Agentes de investigación multi-paso y entradas multimodales: imagen, audio y documentos además de texto.
Dos modelos de imagen a texto con la misma interfaz y usos opuestos: BLIP entiende qué pasa, TrOCR entiende qué dice. Cómo falla cada uno con la tarea del otro —contestando con aplomo a otra pregunta— y los parámetros que explican casi todos los problemas.
Sin ejercicios con este filtro.