Sábado 24 de octubre de 2026 ·

Continual Learning Exam: nuevo benchmark de 50+ expertos mide si los agentes de IA mejoran con la experiencia; el mejor sistema supera solo el 47,7% de los niveles

Relevancia 38 de 100

Los investigadores presentan CLE, un benchmark con 120 tareas creadas por expertos de 12 dominios profesionales, cada una dividida en cinco niveles que se desbloquean en orden. Los niveles posteriores se apoyan en la experiencia acumulada en los anteriores, y un agente evaluador los puntúa con rúbricas humanas. Dar retroalimentación y una segunda oportunidad tras un fallo mejora la tasa de completado en una mediana de 5,3 puntos en 17 configuraciones de LLM. Aun así, el mejor sistema solo supera el 47,7% de los niveles y completa los cinco niveles en el 23,3% de las tareas.

Qué significa

Los agentes de IA que trabajan en tareas largas podrán medirse por lo que aprenden de la experiencia, no solo por cada tarea aislada. Los desarrolladores de modelos también pueden usar el conjunto para entrenar a sus LLM en esa capacidad.

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 ->