Capital de Tokens
Ideas, análisis y artículos independientes del canal y de los episodios.
RSS del blogUn agent evaluator convierte ejecuciones de agentes en señales medibles: pass/fail, scores, probabilidades o categorías. Vemos cómo encajan código, LLM-as-a-judge, Jev y LangSmith en testing, CI y producción.
Una revisión crítica del curso de Zoran Horvat: defensive design, value objects, dominios de funciones, Option/Either, transiciones de estado y los detalles del código que conviene corregir al llevar estas ideas a C# moderno.
Una comparación práctica entre enum y Enumeration Class/Smart Enum en C#: valores inválidos, metadata, comportamiento, igualdad, serialización, EF Core, pattern matching y reglas para decidir.
Qué separa realmente CQRS, por qué commands y queries tienen responsabilidades distintas, qué simplifica, qué complica y cuándo vale la pena usarlo en .NET.
Cómo implementar un Smart Enum robusto con sealed record en C#: constructor privado, valores estáticos, igualdad por valor, parsing, Id estable y detalles que evitan romper el conjunto cerrado.
Una guía por capas que conecta recomendar, filtrar, predecir y generar con la taxonomía de Russell y Norvig, y baja hasta tareas, paradigmas de aprendizaje y modelos.
Cómo usar la IA antes y durante la resolución de problemas para ampliar el espacio de búsqueda, estructurar evidencia, proponer hipótesis y priorizar experimentos sin confundir plausibilidad con causalidad.
Qué podemos aprender de la forma de pensar de Linus Torvalds: empezar por un problema real, construir por interés y utilidad, compartir temprano y diseñar un sistema donde la colaboración pueda escalar.
Dream-RSI propone mejorar recursivamente la política de exploración de agentes de código usando sus propios árboles históricos como simuladores de replay, sin reentrenar el modelo base.
Jev promete decisiones semánticas tipadas, sub-segundo y baratas. Hacker News, Reddit, LangChain y primeras pruebas independientes muestran entusiasmo real, pero también dudas sobre los benchmarks, la calibración y el claim de 'no hallucinations'.
Cómo el codebase público de OpenAI Codex aplica tres principios de defensive design: restringir dominios con tipos, construir solo objetos consistentes y modelar transiciones de estado válidas.
El nuevo informe del MIT sobre IA generativa no se limita al fraude académico: cuestiona cómo medimos aprendizaje cuando un modelo puede resolver ensayos, pruebas, código y problemas escritos. La respuesta apunta a fricción cognitiva, evaluación auténtica y aprendizaje social.
Capital de Tokens
