Bonito, me encanta verlo. Algunas preguntas en mi mente: * ¿Qué configuración del sistema preferiría la comunicación dispersa en lugar de la transmisión de Diloco? ¿Qué pasa si los combinas? * ¿Es SparseLoCo obteniendo una pérdida más baja a veces un artefacto de variación aleatoria, o podemos hacer pruebas de hipótesis reales sobre este resultado? * La retroalimentación de errores es un operador sesgado: ¿hay otras operaciones sesgadas que puedan mejorar la optimización externa?