Reseña del libro "Vertex-Core"
Lo entrenamos durante once horas. Todo sali? perfecto. Y cuando le preguntamos c?mo se llamaba, nos dio el nombre de otro.La loss hab?a bajado casi un tercio. La memoria no se desbord? en ning?n momento. T?cnicamente era impecable. Pero de 3.278 ejemplos de entrenamiento, solo 45 le dec?an qui?n era, y el modelo nunca lo aprendi?.Este libro cuenta c?mo lo arreglamos. Y lo que se rompi? cada vez que arreglamos algo.Qu? vas a construirTu propio modelo de lenguaje, afinado con QLoRA sobre una base abierta y de licencia comercial (Qwen3-4B, Apache 2.0), exportado a GGUF y corriendo en Ollama y LM Studio en tu propia m?quina. Sin nube, sin pagar por cada respuesta, sin que tus datos salgan de casa.Y no se queda en un chat. El modelo aprende a usar herramientas reales a trav?s de MCP: escanea, consulta bases de vulnerabilidades y env?a correos sin inventarse los resultados. Al final le pones un guardi?n contra la inyecci?n de prompts que vigila todo lo que entra y todo lo que sale.Todo en una GTX 1660 Ti de 6 GB, una tarjeta de port?til de hace unos a?os. El c?digo completo est? en GitHub y el modelo terminado, publicado en Hugging Face para que lo descargues.Por qu? este libro es distintoEs una bit?cora, no un tutorial. Se escribi? mientras se hac?a, d?a a d?a, y no esconde nada: un entorno que tard? m?s de veinte intentos en arrancar, un bloqueo de seguridad de Windows a las cuatro de la ma?ana y diez versiones del modelo.Muestra el p?ndulo que nadie cuenta. Cada defecto que curas crea el contrario. Una versi?n no sab?a qui?n era. La siguiente lo sab?a, pero se inventaba funciones que no existen. La que dej? de inventar se negaba a escribir c?digo. Este libro recorre las cuatro idas y vueltas que hicieron falta para llegar al equilibrio.Es honesto con los l?mites. Cuando pusimos el modelo frente a una m?quina real de laboratorio, el sistema funcion? de maravilla, pero el modelo pas? por alto el hallazgo m?s obvio. El libro te dice por qu?, y d?nde est? el techo de un modelo peque?o.Los datos son tuyos. No se entrena con respuestas de ChatGPT ni de nadie m?s. Aprender?s a construir el dataset con tu propio material, a limpiarlo y a pesar cada ingrediente.Lo que aprender?sMontar un entorno de entrenamiento estable en Windows, y leer un traceback para saber qui?n pide qu?QLoRA explicado sin humo, y la trampa silenciosa de la memoria que multiplica por diez el tiempo de entrenamiento sin dar un solo errorPor qu? la identidad tiene que quedar en los pesos y no en el system promptC?mo evaluar un modelo con rigor, y c?mo evaluar al evaluadorEnse?arle a decir "no lo s?" sin volverlo un cobardeFusionar, cuantizar a GGUF y publicar en Hugging Face con una ficha honestaTool calling con servidores MCP propiosUn proxy de seguridad contra la inyecci?n de promptsPara qui?n esPara desarrolladores que quieren dejar de alquilar la inteligencia de otros y construir la suya. No necesitas un centro de datos ni ser experto en machine learning: los conceptos se explican cuando aparecen y hay un glosario al final. S? ayuda saber programar y no tenerle miedo a la l?nea de comandos.Si tienes una GPU modesta, paciencia para iterar y ganas de entender c?mo funciona esto por dentro, ya tienes todo lo necesario.
