Sábado 24 de octubre de 2026 ·

Meta y Carnegie Mellon: un Qwen3-8B entrenado con RL supera a Llama-4-Maverick en selección de herramientas (41,5% frente a 30,6%)

Relevancia 51 de 100 Estados Unidos, California

Útil para Programadores 58%

Investigadores de Meta y Carnegie Mellon University presentan en el preprint arXiv:2610.31483 un Qwen3-8B posentrenado con aprendizaje por refuerzo que acierta el 41,5% de las selecciones de herramientas en ToolBench G3. Llama-4-Maverick, de unos 402.000 millones de parámetros, obtiene el 30,6%. Las variantes de 4B y 1,7B también superan a Maverick, con el 40,3% y el 37,6%. El método combina planificación, recuperación de candidatos y selección en tres pasos, con ajuste supervisado y GRPO sobre unas 21.000 instrucciones.

Qué significa

Para quienes construyen agentes de IA, sugiere que un modelo pequeño bien entrenado puede elegir herramientas con más acierto que uno mucho mayor, lo que reduce el coste y la latencia de cada llamada. Aun así, el mejor resultado sigue fallando más de la mitad de las veces con más de 10.000 herramientas.

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 sábado 24 de octubre de 2026 ->