# CHANGELOG — ORNITH ATLAS v4.2

## Añadido

- Biblioteca 02 con 12 fichas editoriales, metadatos JSON, guiones, transcripciones originales de los resúmenes y audios.
- Filtros funcionales por texto, tema y estado de evidencia.
- Playlist consolidada de 24 resúmenes que conserva las 12 fuentes originales.
- Dos capítulos autocontenidos del audiolibro: capítulos 9 y 10. Los capítulos 1–8 se conservaron.
- Registro de verificación y capturas desktop/móvil.

## Fuentes nuevas

- [llama.cpp quantize](https://github.com/ggml-org/llama.cpp/blob/ad1b88ca0d37a2171efba1c04f1a3531c78f1b52/tools/quantize/README.md) — Fuente primaria oficial.
- [k-quants](https://github.com/ggml-org/llama.cpp/pull/1684) — Fuente primaria oficial.
- [Tipos de KV cache y flags de llama.cpp](https://github.com/ggml-org/llama.cpp/blob/8e330954adb6e86c329c9d7e338f01f93ffe4b88/common/arg.cpp) — Fuente primaria oficial.
- [Receta Q4_K_L en Qwen3-8B-GGUF](https://huggingface.co/bartowski/Qwen_Qwen3-8B-GGUF/blob/0b69f75b7472688e6808490aa2b85efdb81b5ce7/README.md) — Comunitaria anecdótica.
- [Compact Language Models via Pruning and Knowledge Distillation](https://proceedings.neurips.cc/paper_files/paper/2024/hash/4822991365c962105b1b95b1107d30e5-Abstract-Conference.html) — Fuente académica primaria.
- [Sheared LLaMA: Accelerating Language Model Pre-training via Structured Pruning](https://proceedings.iclr.cc/paper_files/paper/2024/hash/160adf2dc118a920e7858484b92a37d8-Abstract-Conference.html) — Fuente académica primaria.
- [LLM-Pruner: On the Structural Pruning of Large Language Models](https://proceedings.neurips.cc/paper_files/paper/2023/hash/44956951349095f74492a5471128a7e0-Abstract-Conference.html) — Fuente académica primaria.
- [ShortGPT: Layers in Large Language Models are More Redundant Than You Expect](https://aclanthology.org/2025.findings-acl.1035/) — Fuente académica primaria.
- [LoRA: Low-Rank Adaptation of Large Language Models](https://arxiv.org/abs/2106.09685v2) — Fuente académica primaria.
- [Holistic Evaluation of Language Models (HELM)](https://arxiv.org/abs/2211.09110v2) — Fuente académica primaria.
- [DFlash: Block Diffusion for Flash Speculative Decoding](https://arxiv.org/html/2602.06036v2) — Fuente académica primaria.
- [Fine Tuning de Modelos de Lenguaje: Guía con Unsloth y QLoRA](https://www.youtube.com/watch?v=bDAXigPFf2I) — Comunitaria anecdótica.

## Decisión editorial del audiolibro

Se añadieron solo dos capítulos. Los ocho existentes ya cubren arquitectura, cuantización, MTP/DFlash, LoRA/QLoRA, poda, destilación y el plan general. El capítulo 9 profundiza en la construcción operativa de gates por dominio; el 10 convierte las técnicas en un árbol de decisión de especialización y compresión. Añadir más habría duplicado contenidos.

## Pendiente

- Fijar hash, procedencia y licencia efectiva del GGUF activo.
- Ejecutar A/B local de pesos y KV con el mismo harness.
- Evaluar MTP, DFlash y visión por separado; su soporte o presencia no demuestra operación.
- Ejecutar cualquier LoRA, QLoRA, poda o destilación solo sobre copias, con gates y rollback.