Ir al contenido
IA para hoy
Investigación Investigación 3/5 · Una fuente fiable

Google Research propone un marco de "sueño" que ayuda a los LLM a retener conocimiento sin olvidar lo anterior

Fotografía de archivo que ilustra: Google Research propone un marco de "sueño" que ayuda a los LLM a retener conocimiento sin olvidar lo anterior
Foto: Pavel Danilyuk · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

Google Research presenta un marco de aprendizaje continuo con una fase offline de "sueño" en la que el modelo consolida en sus parámetros la información de contexto a corto plazo y genera ejemplos sintéticos para mejorar su razonamiento. Según el artículo, el método mantiene el rendimiento en traducción continua de lenguas poco comunes, escala hasta 10 millones de tokens en BABILong y obtiene 79,2% en AIME 24, superando a SFT y GRPO en las pruebas descritas.

Resumen generado mediante IA a partir de Google Research (original en inglés). Naturaleza de la información: declaración de parte interesada.

Análisis Por qué importa

Si el enfoque se confirma en condiciones reales, los modelos desplegados podrían incorporar información nueva sin reentrenamientos completos ni olvidar capacidades previas. Para las empresas, esto apuntaría a asistentes que se adaptan a su documentación interna con menos coste.

Quién se ve afectado
Desarrolladores de modelos y equipos que despliegan LLM con datos propios o que cambian de forma frecuente.
Qué puede cambiar
Podría reducirse la dependencia de ventanas de contexto muy grandes y de reentrenamientos costosos para actualizar conocimiento. Hoy los resultados son de un artículo de investigación, no de un producto disponible.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Si otros laboratorios reproducen los resultados con modelos de producción, si el método se integra en productos y cuál es su coste de cómputo durante la fase de sueño.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Fuente original: Google Research (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

LLMaprendizaje continuoMixture-of-Experts Google Research aprendizaje continuo Google Research LLM olvido catastrófico

Relacionadas

Google Research enseña a LLMs a razonar como modelos bayesianos

Google Research publica un estudio en el que entrena modelos de lenguaje para razonar de manera bayesiana óptima, imitando las predicciones de un asistente…

Por qué importaMejora la capacidad de los LLMs para actualizar estimaciones probabilísticas sobre preferencias de usuarios mediante múltiples interacciones, lo que…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Google Research
Educación

Google presenta LearnLM, modelo de IA educativo con enfoque socrático para aulas

Conchita Díaz, directiva de Google, presenta LearnLM, un modelo de IA específicamente entrenado con pedagogos para actuar como tutor socrático en las aulas. El…

Por qué importaRepresenta una apuesta clara de un gigante tecnológico por redefinir el papel de la IA en educación, enfatizando la complementariedad con docentes en…

Impacto medio Fiabilidad declaración interesada Business Insider España

Microsoft Research presenta EvoLib, marco de aprendizaje continuo para LLMs en inferencia

Microsoft Research publicó un paper y código sobre EvoLib, un framework que convierte experiencias pasadas de un LLM en habilidades reutilizables e ideas…

Por qué importaPropone una vía para que sistemas de IA basados en APIs (modelos de caja negra) mejoren su desempeño tras el despliegue sin reentrenar, lo que podría…

Impacto bajo Fiabilidad fuente primaria Microsoft Research
Investigación

Google Research explica por qué el razonamiento mejora el recuerdo factual en LLMs

Investigadores de Google Research publicaron un estudio, a presentarse en COLM 2026, que analiza por qué activar el razonamiento (chain-of-thought) mejora la…

Por qué importaEntender estos mecanismos ayuda a diseñar mejor los prompts y arquitecturas de razonamiento para mejorar la precisión factual de los LLMs en…

Impacto bajo Fiabilidad confirmado por varias fuentes Google Research

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre. Se guarda un resumen de tu IP para evitar abusos.