Construyendo un agente con Claude que lee abstracts de arxiv, los clasifica por área temática y genera un resumen semanal automático. Usando la API de Anthropic + Python. Próximo paso: agregar embeddings para búsqueda semántica entre papers.

Experimento con sentence-transformers para clasificar libros según su sinopsis. Resultado: 87% de accuracy en el test set. El modelo confunde a veces sci-fi con fantasy, lo cual es bastante humano también.

Resumen de lecturas sobre cuándo conviene hacer fine-tuning vs usar prompts elaborados. Conclusión general: para tareas de formato específico, fine-tuning gana. Para razonamiento complejo, prompting con ejemplos sigue siendo competitivo.