Viernes 6 de noviembre de 2026 ·
Incluso los LLM potentes se pierden en textos largos: investigadores del Allen Institute for AI explican por qué
Útil para
Investigadores del Allen Institute for AI analizaron por qué los modelos de lenguaje pierden el estado de los objetos en textos largos. En las tareas más complejas, con cambios encadenados, la precisión de modelos como Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol y GPT-6 Luna cae hasta el 13% o menos. Tras un entrenamiento específico, los transformadores y las arquitecturas recurrentes o híbridas se comportan de forma muy distinta, y la diferencia crece con la longitud de la secuencia.
Qué significa
Los modelos actuales no siguen bien los cambios encadenados de objetos o situaciones en textos largos, lo que limita su fiabilidad en tareas que exigen mantener el estado de la información a lo largo de muchos pasos.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Habr Machine Learning (RU)Leer la noticia completa en Habr Machine Learning (RU)
También ese día
Todas las noticias de IA del viernes 6 de noviembre de 2026 ->