Summary
Keywords
Full Transcript
De 21% a 97% de precisión con un truco que sonaba a broma: copiar y pegar el prompt dos veces. Investigadores de Google Research (Leviathan, Kalman y Matias) descubrieron por qué este método funciona en los modelos más pro: Gemini, GPT-4o, Claude, DeepSeek. 47 victorias, 23 empates, cero derrotas. El paper completo abajo. 📄 Paper original: "Prompt Repetition Improves Non-Reasoning LLMs" arXiv: 2512.14982 https://arxiv.org/abs/2512.14982 ← (CONFIRMÁ EL ID si lo cambia) 🎯 Lo que vas a aprender: • Cómo el copy-paste activa una segunda pasada de "atención" del modelo • Por qué los modelos más nuevos a veces fallan donde los viejos aciertan • El concepto de linterna y cuarto: cómo los LLMs procesan tu prompt 🔗 Capítulo 1 — Atención en IA (referenciado en el video): https://youtube.com/watch?v=[ID_CAP1] ← (PEGÁ EL LINK) 🧠 Sigue la serie "IA con Criterio": https://youtube.com/playlist?list=[PLAYLIST_ID] ← (PEGÁ ID) — 🤖 Capítulo 4 de "IA con Criterio" — la serie donde diseccionamos cómo funciona la inteligencia artificial sin clickbait, sin guru, con data y papers. #IAconCriterio #PromptEngineering #GoogleResearch #ChatGPT #Gemini #Claude #PromptingHack #InteligenciaArtificial #PaperReview #Shorts
