Acerca de
Qué es esto
y por qué existe
El sitio
Sobre este sitio
La respuesta larga.
- 01Harnesses de evaluación, en detalle
- 02Modos de fallo del ML en producción
- 03Notas sobre cómo depurar ejecuciones multiagente
- 04Opiniones sin rodeos, de vez en cuando
La investigación en ML y el ML en producción se parecen por fuera (comparten vocabulario, artículos y hasta personas), pero fallan de formas distintas y optimizan cosas distintas. Ni siquiera entienden igual qué significa «terminado». Un modelo puede puntuar bien en un benchmark y aun así filtrar datos, alucinar con total seguridad o empeorar en silencio después de un despliegue.
Este sitio trata la ingeniería que hace falta para probar sistemas basados en LLM y multiagente: harnesses de evaluación, infraestructura de trazas y replays, todo lo que permite depurar un agente, auditarlo y fiarse de él una vez desplegado. Hay mucha ingeniería y poco modelado.
Son textos cortos, con cifras reales y código cuando ayuda. Si llevas sistemas de ML a producción (agentes LLM o de otro tipo) y te importa la fiabilidad, aquí encontrarás problemas que te sonarán.
Filosofía
Cómo se escribe
Los principios que siguen todos los ensayos.
- 01Lo concreto antes que lo abstractoCada ensayo se apoya en código abierto, en metodología revisada por pares o en patrones observables.
- 02Brevedad antes que exhaustividadTextos cortos (de 6 a 11 minutos) con cifras reales y código cuando ayuda. El límite lo pone tu tiempo.
- 03Ingeniería antes que modeladoLa fiabilidad se gana en los sistemas que rodean a los modelos de lenguaje (harnesses de evaluación, trazas, contratos, replays). Ahí se centra el sitio.
- 04VerificableLas citas apuntan a código abierto, a PR fusionadas o a artículos con DOI. Lo que no se puede respaldar con algo público no se publica.
- 05Con ayuda de IA, bajo responsabilidad del autorLa IA ayuda a escribir y a traducir, pero el análisis, el diseño y la responsabilidad son del autor. Los detalles están en la política de IA.