ScholarEvolve hace que agentes de IA reescriban su propio software a partir de artículos científicos y sube 12,4 puntos su tasa de éxito
Útil para
Investigadores de la Universidad de California en Santa Bárbara (UCSB) y Microsoft publicaron el 30 de septiembre de 2026 un preprint en arXiv, sin revisión por pares, sobre ScholarEvolve. El sistema analiza los fallos de un agente de IA, busca en artículos académicos mejoras y reescribe el software que controla herramientas, historial y habilidades, sin cambiar los pesos del modelo. En el benchmark AppWorld Normal, la tasa de finalización de Qwen3.5-27B pasó del 69,0 % al 81,4 %. Según el estudio, la mejora procede de aplicar a su código ideas de los artículos mediante modelos externos y agentes de programación.
Qué significa
Supone que un agente de IA puede mejorar cambiando el software que lo controla, sin reentrenar el modelo, lo que abarata su optimización. Para los equipos que despliegan agentes, esta vía es una alternativa al reentrenamiento, aunque sus resultados aún no han sido revisados por pares.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- XenoSpectrum — English EditionLeer la noticia completa en XenoSpectrum — English Edition