Jueves 22 de octubre de 2026 ·
Preentrenamiento continuo de agentes incorporados en mundos virtuales de juegos
Un estudio analiza 120 configuraciones de preentrenamiento continuado para agentes en mundos virtuales, con modelos de 0,8B a 27B parámetros, entre 50 y 1.600 horas de datos y cinco mezclas, desde solo Minecraft hasta varios mundos. Los resultados muestran que más datos mejoran el rendimiento en los mundos incluidos en el entrenamiento y que la diversidad ayuda a transferir a mundos relacionados, con poca ganancia en mundos lejanos. Los autores también ajustan una ley de escalado empírica que relaciona la pérdida de validación con datos, diversidad y tamaño del modelo.
Qué significa
Para quien desarrolla agentes de juego, indica que añadir variedad de mundos mejora sobre todo los juegos parecidos, no los muy distintos a los del entrenamiento.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.AILeer la noticia completa en arXiv cs.AI
También ese día
Todas las noticias de IA del jueves 22 de octubre de 2026 ->