DeepShelf

Creado para investigar a fondo

Fuentes extensas, preguntas y resultados: todo en un espacio de trabajo donde puedes consultar el original.

DeepShelf

Cálculo en Transformers: ¿por qué discrepan dos estudios?

Fuentes

3 fuentes

Capas de atención frente a recurrentes

Este apéndice utiliza la comparación de complejidad por capa del artículo «Attention Is All You Need» para hacer una estimación aproximada. Se redactó para esta demostración.

El cálculo de una capa de atención crece con longitud² × dimensión y el de una capa recurrente con longitud × dimensión². Ambos estudios usan una dimensión de modelo de 512. La figura 2 representa esta estimación para ambos tipos de capa según la longitud de entrada y marca las longitudes de entrada de los dos estudios.

  • Capa de atención
  • Capa recurrente
Figura 2. Cálculo por capa según la longitud de entrada (dimensión del modelo 512)

Es una estimación del orden de magnitud. Omite factores constantes y el resto del modelo, como las capas de propagación hacia delante, por lo que no puede reproducir la proporción medida en ninguno de los estudios.

Apéndice de cálculo de atención (ejemplo).pdf · Página 2 · Figura 2

Fuente actual: Apéndice de cálculo de atención (ejemplo).pdf · Página 2 · Figura 2

Pregunta a tus fuentes

Vista previa del resultado

Después de preguntar, puedes convertir los hallazgos en un informe.

Contenido ficticio solo a modo de ejemplo. Para el uso actual, consulta la documentación y la interfaz más reciente del producto.

Convierte lo que lees en una perspectiva propia.

Reúne todos los documentos de tu proyecto. Aclara tus ideas mediante preguntas, comparaciones y verificaciones. Plasma lo que has aprendido en un informe, para que las conversaciones y la investigación se basen en pruebas y lleven a resultados concretos.

Añade tus fuentes

  • Artículos e informes sectorialesPDF
  • Entrevistas y reunionesMP3
  • Borradores y notas de investigaciónWord · DOCX
  • Datos y hojas de cálculoExcel · XLSX

Ver tipos de fuentes compatibles

Trae tus preguntas. Juntos exploramos, comparamos y verificamos las pruebas para comprender mejor.

Lleva tu trabajo más lejos

  • Documentos de WordDOCX
  • Documentos PDFPDF
  • Presentaciones PPTPPTX
  • Archivos de códigoHTML · Python

Ver formatos de salida y descarga

Tu próximo trabajo,con las fuentes que tienes a mano.

Unos informes. Una grabación. Una decisión pendiente.

Conecta las pruebas. Da una fuente a cada juicio.

PDFCasos de renovación de calles comerciales.pdf
PDFPlan de infraestructuras de transporte.pdf

PDFEstudio de afluencia de la zona.pdf01

«La previsión de visitantes supone condiciones después de la apertura de la línea ferroviaria».

Página 18 · Supuestos de la previsión

MP3Reunión del proyecto.mp302

«La primera fase debería reabrir el próximo año, pero las conexiones de transporte podrían no estar listas».

Extracto de la reunión · 12:48

Informe de investigación

Borrador · Pendiente de verificar

Renovación de la calle comercial · Estudio de viabilidad

Ejemplo ficticio únicamente para demostrar las funciones.

Preguntas frecuentes

¿Qué es DeepShelf?

DeepShelf es un espacio de trabajo en la nube diseñado para investigar y aprender a fondo. Reúne fuentes extensas como artículos, informes, grabaciones, borradores y hojas de cálculo en un proyecto, y después haz preguntas a la IA, compara fuentes y profundiza. Convierte tus hallazgos en informes descargables. Las citas de las respuestas te llevan al original con un clic para que puedas comprobarlas. Además de DeepShelf 1.0, admite GPT, Claude, DeepSeek, Kimi y otros modelos. Los modelos disponibles dependen de tu plan.

Ver modelos de cada plan
¿En qué se diferencia DeepShelf de herramientas como ChatGPT? ¿Por qué subir archivos primero?

Herramientas como ChatGPT también pueden leer los archivos que les envías. La diferencia está en lo que ocurre después de subirlos. DeepShelf hace una primera lectura de cada fuente y toma sus propias notas, un proceso llamado análisis. Esto tiene tres ventajas:

  1. Las respuestas posteriores se basan primero en tus fuentes y son más precisas.
  2. Tus fuentes permanecen juntas en un proyecto, así que no tienes que volver a enviarlas al iniciar una nueva conversación.
  3. Puedes abrir cada cita de una respuesta para comprobar el original: un PDF se abre en el pasaje con su diseño original, una grabación salta al momento y la transcripción correspondientes, y los archivos Word, TXT y EPUB se abren en el texto analizado.
Comparar en detalle Gemini Notebook, ChatGPT y otros productos
¿Puede DeepShelf procesar varios libros extensos o una pila de informes a la vez y encontrar sus relaciones?

Sí. Ponlos en un proyecto, selecciona las fuentes para esta pregunta y pregunta en qué coinciden, dónde se contradicen y cómo se relacionan. Lo hemos probado con varios libros completos a la vez, incluidas preguntas que abarcan distintos libros, y los resultados superaron ampliamente los de productos similares. Esa escala tampoco es el máximo. Los límites reales dependen de tu plan: cuántas fuentes puede contener un proyecto y el tamaño máximo de cada archivo. Los documentos escaneados y las hojas de cálculo no funcionan tan bien como los PDF con texto seleccionable. Abre las citas para confirmar cada relación que se señale.

¿Qué tipos de archivos puedo subir a DeepShelf?

DeepShelf admite PDF, Word (DOCX), texto sin formato (TXT), libros electrónicos (EPUB), imágenes (JPG, JPEG, PNG), audio (WAV, MP3, M4A, OGG), páginas web (HTML, HTM), hojas de cálculo (CSV, XLSX), PowerPoint (PPTX) y más. El tamaño de los archivos y su cantidad por proyecto varían según el plan.

Ver formatos de fuentes compatibles
¿Puedo usar DeepShelf gratis?

Sí. Las cuentas nuevas reciben una prueba de Plus de siete días con 100 créditos en total. Al terminar, tu cuenta pasa automáticamente a Free. Las ventajas de Plus finalizan, pero puedes seguir usando DeepShelf. Analizar fuentes, hacer preguntas y crear informes consume créditos; la cantidad depende de la extensión de las fuentes y del modelo que elijas. En Free puedes seguir preguntando sobre los archivos subidos durante la prueba o un plan de pago y citándolos. Consulta tu saldo e historial en Configuración → Uso.

Comparar límites de los planes
¿Se usarán los artículos, grabaciones o documentos de clientes que suba a DeepShelf para entrenar modelos?

DeepShelf no utiliza las fuentes que subes, las conversaciones ni los resultados generados para entrenar grandes modelos de lenguaje.

Conservamos tus fuentes, junto con el proceso de generación y los resultados, a largo plazo para que puedas volver a ellos y seguir trabajando en cualquier momento. Cuando ya no los necesites, puedes eliminar proyectos o fuentes en el espacio de trabajo. También conservamos los registros de solicitudes necesarios para diagnosticar fallos, mantener la seguridad y evitar abusos.

DeepShelf es un servicio en la nube. Para analizar archivos y generar respuestas, el contenido que requiere cada tarea se envía a los servicios de modelos y análisis pertinentes. Recomendamos no subir información sensible ajena a la tarea actual.