{"ok":true,"nota":{"id":"3dadb5c76e6175c3","slug":"donde-se-redondea-un-numero-cambia-que-tan-estable-aprende-una-ia-3dadb5","titulo":"Dónde se redondea un número cambia qué tan estable aprende una IA","resumen":"Investigadores estudiaron cómo se entrenan modelos de lenguaje con aprendizaje por refuerzo. Vieron que el lugar donde se hacen los redondeos numéricos afecta la estabilidad del entrenamiento, y propusieron alinearlos para que el proceso sea más confiable.","fuente":"arxiv-ia","fuenteNombre":"arXiv · Inteligencia artificial","color":"#b31b1b","autor":"Yijing Ke","url":"https://arxiv.org/abs/2610.32951v1","imagen":"/hoy/portada/3dadb5c76e6175c3","tema":"tecnologia","subtemas":["inteligencia artificial","modelos de lenguaje","aprendizaje por refuerzo","entrenamiento de modelos","precisión numérica"],"entidades":["arXiv"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-23T17:45:03.000Z","indexTs":"2026-10-26T03:21:39.176Z","hash":"7e6c1852aa2783fb924e50165eb586599321a22f2d4a9837443ad6fd85d6ca7a","tsa":{"time":"Oct 26 03:22:21 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"normal","registro":"hallazgo","porQueImporta":"Los modelos de inteligencia artificial hacen millones de cálculos con números aproximados, y pequeños errores se acumulan. Cuando el entrenamiento se vuelve inestable, el sistema puede aprender mal o tirar recursos. Para quien usa estas herramientas en el trabajo o en casa, significa que la confiabilidad depende de detalles que casi nadie ve. Los errores invisibles también se pagan con plata y tiempo.","quienFirma":"arXiv (preprint)","confianza":"preprint","consulta":null},"sello":{"hash":"7e6c1852aa2783fb924e50165eb586599321a22f2d4a9837443ad6fd85d6ca7a","sello":"a76bcbf5e28d8bb362fa2e0fc27058a097e9cbd26b25be5dc683b6a380ccc4a8","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6585130,"aleatorio":"0c7fde34a3955902300a6e23d019783ccaf01acbf4a24a5ea4c617a7af30970c","tiempo":"2026-10-26T03:22:00.000Z"},"nist":{"cadena":2,"pulso":1999758,"salida":"AD71CDDB378534C23A52A03D6553772495582C213A7ACCFE7D0FD1CB6EB596974365B305AE5BEFD3228C8C91649291FD9B5F84DEFC3E96AE939BEF0CF00C5AB6","tiempo":"2026-10-26T03:21:00.000Z"},"noAntes":"2026-10-26T03:22:00.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 26 03:22:21 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"Where Rounding Happens Matters: Rounding-Location Alignment Stabilizes LLM Reinforcement Learning","descripcion":"","pubDate":"2026-10-23T17:45:03Z","url":"https://arxiv.org/abs/2610.32951v1"},"indexado":"2026-10-26T03:21:39.176Z"}}