Que me tiren truenos, vendavales, e incluso fisuras, y siempre me aciertan (sin tener climas o danzas amigas) y el 90% de los poltergheist u ondas ingeas que tiro yo me fallen no lo entenderé nunca...

¿Y esta obra maestra?, jajaja 😂🤣 Grande @Cinemagia_x 😂

Legendary 4

No creeis que el matchup en pokemon champions es muy raro? Que salen enfrentamientos similares muy seguidos?

Alguna capturadora barata que sirva para switch 1? Porque las cosas que me pasan en champions si las cuento no se las cree nadie...

Bueno, rachas de 10 recién subido a máster con el equipo de mega gardevoir de @PokeAlex_ y @SekiamPKM , por fin he encontrado un equipo al que me he sabido adaptar después de probar miles, (soy jugador casual)

I promised that if $BTC hits $74,500, I will give away $20,000 in BTC to 15 people. So as promised I will be giving away $20,000 to 15 person today. Rules: Like, Retweet, and Comment "BTC" 🔔 Gonna lock comments in 24 hours!

Pasado, la verdad es que #pokemonz ha sido de los juegos más disfrutables que he jugado de pokemon en mucho tiempo, un 10

ESTOY FLIPANDO 🤯 Crea tu AGENCIA de IA con empleados de IA ‼️ - Ingenieros. - Diseñadores. - Especialistas en growth marketing. - Product managers. - Etc Cada rol funciona como su propio agente. Se coordinan entre sí para lanzar ideas como lo haría un equipo real. El repositorio superó las 10k estrellas en menos de 7 días. Así es como está estructurada la “empresa de IA”: 🛠️ Ingeniería (7 agentes) • Frontend • Backend • Mobile • IA • DevOps • Prototipado • Desarrollo senior 🎨 Diseño (7 agentes) • UI/UX • Investigación • Arquitectura • Branding • Storytelling visual • Generación de imágenes 📣 Marketing (8 agentes) • Growth hacking • Contenido • Twitter • TikTok • Instagram • Reddit • App Store 📦 Producto (3 agentes) • Priorización de sprints • Investigación de tendencias • Síntesis de feedback 📋 Gestión de proyectos (5 agentes) • Producción • Coordinación • Operaciones • Experimentación 🧪 Testing (7 agentes) • QA • Análisis de rendimiento • Testing de API • Verificación de calidad 🤝 Soporte (6 agentes) • Atención al cliente • Analítica • Finanzas • Legal • Informes ejecutivos 🥽 Computación espacial (6 agentes) • XR • visionOS • WebXR • Metal • Vision Pro 🥷 Especializados (6 agentes) • Orquestación multi-agente • Analítica de datos • Ventas • Distribución Lo que me gusta de este enfoque es la forma de plantearlo. En lugar de un agente de IA gigante intentando hacerlo todo… Lo estructuras como una empresa. Repositorio, por si quieres explorarlo: github.com/msitarzewski/agen… Iré compartiendo públicamente lo que aprenda a medida que lo pruebe. Sígueme para más contenido @franpradasAI

Mi primer shiny. Y no me podría gustar más jejeje #pokemonz

Google DeepMind acaba de hacer algo que creo que va a pasar desapercibido para la mayoría pero que tiene implicaciones muy importantes. Han cogido AlphaEvolve (su sistema de IA que "evoluciona" código como si fuese selección natural) y lo han puesto a diseñar algoritmos de teoría de juegos. No a ejecutarlos. No a optimizar parámetros. A inventar algoritmos nuevos desde cero. Y los algoritmos que ha descubierto funcionan mejor que los que los investigadores humanos llevan años perfeccionando. Vamos por partes, que esto tiene miga. Primero, el contexto. En teoría de juegos hay dos grandes familias de algoritmos para resolver juegos de información imperfecta (como el póker): CFR y PSRO. Llevan décadas siendo la base de todo. Los investigadores los mejoran publicando variantes — ajustando pesos, cambiando fórmulas de descuento, probando combinaciones. Es un trabajo lento, basado en intuición y papers de conferencias. Lo que ha hecho DeepMind es tratar el diseño de esos algoritmos como un problema de búsqueda. En vez de que un investigador piense "¿y si ajusto este parámetro?", AlphaEvolve trata el código fuente del algoritmo como un genoma que puede mutar, recombinar y seleccionar. No ajusta números. Reescribe lógica. Puede inventar operaciones nuevas que no existían. ¿El resultado? Dos algoritmos nuevos. El primero, VAD-CFR, introduce algo que ningún investigador humano habría probado: un mecanismo de "calentamiento" que filtra el ruido de las primeras iteraciones y pesos que se adaptan a la volatilidad de cada momento del entrenamiento. Lo probaron en 11 juegos distintos. Lo entrenaron solo en 4. Y los mecanismos funcionaron en los 7 que no había visto nunca. Es decir, no son trucos específicos para un juego — la lógica se generaliza. El segundo, SHOR-PSRO, descubrió por su cuenta algo que a un humano le costaría plantear: que el algoritmo que usas para entrenar y el que usas para evaluar deberían ser diferentes. Arranca explorando de forma agresiva y gradualmente va apretando hacia el equilibrio exacto. Esa asimetría es contraintuitiva (normalmente usas el mismo algoritmo en ambas fases) y sin embargo funciona mejor. Ahora bien, seamos realistas sobre el alcance. Estamos hablando de juegos relativamente pequeños. Variantes de póker, dados, Goofspiel. No es StarCraft. No son sistemas multiagente a gran escala del mundo real. Los algoritmos descubiertos no tienen garantías teóricas de convergencia — funcionan empíricamente, pero no están formalmente demostrados. Y ya había trabajo previo (DDCFR, 2023) que intentaba aprender parámetros de descuento con reinforcement learning. La diferencia es que esos enfoques anteriores ajustaban botones que ya existían. AlphaEvolve puede inventar botones nuevos. Esa distinción es clave: optimizar parámetros encuentra mejores ajustes. Evolucionar código encuentra mejores algoritmos. Y creo que ahí está la idea de fondo que merece la pena retener. El diseño de algoritmos siempre ha sido un proceso artesanal. Un investigador tiene una intuición, la formaliza, la prueba, publica un paper y otro investigador construye encima. Es lento. Es brillante. Y ha funcionado durante décadas. Lo que DeepMind está proponiendo (y demostrando) es que ese espacio de posibles algoritmos es tan enorme que la exploración humana solo araña la superficie. AlphaEvolve no entiende teoría de juegos. No tiene intuición. Pero explora ese espacio a una velocidad y con una amplitud que ningún equipo humano puede igualar. Y ya está encontrando cosas que los humanos no habían visto. Me recuerda a algo que llevo diciendo desde hace tiempo: la IA no va a sustituir al investigador. Pero el investigador que use IA va a dejar atrás al que no la use. Esto no es "la IA reemplaza a los diseñadores de algoritmos." Es que diseñar algoritmos acaba de convertirse en un problema que la IA puede ayudar a resolver. Y eso lo cambia todo... aunque suene menos llamativo que un titular sobre la singularidad. Estoy convencido de que vamos a ver esto en muchos más campos. La IA como herramienta de exploración de espacios de diseño que los humanos no podemos recorrer solos. Fármacos, materiales, arquitectura de redes, logística. El patrón es el mismo: hay un espacio enorme de posibilidades, la intuición humana explora un rincón, y la IA puede explorar el resto. La pregunta es si estamos preparados para aceptar que un algoritmo diseñado por una máquina (que no "entiende" lo que hace) puede ser mejor que el nuestro. Me da que a más de uno le va a costar ;) Paper: arxiv.org/abs/2602.16928

Si eres Programador Web y usas IA... ¡Instala esto! Agent Skills de Addy Osmani (de Google) para: ✓ Web Performance ✓ Mejores prácticas ✓ Accesibilidad ✓ SEO técnico Para React, Vue, Angular o lo que uses. $ npx add-skill addyosmani/web-quality-skills

x.com/i/status/2028076683249… He hecho lo mismo para los que usan antigravity, yo uso ambos. github.com/Deibiz4/antigravi…

Si usas Claude Code, esto te va a ahorrar horas. He creado un template para arrancar cualquier proyecto con la estructura perfecta desde el día 1: → CLAUDE.md preconfigurado Copia, personaliza y a correr 🚀 github.com/Deibiz4/claude-co…

Os comento algunos resultados preliminares: 1/ He parseado 126.065 PDFs del BORME desde 2009 hasta hoy. ¿Por qué 2009? Porque ahí cambió el formato del boletín. Antes de eso la estructura es diferente y requiere otras técnicas, pero 2009-2026 cubre la inmensa mayoría de empresas activas hoy. 2/ El problema del cruce: el BORME no publica el CIF de las empresas. Solo el nombre y los datos registrales (tomo, hoja, inscripción). Así que para cruzar con licitaciones toca hacer matching por nombre normalizado: quitar acentos, unificar formas jurídicas (S.L. = SL = Sociedad Limitada), eliminar paréntesis, guiones, etc. Resultado: de 5,9M de adjudicaciones en el PLACSP, 3,8M cruzan con alguna empresa del BORME. Un 64%, que representa 1.482 mil millones de euros en contratos (67% del importe total). El 36% restante son autónomos (personas físicas que no aparecen en el Registro Mercantil), UTEs, y empresas constituidas antes de 2009. 3/ ¿Y las homónimas? Sin CIF, "CONSTRUCCIONES GARCIA SL" en Madrid y en Sevilla son la misma empresa para nosotros. Para medir el problema, analicé los NIFs del propio PLACSP: el 95% de los nombres normalizados corresponden a un único CIF. La homonimia existe pero es baja. 4/ Con ese cruce he buscado 5 tipos de anomalías: Empresa recién creada: constituida menos de 6 meses antes de ganar un contrato público. Salen 16.337 adjudicaciones. Capital ridículo: empresa con menos de 10.000€ de capital social ganando contratos de más de 100.000€. 71.461 adjudicaciones. Multi-administrador: la misma persona aparece como cargo en más de una empresa. 1.052.326 personas. Este flag todavía está crudo — lo interesante será cruzarlo con PLACSP para ver si esas empresas compiten en las mismas licitaciones. Disolución post-adjudicación: la empresa se disuelve menos de un año después de ganar el contrato. 9.928 adjudicaciones. Adjudicación en concurso: empresa en situación concursal recibiendo contratos públicos. 9.655 adjudicaciones. Ninguno de estos flags es una acusación. Crear una SL con 3.000€ de capital es perfectamente legal. Que un administrador esté en 5 empresas también. Son señales que, acumuladas o combinadas, merecen una segunda mirada. 5/ Lo que falta: cruzar los multi-administradores con licitaciones concretas, analizar cambios de cargos alrededor de las fechas de adjudicación, incorporar contratos menores, y buscar fuentes complementarias de CIF para mejorar el matching. Vamos a ello.