Se dice que un modelo convergió cuando, a lo largo de sucesivas iteraciones de entrenamiento, su función de pérdida deja de disminuir de forma significativa, indicando que el proceso de optimización encontró una solución razonablemente estable dentro del espacio de parámetros posibles.
Por qué no siempre es sencillo detectarla
En modelos complejos, la función de pérdida puede fluctuar o estancarse temporalmente en zonas planas antes de seguir mejorando, por lo que decidir cuándo un modelo realmente convergió —y no simplemente se estancó momentáneamente— requiere monitorear el entrenamiento durante un período razonable antes de sacar conclusiones definitivas.