LLMs en 2024: Un año de avances y desafíos

2024 fue testigo de una notable evolución en los modelos de lenguaje grandes (LLMs). Varias organizaciones superaron el rendimiento de GPT-4, lo que llevó a un aumento dramático de la eficiencia, permitiendo incluso la ejecución de LLMs en computadoras portátiles personales. Los modelos multimodales se volvieron comunes, con capacidades de voz y video emergentes. La generación de aplicaciones impulsada por indicaciones se convirtió en una mercancía, pero el acceso universal a los modelos de primer nivel duró solo unos meses. Si bien los 'agentes' permanecieron esquivos, la importancia de la evaluación se volvió primordial. La biblioteca MLX de Apple sobresalió, contrastando con las funciones decepcionantes de 'Apple Intelligence'. Los modelos de escalamiento de inferencia surgieron, reduciendo costos y mejorando el impacto ambiental, pero también planteando preocupaciones sobre las consecuencias ambientales de las nuevas infraestructuras. Los datos de entrenamiento sintéticos demostraron ser altamente efectivos, pero la usabilidad de LLM siguió siendo un desafío, la distribución del conocimiento permaneció desigual y se necesitan mejores evaluaciones críticas.