Viernes 23 de octubre de 2026 ·
SARL, un método de aprendizaje por refuerzo para que los LLM con búsqueda sepan qué información les falta: +24,3 % frente a la base más fuerte
Investigadores presentan SARL (Self-Assessment Reinforcement Learning), un marco de aprendizaje por refuerzo para agentes de búsqueda basados en modelos de lenguaje. Abordan que estos agentes no distinguen qué información ya han obtenido y cuál les falta, lo que provoca razonamientos inventados y búsquedas que terminan antes de tiempo. SARL usa una recompensa doble que premia las autoevaluaciones útiles y penaliza depender demasiado de ellas, sin necesitar evaluación adicional en la prueba. Según los autores, supera en un 24,3 % relativo a la mejor línea base, con mejoras medias del 35,9 % en razonamiento multisalto y del 27,9 % en pruebas de investigación profunda.
Qué significa
Quien monte sistemas de preguntas y respuestas con búsqueda obtiene un modelo que se autoevalúa durante el entrenamiento, sin pasos extra al usarlo. Esto permite más precisión sin añadir infraestructura de inferencia, lo que puede abaratar y simplificar este tipo de agentes.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.CLLeer la noticia completa en arXiv cs.CL
También ese día
Todas las noticias de IA del viernes 23 de octubre de 2026 ->