Capítulo 8: De Tokens a Pensamiento
De Tokens a Pensamiento: Construyendo Mentes desde Texto
Sobre esas bases, el equipo prueba LLMs para tareas administrativas y comunicación con pacientes con la insistencia de Alma en la validación humana, enfrentando sesgos, privacidad y alucinaciones.
Basándose en los fundamentos del Capítulo 7, el equipo ahora se centra en lo que ocurre después de que un modelo ya sepa predecir texto: alineación con preferencias humanas, razonamiento en inferencia y la mentalidad práctica para desplegar LLMs de forma responsable.
¿Qué Aprenderás?
A lo largo de este capítulo, explorarás las aplicaciones prácticas y consideraciones éticas de los Modelos de Lenguaje Grande en la atención médica. Entenderás cómo desplegar estas herramientas poderosas de manera responsable mientras mantienes la seguridad y la confianza.
Prepárate para dominar el arte del despliegue responsable de IA y comprender que la verdadera innovación en la atención médica proviene no de los modelos más poderosos, sino de su aplicación más sabia.
8.1 Cuando las máquinas aprenden de nuestras preferencias (RLHF): Una simulación interactiva de afinado por preferencias humanas.
8.3 Más allá de la predicción: LLMs de razonamiento: Qué cambia cuando el modelo gasta más cómputo en inferencia y hace explícitos los pasos.
Fundamentos Matemáticos
- 8.1 📐 REINFORCE y RLHF: Intuición de gradiente de política y flujo RLHF.
Bibliografía y Recursos Complementarios
- 📚 Bibliografía: Aplicaciones y Seguridad de LLMs: Recursos sobre prompting, post-entrenamiento, evaluación y despliegue responsable.