Anderson Morillo

Ingeniero de IA e investigador en NLP, con base en Cartagena, Colombia. Construyo sistemas de NLP e IA de extremo a extremo — desde chatbots con RAG y transformers fine-tuned hasta plataformas de datos en tiempo real — con Docker, FastAPI y despliegue en la nube.

Afiliación: Universidad Tecnológica de Bolívar · COTECMAR

Más palabras, menos pensamiento: la homogeneización paradójica de la escritura asistida por IA

La IA hace que la escritura sea más elocuente pero menos original. Un estudio de Georgetown con 373.000 ensayos de admisión universitaria encontró que, después de la llegada de ChatGPT, los ensayos usan un vocabulario más rico pero expresan ideas más estrechas y similares entre sí. El autor lo llama homogeneización paradójica: la ilusión de originalidad mientras nuestros pensamientos convergen en silencio.

Construir sistemas RAG sobre documentación técnica

Los equipos técnicos acumulan grandes corpus: manuales, SOPs, especificaciones de API, runbooks. La generación aumentada por recuperación (RAG) permite que un modelo de lenguaje responda con evidencia tomada de esos documentos, reduciendo alucinaciones frente al prompting puro.

VerbaNexAI at SemEval-2025 Task 3: Fact Retrieval with Google Snippets for LLM Context Filtering to identify Hallucinations

Autores: Anderson Morillo, Edwin Puertas, Juan Carlos Martinez Santos Venue: Proceedings of the 19th International Workshop on Semantic Evaluation (SemEval-2025), Viena, Austria. Association for Computational Linguistics. Páginas 1534–1541.

🚦 Guía rápida: cómo funciona el Model Context Protocol (MCP)

¿Qué es el Model Context Protocol (MCP)? El Model Context Protocol (MCP) es una especificación abierta para comunicación segura y en streaming, e integración de herramientas, entre clientes y servidores de modelos de lenguaje. Permite que los modelos y sus agentes auxiliares compartan contexto y recursos de forma eficiente, entre plataformas, herramientas y flujos de trabajo distintos.

📊 Crea tu propio corpus de frecuencia de unigrama usando datos de Google

¿Te interesan los corpus lingüísticos y el procesamiento de lenguaje natural? Este post describe cómo crear tu propio corpus de frecuencia de palabras (unigrama) en inglés utilizando el proyecto Create_google_unigram_frecuency_corpus.

🔍 Extracción de palabras importantes con Weirdness

Aprende a identificar y extraer palabras raras o significativas de un corpus aprovechando el concepto de “weirdness”. Este enfoque enriquece aplicaciones de procesamiento de lenguaje y permite destacar vocabulario único y obtener nuevas perspectivas lingüísticas.

PubMed API and LLM-Driven Hybrid Retrieval System for Biomedical Question Answering

Autores: Anderson Morillo, Carlos Agamez, Edwin Puertas, Juan Carlos Martinez-Santos, Jairo Serrano

VerbaNexAI Lab at SemEval-2024 Task 1: A Multilayer Artificial Intelligence Model for Semantic Relationship Detection

Autores: Anderson Morillo, Daniel Peña, Juan Carlos Martinez Santos, Edwin Puertas

UTB-NLP at SemEval-2023 Task 3: Weirdness, Lexical Features for Detecting Categorical Framings, and Persuasion in Online News

Autores: Juan Cuadrado, Elizabeth Martinez, Anderson Morillo, Daniel Peña, Kevin Sossa, Juan Martinez-Santos, Edwin Puertas