enumeró los 6 cambios más importantes del mayor evento de investigación en IA de este año, NeurIPS 2025. nos dice mucho sobre hacia dónde se dirige la IA en 2026: 1. el mecanismo de atención está recibiendo una actualización bastante importante. se está volviendo más selectivo utilizando técnicas como el enmascaramiento, la escasez y un mejor manejo de contextos largos. en tal vez 6 meses verás modelos que son más baratos, más inteligentes y más eficientes. 2. los modelos de frontera están convergiendo. ya lo sabíamos un poco, pero nuevamente, los mejores modelos suenan más similares. tu elección de modelo de frontera importa menos que antes, pero también cualquier sesgo o punto ciego se amplifica en todas partes a la vez. 3. el aprendizaje por refuerzo finalmente está escalando para la robótica. ha estado estancado durante años. el enfoque de "simplemente sigue escalando" que funcionó para los LLM ahora está funcionando para los agentes. 2026 será el año de un progreso importante en sistemas agentes. 4. los modelos de difusión no solo están memorizando datos de entrenamiento. un importante artículo teórico mostró que el entrenamiento de difusión tiene en realidad dos fases: una fase temprana donde los modelos aprenden a generar muestras de alta calidad, y una fase posterior donde comienzan a memorizar cosas específicas. más datos de entrenamiento empujan la fase de memorización y te dan una ventana más grande antes de sobreajustar. 5. el sistema de artículos académicos está COCIDO (en serio). con 20000 envíos, NeurIPS se está ahogando en artículos. incluso están experimentando con IA para revisar artículos generados por IA. eso significa que ya no puedes confiar realmente en el prestigio de conferencias y publicaciones. debes confiar en quién escribió el artículo y su experiencia. 6. los grandes laboratorios están apostando todo por el razonamiento, la eficiencia y la integración. la carrera de frontera ya no se trata solo del tamaño del modelo. los grandes laboratorios ahora están trabajando en: (1) razonamiento como una métrica medible, pensamiento paso a paso, llamadas a herramientas, uso de búsqueda (2) eficiencia, ejecutando modelos potentes en teléfonos y dispositivos de borde con baja latencia (3) integración de flujo de trabajo, conectando modelos a herramientas y protocolos como MCP. realmente te sugiero que veas este desglose de 10 minutos si la investigación en IA te preocupa.