Domingo 1 de noviembre de 2026 ·
Corregir la imagen, no el prompt: cómo mejorar los modelos de visión y lenguaje
Los autores presentaron en EMNLP 2026 SPaRC, un benchmark de 1.000 puzles de cuadrícula inspirados en The Witness, con 500 para prueba. En un estudio posterior mantuvieron los puzles y cambiaron solo su forma de dibujarlos, probando siete modelos de visión y lenguaje de pesos abiertos. Según el texto, cambiar el texto de la instrucción apenas movía la puntuación, y etiquetar lo que el modelo no veía mejoró los resultados.
Qué significa
Para quien trabaja con modelos de visión, el estudio sugiere que la forma de presentar la imagen pesa más que reformular la instrucción. Esto cambia dónde buscar mejoras cuando un modelo falla en tareas visuales.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Towards Data ScienceLeer la noticia completa en Towards Data Science
También ese día
Todas las noticias de IA del domingo 1 de noviembre de 2026 ->