Introducción a los LLM de razonamiento

Resumen

Programa de estudio

• Introducción al razonamiento en LLM
Visión general de los modelos de lenguaje grande (LLMs) y sus capacidades de razonamiento
Contexto histórico y desarrollo del razonamiento en LLMs
• Modelos principales de LLM
Visión general de los modelos líderes en razonamiento
Comparación de modelos basada en el rendimiento y capacidades
• Patrones de diseño para el razonamiento
Patrones de diseño comunes para implementar razonamiento en LLMs
Análisis de la efectividad y eficiencia de diferentes patrones
• Sistemas agénticos en LLMs
Definición y componentes de los sistemas agénticos
Estudios de caso de sistemas agénticos que utilizan LLMs
• Generación aumentada por recuperación (RAG)
Principios y técnicas de RAG
Aplicaciones y ventajas de RAG en el razonamiento
• LLM como juez
Concepto y aplicaciones de LLMs en roles evaluativos
Consideraciones éticas y posibles sesgos
• Integración del razonamiento visual
Técnicas para integrar datos visuales en el razonamiento de LLM
Ejemplos de aplicaciones de razonamiento visual
• Enfoques híbridos en el razonamiento de LLMs
Combinación de LLMs con otros sistemas de IA para mejorar el razonamiento
Tendencias futuras y posibles avances en sistemas híbridos
• Conclusión
Resumen de puntos clave y tendencias emergentes en el razonamiento de LLMs
Oportunidades para una mayor exploración e investigación en el campo

---

Asignaturas

Ciencias de la Computación