Viernes 23 de octubre de 2026 ·

ThinkingBox-Training usa la comprobación de bases de datos como recompensa para entrenar agentes, con Microsoft y Hugging Face

Relevancia 40 de 100

Útil para Programadores 60%

Microsoft y Hugging Face publicaron ThinkingBox-Training, disponible en GitHub, que convierte la comprobación del estado final de una base de datos en señal de recompensa para entrenar agentes. ThinkingBox-Bench tiene 507 tareas. Con Qwen3.8-27B, el éxito medio subió del 51,70% al 60,78% y las tareas completadas correctamente en las veinte pruebas pasaron de 38 a 107 tras 50 pasos de GRPO.

Qué significa

Quienes entrenan agentes de IA para tareas con sistemas reales pueden usar resultados verificables en lugar de juicios subjetivos para mejorarlos. Así se reduce el riesgo de que un agente diga que ha terminado cuando el resultado no es correcto.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del viernes 23 de octubre de 2026 ->