.@poetiq_ai es una nueva startup fundada por exinvestigadores de DeepMind (@itfische y @sbpoetiq) que recientemente logró un gran avance en el benchmark ARC-AGI al superponer un sistema de auto-mejora recursiva sobre Gemini 3. En esta conversación en NeurIPS, @FrancoisChauba1 se sentó con el cofundador de Poetiq, Ian Fischer, para descubrir cómo están aumentando el rendimiento utilizando solo prompts y diseño de sistemas. También exploran la auto-mejora recursiva, el progreso en la evaluación hacia la AGI y por qué automatizar la ingeniería de prompts puede ser una de las palancas más poderosas en la IA hoy en día. 00:11 — Introducción a Poetiq y el avance en ARC-AGI 00:49 — ¿Cuán grande es el salto en rendimiento? 01:18 — Antecedentes de Ian Fisher: YC, Google, DeepMind 02:00 — Explicación de la auto-mejora recursiva 03:00 — Por qué Poetiq se centró en ARC-AGI 03:58 — Mejora de modelos sin acceso a pesos 04:26 — Conjuntos, votación y optimización a nivel de sistema 05:30 — Por qué Gemini 3 lo cambió todo 06:21 — ¿Qué sigue?: Benchmarks, investigación y clientes 07:14 — ¿Es la auto-mejora recursiva un camino hacia la AGI? 08:46 — ¿Cuándo detenerse en la escalada? 09:16 — Automatizando ingenieros de prompts y agentes