.@poetiq_ai es una nueva startup fundada por antiguos investigadores de DeepMind (@itfische y @sbpoetiq) que recientemente logró un gran salto en el benchmark ARC-AGI al superponer un sistema de auto-mejora recursiva sobre Gemini 3. En esta conversación en NeurIPS, @FrancoisChauba1 sentado con Ian Fischer, cofundador de Poetiq, para descubrir cómo están mejorando el rendimiento usando solo prompts y diseño de sistemas. También exploran la mejora recursiva de la auto-mejora, la evaluación de puntos de referencia hacia la AGI y por qué la automatización de la ingeniería de prompts puede ser una de las palancas más poderosas en la IA actual. 00:11 — Presentando a Poetiq y el avance en ARC-AGI 00:49 — ¿Qué tan grande es el salto de rendimiento? 01:18 — Antecedentes de Ian Fisher: YC, Google, DeepMind 02:00 — Explicación de la auto-mejora recursiva 03:00 — Por qué Poetiq se dirigió a ARC-AGI 03:58 — Mejorando 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: Referencias, Investigaciones y Clientes 07:14 — ¿Es la auto-mejora recursiva un camino hacia la AGI? 08:46 — Cuándo dejar de subir colinas 09:16 — Automatización de ingenieros y agentes de prompts