Por qué los LLM fallan en predicción tabular (paper 2026)

Por qué los LLM fallan en predicción tabular (paper 2026) - A spreadsheet with 30 glowing columns projected onto a wall, but only 16 columns are illum Por qué los LLM fallan en predicción tabular (paper 2026) - A spreadsheet with 30 glowing columns projected onto a wall, but only 16 columns are illum

Un estudio de CWI y TU Eindhoven publicado en 2026 demuestra que los modelos de lenguaje colapsan en predicción tabular cuando hay más de 16 columnas, sin importar el formato del prompt. Los modelos clásicos como bosques aleatorios y XGBoost no sufren este efecto y siguen siendo la mejor opción para datos estructurados.

Expertise en prompting LLM: la clave que nadie te contó

Expertise en prompting LLM: la clave que nadie te contó - A split-screen comparison: on the left, a generic user typing a vague prompt into a ChatGPT Expertise en prompting LLM: la clave que nadie te contó - A split-screen comparison: on the left, a generic user typing a vague prompt into a ChatGPT

Los modelos de lenguaje no responden igual a un experto que a un principiante. El fenómeno de ‘expertise reward’, documentado en 2026, muestra que la habilidad más importante en prompting no es la técnica de redacción sino el conocimiento real del tema.

Desplazarse hacia arriba