Natán Verdés Bertolín

filosofia, psicoanàlisi & tecnologia
música, bateria/dj
secretari @aevtj
'Hijos del fin del mundo' - 9 Ago Movistar+

[Natán Verdés Bertolín @NatanVerdes]

Presentación de Trabajo de Fin de Grado.

El sistema social sectario: agencia y autoría en la persuasión coercitiva - Filosofía, Universitat de Barcelona

https://t.co/yOCi3QOXYa

a través de @YouTube

[Vickybol @VickyBol]

Me ha encantado "Hijos del fin del mundo" (@MovistarPlus). Testimonios honestos, valientes y generosos de ex testigos de jehová que explican sus vivencias de manipulación y prácticas coercitivas. Gracias @beckylittlegirl @DannyBoyRivera @NatanVerdes y+
https://t.co/1B6qoeCJk5

[Natán Verdés Bertolín @NatanVerdes]

Es esto periodismo?

[antolin pulido @antolinpulido1]

esquema básico de los fachapobres

[elDiario.es @eldiarioes]

Rufián achaca la crisis humanitaria en Ceuta a un “chantaje” de Marruecos a España “al servicio de EEUU e Israel” https://t.co/MyII0J9jhP

[Alán Barroso @AlanBarrosoA]

Si hoy te crees muy patriota diciendo “¡Nos invaden los moros por culpa de Pedro Sánchez!”, enhorabuena, eres un tonto útil de la monarquía marroquí y no tienes ni la menor idea de lo que se está cociendo a nivel geopolítico.

[elDiario.es @eldiarioes]

Le quitaron su parcela en Cisjordania y ahora la ve anunciada en Booking como alojamiento “ideal” en un asentamiento israelí
https://t.co/3HqoHMOgdU

[Miquel Ramos 🥘 @Miquel_R]

El diario neerlandés de @volkskrant ha ganado el European Press Prize 2026 por su detallada investigación sobre los disparos del ejército israelí a niños en Gaza.

El reportaje demostró que numerosos menores de edad habían sido ejecutados deliberadamente de un tiro en la cabeza.

[Gerard Giménez Adsuar @gmnzgerard]

Tinc cada cop més clar que hi ha dos tipus de persones: les que utilitzen la IA per aprendre més i millor que mai, i les que utilitzen la IA per evitar aprendre.

[Mediocre Housewife • 💕🌈 @nathsparkles]

Te mentí, no tengo Netflix, vamos a leer juntos la CARTA ENCÍCLICA MAGNIFICA HUMANITAS DEL SANTO PADRE LEÓN XIV SOBRE LA CUSTODIA DE LA PERSONA HUMANA EN EL TIEMPO DE LA INTELIGENCIA ARTIFICIAL

[Daniel Arjona @elarjonauta]

(100) Sobre la IA de compañía: el riesgo no es tanto creer que hablas con una persona "sino que pierda el deseo mismo de buscar realmente al otro". "Cuando la palabra es simulada, esta no construye una relación, sino una apariencia."

[Natán Verdés Bertolín @NatanVerdes]

@Anhgi_ Cómo se llama este documental?

[Naomi @NCouriel]

The ultimate list de (en mi opinión) los papers más importantes de inteligencia artificial en la historia:

1.Perceptron, Rosenblatt (1958)
2.Backpropagation, Rumelhart, Hinton & Williams (1986)
3.LSTM, Hochreiter & Schmidhuber (1997)
4.LeNet-5, LeCun (1998)
5.AlexNet, Krizhevsky, Sutskever & Hinton (2012)
6.Word2Vec, Mikolov (2013)
7.GANs, Goodfellow (2014)
8.Seq2Seq, Sutskever (2014)
9.Adam, Kingma & Ba (2014)
10.VGG, Simonyan & Zisserman (2014)
11.Batch Norm, Ioffe & Szegedy (2015)
12.ResNet, He et al. (2015)
13.AlphaGo, Silver et al., DeepMind (2016)
14.Attention is All You Need, Vaswani (2017) 👑
15.BERT, Devlin (2018)
16.GPT-3, Brown et al., OpenAI (2020)
17.DDPM (Diffusion), Ho et al. (2020)
18.DALL-E, Ramesh et al. (2021)
19.CLIP, Radford et al. (2021)
20.Chinchilla, Hoffmann et al., DeepMind (2022)
21.InstructGPT / RLHF, Ouyang et al. (2022)
22.LLaMA, Touvron et al., Meta (2023)
23.DeepSeek-R1, DeepSeek (2025), primer LLM publicado en Nature, razonamiento puro con RL

Cualquiera de estos te cambia la forma de pensar el campo.

Si querés entender AI desde la academia y no solo desde el hype, guardá este post 📚

[Former Congresswoman Marjorie Taylor Greene🇺🇸 @FmrRepMTG]

This video grieves my soul.

America, how can we stay silent? How can we fund this?

Even more so, American Christians how can you turn your head and not care?

These are God’s children too.

[Pratham @Prathkum]

Unpopular opinion: AI made the world super competitive for mediocre people.

[Naomi @NCouriel]

obsesionada con el último paper de interpretability de Anthropic: Natural Language Autoencoders.

básicamente entrenan un sistema que lee las activaciones internas de Claude y escribe en lenguaje natural lo que el modelo está "pensando" en ese momento. y lo verifican reconstruyendo la activación de vuelta desde el texto.

cómo funciona el mecanismo:

un NLA tiene dos LLMs envolviendo al modelo target:
→ el Activation Verbalizer (AV): toma una activación h_l de la capa l y escribe una explicación z
→ el Activation Reconstructor (AR): toma z y devuelve una reconstrucción ĥ_l

juntos forman un autoencoder donde el bottleneck es el lenguaje natural. el objetivo es minimizar el MSE entre h_l y ĥ_l.

lo más cool del AV es que la activación se inyecta literalmente como un "fake embedding" en lugar de un token especial en el prompt, escalada por una constante alta (~percentil 75 de las normas de activación) para que se propague sin disolverse en las primeras capas.

el training es híbrido:
→ el AR se actualiza por regresión supervisada (MSE)
→ el AV se actualiza con RL (GRPO), porque el texto es discreto y no podés backpropagear. el reward es -log ||h_l - AR(z)||²

le agregan KL penalty contra la inicialización para que no se vaya a generar texto raro.

warm-start: si inicializás AV y AR como copias del modelo target sin más, el AV escupe basura porque nunca vio una activación como embedding. entonces hacen SFT previo con summaries generados por Opus 4.5 sobre qué "pensaría" un LM en ese token. eso solo ya da FVE de 0.3-0.4. después el RL lo lleva a 0.6-0.8.

los hallazgos son locos:
→ en Opus 4.6 detectaron que el modelo "sospechaba" que estaba siendo evaluado en tests de safety SIN verbalizarlo (eval awareness latente)
→ encontraron por qué Opus a veces respondía en ruso a prompts en inglés: las explicaciones del NLA mostraban que el modelo se fijaba en cues sutiles del usuario y generaba representaciones de "ruso" antes de cualquier output. resultó ser data de SFT mal formada.
→ replicaron el planning en poesía: en "He saw a carrot and had to grab it", las explicaciones ya mencionaban "rabbit" como rima planeada antes del segundo verso. editaron la explicación (rabbit→mouse), reconstruyeron la activación con el AR, y el modelo cambió la rima.

esa última parte me voló: editás texto en inglés y obtenés un steering vector gratis. text → activation como primitiva.

limitaciones importantes:
→ confabulan. los claims específicos pueden ser falsos pero los temáticos suelen ser correctos. la heurística práctica es confiar en lo que se repite a través de tokens adyacentes.
→ es black-box: no podés saber qué parte de la activación generó qué parte de la explicación
→ carísimo: 1.5 días en 2x 8xH100 para entrenar uno sobre Gemma-3-27B. inferencia genera ~500 tokens por activación.
→ leen una sola capa

paper: https://t.co/SeV1MGf01b

[3Cat @som3cat]

🔴 La intel·ligència artificial ja té impacte en el mercat laboral, especialment en feines automatitzables

Funcas estima 2,3 M de llocs de treball afectats en 10 anys, però també la creació d'1,6 M si s’utilitza com a eina col·laborativa amb el factor humà

#TotEsMou3Cat

▶ https://t.co/gjq3deJSH9

[aditya @adxtyahq]

we should normalize 1-year career breaks

this guy worked at linkedin for years, took a year off, now at meta

[AlertaNewsPlus @AlertaNewsPlus]

🇱🇧🇮🇱 | El ejército de Israel está destruyendo paneles solares con una excavadora en una zona rural del sur de Líbano.

Estos paneles proporcionaban electricidad a la población local en caso de cortes de energía.

[Vaggelisdrak @vaggelisdrak]

GitHub outages since Microsoft acquisition 🤣