El dijous 4 de juny, l’IMM va celebrar una nova sessi\u00f3 del seu seminari amb la participaci\u00f3 del Dr. David Mart\u00ednez, qui va impartir la xarra \u201cFonaments i \u00fas dels models de llenguatge en la doc\u00e8ncia i investigaci\u00f3\u201d.
Durant la sessi\u00f3, el ponent va presentar de manera clara els principis de funcionament dels grans models de llenguatge (LLMs), destacant que el text es genera token a token a partir de distribucions de probabilitat, la qual cosa determina tant el seu comportament com els seus costos. Aix\u00ed mateix, va subratllar el paper central del context, la correcta construcci\u00f3 del qual permet millorar notablement el rendiment i efici\u00e8ncia d’estos sistemes.
Un dels punts clau va ser la introducci\u00f3 de t\u00e8cniques avan\u00e7ades d’\u00fas, com la cadena de pensament (chain-of-thought), que permet fer expl\u00edcit el raonament del model i millorar la qualitat de les respostes. Tamb\u00e9 es van mostrar ferramentes pr\u00e0ctiques com Obsidian per a la gesti\u00f3 del coneixement i la preparaci\u00f3 de contextos efectius.
La xarrada va abordar a m\u00e9s el concepte d’agents d’intel\u00b7lig\u00e8ncia artificial, entesos com a sistemes que amplien les capacitats dels LLMs en integrar raonament, \u00fas de ferramentes i execuci\u00f3 iterativa d’accions. En este sentit, es va destacar que l’orquestraci\u00f3 de m\u00faltiples agents \u2014especialitzats, en paral\u00b7lel o fins i tot en interacci\u00f3 cr\u00edtica\u2014 pot augmentar la robustesa i el rendiment en tasques complexes.
La intervenci\u00f3 va despertar un notable inter\u00e9s entre els assistents, en oferir una visi\u00f3 pr\u00e0ctica i actualitzada del potencial d’estes tecnologies tant en la doc\u00e8ncia com en la investigaci\u00f3.<\/p>\n\n\n\nngg_shortcode_0_placeholder\n","protected":false},"excerpt":{"rendered":"