS ha publicado un artículo técnico en su Machine Learning Blog que detalla las prácticas fundamentales para preparar datos en proyectos de fine-tuning…

Por qué importaLa preparación de datos es el paso crítico que determina el techo de rendimiento de cualquier proyecto de customización de modelos. Para equipos de…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 AWS Machine Learning Blog
Investigación

Hugging Face publica guía para entrenar modelos multi-vector con Sentence Transformers

Hugging Face ha publicado una guía técnica sobre cómo entrenar y ajustar modelos de incrustación multi-vector (late-interaction) usando Sentence Transformers…

Por qué importaDemocratiza el entrenamiento de modelos especializados de recuperación sin infraestructura costosa, permitiendo que equipos internos adapten búsqueda…

Impacto medio Fiabilidad fuente primaria Hugging Face
Investigación

AWS presenta técnica para preservar razonamiento en fine-tuning sin trazas de cadena de pensamiento

AWS publica en su blog de machine learning una técnica llamada Self-Distilled Reasoning (SDR) que permite mejorar el fine-tuning supervisado (SFT) de modelos…

Por qué importaPara empresas que quieren personalizar modelos Nova mediante fine-tuning en datos específicos de dominio, SDR elimina la barrera de costo y…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

NVIDIA y Hugging Face integran entrenamiento distribuido de modelos de difusión a escala

NVIDIA y Hugging Face han colaborado para integrar la librería NeMo Automodel en Diffusers, permitiendo entrenar y adaptar modelos de difusión de imagen y…

Por qué importaPara equipos de investigación y empresas que trabajan con modelos generativos, esto reduce significativamente la barrera técnica de entrenamiento y…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Herramientas y productos

Amazon integra modelos de Hugging Face en SageMaker Studio con un clic

Amazon ha lanzado una integración que permite acceder directamente desde Hugging Face a Amazon SageMaker Studio sin pasos intermedios. Los desarrolladores…

Por qué importaEsta integración reduce significativamente la fricción para desarrolladores y empresas que desean experimentar rápidamente con modelos abiertos en un…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Herramientas y productos

NVIDIA NeMo AutoModel acelera el entrenamiento de modelos MoE un 3.4x con API compatible

NVIDIA ha lanzado NeMo AutoModel, una librería abierta que optimiza el entrenamiento de modelos de mezcla de expertos (MoE) sobre Transformers v5. El sistema…

Por qué importaEl entrenamiento eficiente de modelos MoE es un cuello de botella creciente en la industria; esta solución permite a equipos escalar el fine-tuning…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Investigación

Modelos especializados pequeños superan a los más grandes en OCR, con 52x menos coste

Dharma AI publicó un benchmark donde un modelo de 3 mil millones de parámetros especializado en OCR para portugués brasileño superó a todos los modelos…

Por qué importaLas empresas llevan años pagando por modelos frontera asumiendo que mayor tamaño garantiza mejor rendimiento. Este benchmark demuestra que la…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Hugging Face
Investigación

AWS publica guía de fine-tuning con LLM como árbitro para alinear modelos Amazon Nova

AWS ha publicado un post técnico en su blog de machine learning explicando cómo implementar Reinforcement Fine-Tuning (RFT) con LLM-as-a-judge (RLAIF) en los…

Por qué importaEl fine-tuning con retroalimentación automatizada reduce significativamente los costes y el tiempo de alineación de modelos LLM, permitiendo que…

Impacto medio Fiabilidad confirmado por varias fuentes AWS Machine Learning Blog
Herramientas y productos

AWS publica guía práctica para ajustar modelos Nova con mezcla de datos

AWS ha publicado un tutorial detallado en su blog de machine learning sobre cómo realizar fine-tuning de modelos Amazon Nova usando el SDK Nova Forge…

Por qué importaPara empresas que usan AWS, esta guía operativa reduce la barrera de entrada al fine-tuning especializado de modelos, mostrando cómo mantener…

Impacto medio Fiabilidad confirmado por varias fuentes AWS Machine Learning Blog
Herramientas y productos

AWS Nova Micro: fine-tuning eficiente para SQL personalizado con inferencia bajo demanda

AWS publica un tutorial técnico demostrando cómo afinar Amazon Nova Micro para generación de SQL personalizado usando dos enfoques: Amazon Bedrock Model…

Por qué importaLas empresas que necesitan traducir lenguaje natural a SQL en dialectos o esquemas propios enfrentan un dilema: los modelos base son imprecisos, pero…

Impacto medio Fiabilidad fuente primaria AWS Machine Learning Blog
Investigación

Hugging Face añade herramientas para ajustar modelos multimodales de embeddings

Hugging Face ha publicado una guía práctica sobre cómo ajustar (finetuning) modelos multimodales de embeddings con Sentence Transformers. En un caso concreto…

Por qué importaPara empresas con datos específicos de dominio, ajustar modelos multimodales permite mejorar drásticamente el rendimiento en tareas concretas (como…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 Hugging Face
Herramientas y productos

AWS Lambda para funciones de recompensa en personalización de Amazon Nova

AWS publica una guía técnica sobre cómo construir funciones de recompensa escalables con Lambda para fine-tuning por refuerzo de modelos Amazon Nova. La…

Por qué importaEl fine-tuning por refuerzo reduce significativamente la cantidad de datos etiquetados necesarios respecto a métodos supervisados, permitiendo…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

AWS Bedrock permite ajustar modelos Nova con fine-tuning automático

AWS ha publicado una guía completa sobre cómo realizar fine-tuning de modelos Amazon Nova en Amazon Bedrock. El servicio soporta tres enfoques de…

Por qué importaLas empresas pueden ahora adaptar modelos de lenguaje pequeños a sus necesidades específicas sin expertise en machine learning profundo, reduciendo…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

AWS publica guía de fine-tuning por refuerzo en Amazon Bedrock con mejoras de hasta 66%

AWS publica una guía de mejores prácticas para fine-tuning por refuerzo (RFT) en Amazon Bedrock, que permite personalizar modelos como Amazon Nova mediante…

Por qué importaReduce significativamente la complejidad y coste de personalización de modelos base sin necesidad de grandes datasets etiquetados, permitiendo que…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

AWS SageMaker mejora agentes IA con fine-tuning por refuerzo verificable para llamadas de herramientas

AWS ha publicado un tutorial sobre fine-tuning de modelos de IA para mejorar las llamadas a herramientas en agentes mediante técnica RLVR (Reinforcement…

Por qué importaLos agentes IA en producción requieren llamadas a herramientas precisas; los modelos base frecuentemente alucinen herramientas incorrectas o…

Impacto medio Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

TRL v1.0: biblioteca de post-entrenamiento de Hugging Face alcanza estabilidad

Hugging Face ha lanzado TRL v1.0, una biblioteca de post-entrenamiento que implementa más de 75 métodos (PPO, DPO, ORPO, KTO, GRPO y variantes) y se descarga 3…

Por qué importaTRL es infraestructura crítica para cualquier equipo que implemente post-entrenamiento de modelos LLM. La estabilidad v1.0 permite que empresas…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Herramientas y productos

AWS Bedrock amplía fine-tuning por refuerzo a modelos abiertos GPT-OSS y Qwen

AWS anunció en febrero de 2026 la extensión de su servicio Reinforcement Fine-Tuning (RFT) en Amazon Bedrock a modelos abiertos como OpenAI GPT-OSS 20B y Qwen…

Por qué importaRFT representa un cambio significativo respecto al fine-tuning supervisado tradicional: permite que los modelos aprendan de forma iterativa a partir…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

NVIDIA publica receta para ajustar modelos de embedding en menos de un día

NVIDIA ha publicado en Hugging Face un tutorial completo para adaptar modelos de embedding a dominios específicos usando una sola GPU en menos de 24 horas, sin…

Por qué importaPara empresas que utilizan búsqueda semántica o RAG, este método reduce drásticamente el coste y tiempo de adaptación de modelos a sus datos…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face