Experiencias, reflexiones y lo que voy aprendiendo
Artículos sobre programación, matemáticas e IA con una mirada analítica.
9 artículos en todas las áreas
Página 1 de 2
Cómo se evalúa un modelo de lenguaje: quién decide si una respuesta está bien
Cuatro respuestas a la misma pregunta, y las medidas clásicas ponen primera la única falsa. Por qué evaluar lo que escribe un modelo de lenguaje no se parece a evaluar un clasificador, los cuatro jueces que pueden decidir si una respuesta está bien (una respuesta de referencia, un programa, una persona y otro modelo), qué ve y qué no ve cada uno, y cuándo fiarse del número que sale.
Cómo busca una base de datos vectorial sin compararlo todo, y qué precio paga
Una base de datos vectorial no encuentra los vectores más parecidos a una pregunta: encuentra casi siempre casi todos, y deja elegir cuánto «casi». Qué es y qué no es una base de datos vectorial, los algoritmos que deciden dónde mirar y cuánto guardar de cada vector, lo que las bases de datos tuvieron que añadirles, y cómo quedan comparados en los bancos de pruebas públicos.
Por qué el coseno para comparar embeddings, y por qué no es una métrica
Casi todo el procesamiento del lenguaje compara embeddings con la similitud coseno, y casi todas las librerías la llaman métrica sin serlo. Por qué ganó entre tantas medidas, por qué que no sea una métrica casi nunca importa y cuándo sí, y dónde deja de ser la medida adecuada.
Por qué las bases de datos relacionales indexan con árboles B, habiendo tantas formas de buscar
Un índice hash encuentra un pedido entre 3 millones leyendo tres páginas, y un árbol B, cuatro. Aun así, casi todas las bases de datos relacionales indexan con árboles B. Qué es un árbol B, qué cambia en el B+ que usan de verdad, y por qué ganó a la tabla hash, al árbol binario y al fichero ordenado: lo caro es leer páginas, y un índice tiene que hacer mucho más que encontrar una clave.
Cómo ejecuta la base de datos un JOIN, y por qué a veces ignora tu índice
Un JOIN entre clientes y pedidos, un índice creado para ese JOIN y una base de datos que decide no usarlo. Por qué «para cada fila, busca en la otra tabla» es sólo una de las tres formas de resolver un JOIN, cómo elige la base de datos entre ellas y qué cambia en una base de datos por columnas.
GraphRAG: cuándo hace falta un grafo, y cuál
Un asistente que busca bien explica, con seis citas, por qué los clientes piden reembolsos, y describe veinte incidencias de novecientas. Por qué «GraphRAG» son en realidad tres grafos distintos (un mapa, una memoria y una base de datos), qué dicen las comparaciones de 2025 y 2026, y cuándo compensa cada uno.
RAG ingenuo, híbrido y agéntico: dónde falla cada uno
Un asistente con buscador responde «no», con dos citas, y se equivoca. Por qué falla el RAG ingenuo, qué arregla la búsqueda híbrida y qué no puede arreglar, y cómo el RAG agéntico deja que el modelo decida lo que antes decidía el código: si buscar, qué, dónde y cuándo parar.
Artículos 1–7 de 9
Inicia sesión para recibir una notificación cuando publique un artículo nuevo