Google publica leyes de escalado para modelos de IA multilingües

Análisis Por qué importa

Más del 50% de usuarios de modelos de IA hablan idiomas no ingleses, pero la mayoría de guías públicas de escalado se enfocaban en inglés. ATLAS proporciona por primera vez orientación científica basada en datos para constructores de modelos que atienden a usuarios multilingües, resolviendo decisiones clave sobre eficiencia, calidad y coste en modelos no anglófilo.

Quién se ve afectado

Organizaciones que construyen modelos de IA para mercados multilingües, desarrolladores de modelos en idiomas de baja disponibilidad de recursos, y empresas que sirven a usuarios internacionales con múltiples lenguas.

Qué puede cambiar

Los desarrolladores disponen ahora de fórmulas concretas para decidir tamaño de modelo, volumen de datos e ideales mezclas de idiomas sin ensayo y error. Cambios específicos: para servir el doble de idiomas, el tamaño de modelo debe crecer 1,18x y los datos 1,66x; la selección de idiomas auxiliares (por familias lingüísticas y escritura compartida) puede optimizar rendimiento en idiomas objetivo como el catalán.

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