Guía gratuita de 311 páginas para entender cómo funcionan por dentro los modelos generativos modernos, no solo cómo llamarlos desde una API. Está pensada como una guía general de temas avanzados para estudiar y practicar.
| Parte | Temas |
|---|---|
| I. Fundamentos | El Transformer desde cero, leyes de escalamiento, ciencia de la evaluación, incertidumbre y predicción conformal |
| II. Post-entrenamiento | Ajuste supervisado y LoRA, preferencias (RLHF, DPO), RL con recompensas verificables, destilación, cómputo en inferencia |
| III. Arquitecturas eficientes | Mezcla de expertos y atención latente, modelos de espacio de estados e híbridos |
| IV. Inferencia y sistemas | Roofline, servicio, cuantización, decodificación especulativa y restringida, GPU y kernels, entrenamiento distribuido, baja precisión, contexto largo |
| V. Especializaciones | Difusión y flow matching, nuevos paradigmas generativos, multimodal, voz, agentes |
| VI. Transversales | Seguridad, interpretabilidad, alineamiento, recuperación, operación y observabilidad, método de investigación |
Al final hay un glosario español–inglés para leer los papers originales.
- Cada capítulo tiene el texto principal, derivaciones matemáticas en recuadros aparte y recuadros de práctica.
- Las figuras se generaron con cálculos reales (simulaciones y fórmulas evaluadas), no son ilustraciones.
- El código de los capítulos se ejecutó y verificó antes de incluirlo en el texto.
El texto fue redactado con Claude Opus 5.5 (Anthropic) y revisado por mí. Es una guía de referencia para orientarse y practicar, no un texto revisado por pares, y puede contener errores. Algunas referencias recientes tienen datos incompletos y conviene verificarlas contra la fuente. Si encuentras un error, abre un issue en este repositorio.
CC0 1.0 Universal. Dedico esta obra al dominio público: puedes copiarla, modificarla, distribuirla y usarla, incluso con fines comerciales, sin pedir permiso y sin atribución.
Juanjo Barrientos · Medellín, Colombia · LinkedIn
A free 311-page guide to how modern generative models work under the hood, not just how to call them from an API. The text is in Spanish. It is meant as a general guide to advanced topics for self-study and practice.
I. Foundations · II. Post-training · III. Efficient architectures · IV. Inference and systems · V. Specializations (diffusion, multimodal, speech, agents) · VI. Cross-cutting topics (security, interpretability, alignment, retrieval, LLMOps, research methodology). A Spanish–English glossary at the end helps with reading the original papers.
The text was written with Claude Opus 5.5 (Anthropic) and reviewed by me. It is a reference guide, not a peer-reviewed text, and may contain errors. Some recent references have incomplete details and should be checked against the source. Please open an issue if you find a mistake.
CC0 1.0 Universal. This work is dedicated to the public domain: you can copy, modify, distribute and use it, even commercially, without asking permission and without attribution.
Juanjo Barrientos · Medellín, Colombia · LinkedIn