Domingo 18 de octubre de 2026 ·
Los agentes de IA fallan en decisiones a largo plazo: el mejor modelo llega al 60 %
Investigadores de Microsoft y la City University of Hong Kong han creado un método para evaluar la calidad de las decisiones de los agentes de IA en tareas largas. Llaman "taste" (gusto) a esa capacidad y presentan el benchmark Taste-Bench. El mejor modelo probado acierta algo menos del 60 %. Según los autores, los benchmarks actuales solo miden si el agente completa la tarea, no la calidad de los pasos intermedios.
Qué significa
Que un agente termine una tarea no garantiza que sus decisiones intermedias fueran buenas, así que al evaluar agentes conviene mirar también esos pasos.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- The Decoder (DE)Leer la noticia completa en The Decoder (DE)
También ese día
Todas las noticias de IA del domingo 18 de octubre de 2026 ->