radiografia-del-cluster on Gaia Lab · Blog

Servir modelos y cuidar el clúster: la infraestructura que sostiene a las demás líneas

Tue, 22 Sep 2026 14:15:00 +0200

Décima y última entrega de Radiografía del clúster. Aquí agrupamos lo que no encaja en una línea de investigación pero aparece en los scripts de casi todo el mundo, y que sumado es la segunda partida de horas de GPU del clúster.

Servir modelos para que otros trabajen #

Varias líneas de la serie necesitan un modelo grande en marcha: un juez que puntúe respuestas, un generador de datos sintéticos, un asistente de programación. En un clúster con una GPU por nodo, la forma natural de servirlo es un trabajo de Slurm que levanta vLLM, espera a que responda, se registra en un proxy compartido y se queda ahí hasta que se acaba el tiempo. Al terminar, se da de baja: el modelo aparece y desaparece del catálogo con el trabajo.

GNN para la clorofila de una laguna: ¿aporta algo el grafo?

Tue, 22 Sep 2026 14:00:00 +0200

Novena entrega de Radiografía del clúster. En la entrada de resumen esta línea aparecía como detección de intrusiones. Los scripts cuentan otra cosa: las redes de grafos son ambientales, y la detección de intrusiones llega en septiembre como piloto.

La pregunta #

La concentración de clorofila es el indicador más directo del estado de una laguna costera: anticipa episodios de eutrofización y floraciones. Se puede estimar desde satélite, pero la relación entre reflectancia y clorofila depende del lugar, del momento y de lo que pasa alrededor. La línea pregunta si una red neuronal de grafos que conecta puntos de la laguna en el espacio y en el tiempo predice mejor que los modelos tabulares, y, sobre todo, si el grafo aporta información real o solo actúa como un suavizado.

Un clasificador de riesgo para menores que cabe en un móvil

Tue, 22 Sep 2026 13:45:00 +0200

Octava entrega de Radiografía del clúster. Una línea de seguridad de otro tipo: la de los menores que usan un teléfono.

La pregunta #

Detectar situaciones de riesgo en las conversaciones de un menor (acoso, grooming, contenido sexual, aislamiento, amenazas) es posible con un modelo de lenguaje. Hacerlo en un servidor implica enviar la conversación fuera del teléfono, y eso es precisamente lo que no se quiere hacer con la vida privada de un menor. La línea pregunta si un modelo lo bastante pequeño para correr en el propio teléfono puede clasificar el riesgo con la fiabilidad necesaria, y cuánto se pierde al comprimirlo hasta que cabe.

Segmentación dental y 100 semillas: cuánto cambia un modelo por pura suerte

Tue, 22 Sep 2026 13:30:00 +0200

Séptima entrega de Radiografía del clúster. Tras los bosques , la línea más austera del archivo: veinte horas de GPU en cuatro meses y una pregunta metodológica que muchos trabajos publican sin responder.

La pregunta #

Segmentar automáticamente estructuras en imágenes dentales, separar píxel a píxel la región de interés del fondo, es la base de cualquier medida o diagnóstico asistido posterior. La literatura compara arquitecturas con una sola ejecución por modelo, y las diferencias entre ellas son a menudo del orden de un punto. La línea pregunta dos cosas: qué arquitectura segmenta mejor este tipo de imagen, y cuánto de la diferencia entre dos modelos es real y cuánto es la lotería de la inicialización.

Árboles uno a uno desde nubes de puntos LiDAR: separar el bosque en individuos

Tue, 22 Sep 2026 13:15:00 +0200

Sexta entrega de Radiografía del clúster. Después de las proteínas , otra línea ajena al lenguaje: bosques.

La pregunta #

Un escaneo LiDAR de una parcela forestal devuelve millones de puntos sin etiqueta. Para estimar la biomasa aérea, y con ella el carbono almacenado, hace falta saber qué puntos pertenecen a qué árbol: separar el bosque en individuos. Es un problema de segmentación de instancias en 3D, difícil donde las copas se tocan. La línea pregunta qué arquitectura lo hace mejor, cuánto depende el resultado de la suerte de la inicialización y qué información de la nube importa de verdad.

4.400 complejos de proteínas con Boltz-2: predecir cómo se unen dos proteínas

Tue, 22 Sep 2026 13:00:00 +0200

Quinta entrega de Radiografía del clúster y la línea con menos trabajos: quince. También una de las que más GPU reserva, porque cada trabajo dura días.

La pregunta #

Saber si dos proteínas interaccionan, y cómo, es una de las preguntas centrales de la biología estructural: explica rutas de señalización, dianas de fármacos y el efecto de mutaciones. Determinarlo experimentalmente cuesta meses por par. La línea usa predicción estructural para estimar, a escala de miles de pares, la estructura del complejo que forman dos proteínas y la confianza de que la unión sea real.

Medir LLM cuantizados: qué se pierde al comprimir un modelo abierto

Tue, 22 Sep 2026 12:45:00 +0200

Cuarta entrega de Radiografía del clúster. Es el mejor ejemplo de lo que decía la entrada de resumen : el clúster hoy es sobre todo un laboratorio de medida. Aquí no se entrena un parámetro.

La pregunta #

Los modelos abiertos se distribuyen cuantizados: los mismos pesos comprimidos a 8, 6, 5, 4, 3 o 2 bits para que quepan en una tarjeta pequeña o en un portátil. La comunidad publica cientos de variantes, pero rara vez con una medida comparable de lo que se pierde. La línea pregunta cuánto rinde de verdad cada nivel de cuantización de cada familia en tareas que importan para usar el modelo como herramienta, y a qué velocidad y coste energético lo hace en cada tarjeta.

Un consejo de modelos pequeños contra uno de 120B: jailbreak automático y quién lo juzga

Tue, 22 Sep 2026 12:30:00 +0200

Tercera entrega de Radiografía del clúster. La entrega anterior afinaba un modelo para que rechazara lo dañino. Esta línea hace lo contrario: ataca automáticamente un modelo grande y cuenta cuántas veces cede.

La pregunta #

Los ataques de jailbreak automáticos suelen usar un modelo atacante que refina un prompt turno a turno. La línea pregunta si un grupo de modelos pequeños que deliberan ataca mejor que cualquiera de ellos por separado, y, con el mismo peso, cómo medir el éxito sin engañarse, porque el mismo ataque puede parecer exitoso o no según quién lo juzgue.

Auto-alineamiento: cuánta seguridad hay que enseñar a un modelo de lenguaje sin que deje de ser útil

Tue, 22 Sep 2026 12:15:00 +0200

Segunda entrega de Radiografía del clúster. Tras el fuzzing de banda base , la primera de tres líneas sobre seguridad de modelos de lenguaje.

La pregunta #

Ajustar un modelo de lenguaje para que rechace peticiones dañinas tiene un coste: si se le enseña demasiado a decir no, empieza a rechazar también lo inofensivo, y pierde utilidad. La línea estudia ese equilibrio: qué proporción de datos de seguridad hay que mezclar con los datos de utilidad, y si el propio modelo puede generar sus ejemplos de rechazo y regular la dosis solo.

Fuzzing de banda base: buscar fallos en el módem de un teléfono sin tocar el aire

Tue, 22 Sep 2026 12:00:00 +0200

Primera entrega de Radiografía del clúster, la serie que desgrana línea a línea qué corre de verdad en el clúster del grupo ANTS . Empezamos por la que más trabajos envía y ninguna GPU usa: seguridad de bandas base celulares.

La pregunta #

El procesador de banda base es el ordenador dentro del teléfono que habla con la red móvil. Ejecuta un firmware propio, cerrado, y parsea mensajes que llegan por radio antes de que el sistema operativo vea nada. Históricamente es una fuente rica de fallos disparables en remoto, y a la vez uno de los componentes más difíciles de analizar: no hay código fuente, apenas hay depuradores y el hardware es opaco.