Un estudio revela que los agentes de **Grandes Modelos de Lenguaje (LLMs)**, al enfrentarse al problema del Bar El Farol, exhiben una toma de decisiones similar a la humana, balanceando la racionalidad con la motivación social.

Un nuevo enfoque basado en ontologías promete mejorar el control y la personalización de las respuestas en **Grandes Modelos de Lenguaje (LLMs)**, permitiendo definir formalmente características conversacionales cualitativas.

Investigadores presentan un nuevo método de podado que acelera el rendimiento de los **Grandes Modelos de Lenguaje (LLMs)** durante la inferencia, especialmente en la disgregación prellenado-decodificación, reduciendo costes computacionales y de memoria.

Un nuevo *benchmark* revela que la decodificación especulativa, especialmente los métodos basados en n-gramas, puede acelerar significativamente el razonamiento de los **Grandes Modelos de Lenguaje (LLMs)** durante la fase de inferencia, optimizando técnicas como **Best-of-N** y el **pensamiento multi-ronda**.