← Inicio
Noticias y análisis
Tutoriales
Cómo funcionan los modelos de lenguaje, sin jerga: inferencia, entrenamiento, fine-tuning, las capas internas.
Guías
Cómo un modelo escribe su respuestaCómo se entrena un modeloCómo afinamos un modeloLas capas que ponemos sobre un modeloGlosario
Prompt, retrieval o fine-tuning: cuál resuelve cada problema
Casi todos los equipos responden a cualquier problema con un prompt más largo. El prompt cambia lo que preguntas, el retrieval cambia lo que el modelo sabe al responder, el fine-tuning cambia cómo se comporta. Una guía breve para distinguirlos, con una tabla para usar hoy mismo.
La complacencia de la IA explicada: por qué un modelo te da la razón, y una prueba de cinco minutos
Un modelo complaciente cambia una respuesta correcta porque insististe, o elogia un plan que debería cuestionar. Aquí está por qué ocurre, una prueba que cualquiera puede hacer en cinco minutos y lo que una sola prueba no ve.
Biblioteca
Artículos breves y prácticos sobre modelos de lenguaje de la base de conocimiento de xbe.at (en inglés).
LLMs and generative AI
Large language models, retrieval, agents, fine-tuning and prompting.
Agents and LangChain
Integrating YOLO OCR and AI Agents for Document Organization29 min de lectura · xbe.at ↗Building LLMs from Scratch Python Practical Code Examples15 min de lectura · xbe.at ↗Building and Deploying an LLM Agent in Python A Step-by-Step Guide15 min de lectura · xbe.at ↗Swarm OpenAI's Multi-Agent Orchestration Framework12 min de lectura · xbe.at ↗Building an Agentic Mesh for Autonomous Agents12 min de lectura · xbe.at ↗Bridging LLMs and Graph Learning with Python11 min de lectura · xbe.at ↗
Los 32 en xbe.at ↗
Fine tuning and alignment
Fundamental Topics of LLM Fine-tuning16 min de lectura · xbe.at ↗Efficient LLM Fine-Tuning with LoRA15 min de lectura · xbe.at ↗Techniques for Fine-Tuning Large Language Models12 min de lectura · xbe.at ↗Entropic Distribution Matching for Supervised LLM Fine-tuning12 min de lectura · xbe.at ↗Knowledge Distillation in Large Language Models12 min de lectura · xbe.at ↗Mastering AI with Fine-Tuning Large Language Models12 min de lectura · xbe.at ↗
Los 25 en xbe.at ↗
LLM architecture and theory
Addressing Hallucinations in Large Language Models15 min de lectura · xbe.at ↗Positional Encodings in Transformer LLMs14 min de lectura · xbe.at ↗Transformer Architecture for Efficient LLM Processing13 min de lectura · xbe.at ↗Comparing Dense, Sparse, and Mixture of Experts for LLMs12 min de lectura · xbe.at ↗Evaluating Large Language Models 30 Common Metrics12 min de lectura · xbe.at ↗The Exponential Growth of Large Language Models11 min de lectura · xbe.at ↗
Los 45 en xbe.at ↗
RAG and retrieval
Chunking Strategies for Improved RAG Performance19 min de lectura · xbe.at ↗Retrieval-Augmented Generation (RAG) vs. HyDE Revolutionizing Text Generation18 min de lectura · xbe.at ↗Retrieval Augmented Generation (RAG) in Large Language Models16 min de lectura · xbe.at ↗Addressing LLM Limitations with RAG Document Q&A15 min de lectura · xbe.at ↗Low-Latency Boost for Context in RAG Pipelines Rerankers14 min de lectura · xbe.at ↗Comparing RAG and Fine-Tuned Language Models14 min de lectura · xbe.at ↗
Los 39 en xbe.at ↗
Vector databases and embeddings
Understanding Vector Databases Fundamentals and Applications14 min de lectura · xbe.at ↗Introduction to LLM-based Text-to-SQL Integration12 min de lectura · xbe.at ↗MatMul-Free LLMs for Enhanced Efficiency in Python11 min de lectura · xbe.at ↗Embeddings Re-ranking and Vector Databases in Python11 min de lectura · xbe.at ↗Decoding Embedding in LLMs with Python10 min de lectura · xbe.at ↗Choosing the Best Embedding Model for RAG in Python10 min de lectura · xbe.at ↗
Los 22 en xbe.at ↗
NLP and transformers
Text processing, embeddings, attention and transformer models.
BERT and language models
Exploring Vector Embeddings in Language Models14 min de lectura · xbe.at ↗Essential Language Model Terms for Everyday Use12 min de lectura · xbe.at ↗Quantization Effects on Multilingual Language Models11 min de lectura · xbe.at ↗Understanding BERT A Cornerstone of NLP with Python11 min de lectura · xbe.at ↗Understanding Embeddings and Sentence Transformers in NLP11 min de lectura · xbe.at ↗Contextual Awareness in AI and Language Models11 min de lectura · xbe.at ↗
Los 32 en xbe.at ↗
NLP core
The Importance of Tokenization in NLP17 min de lectura · xbe.at ↗Sentiment Analysis Techniques in Python13 min de lectura · xbe.at ↗Comparing Transformer Models for Sentiment Analysis13 min de lectura · xbe.at ↗Named Entity Recognition with Python12 min de lectura · xbe.at ↗Understanding Word Embeddings in Machine Learning12 min de lectura · xbe.at ↗Machine Learning Models for Sentiment Analysis in Python12 min de lectura · xbe.at ↗
Los 36 en xbe.at ↗
Transformer architecture
Attention Mechanism in Deep Learning17 min de lectura · xbe.at ↗Attention Mechanism in Language Models16 min de lectura · xbe.at ↗Transformers Revolutionizing Natural Language Processing16 min de lectura · xbe.at ↗Dualformer Combining Fast and Slow Reasoning in Transformers15 min de lectura · xbe.at ↗Positional Encoding in Transformer Models14 min de lectura · xbe.at ↗Positional Encoding in Transformer Architectures13 min de lectura · xbe.at ↗
Los 48 en xbe.at ↗