Entrenamiento y posentrenamiento

Reasoning and test-time compute

Un postentrenamiento que enseña al modelo a producir una traza de razonamiento larga antes de responder y a gastar más cómputo en la inferencia cuando el problema es más difícil. El aprendizaje por refuerzo con recompensas verificables — donde una respuesta comprobable aporta la señal de entrenamiento — es lo que hizo reproducible este enfoque fuera de los laboratorios cerrados. Conviene decir el intercambio con claridad: precisión obtenida por la longitud de la generación y no por un modelo mayor, pagada en latencia y coste de servicio.

Periodo de referencia

2024 / 2025

Última revisión

2026-08-30