Domingo 18 de octubre de 2026 ·
Taste-Bench mide la calidad de las decisiones de los agentes de IA en tareas largas
Investigadores de Microsoft y City University of Hong Kong crearon Taste-Bench, un método para evaluar cómo toman decisiones los agentes de IA en tareas de varios pasos. Los benchmarks actuales solo miden si el agente termina la tarea, no la calidad de sus pasos intermedios. El mejor modelo apenas alcanzó el 60 %, y los autores evalúan esas decisiones a posteriori, observando si el camino posterior de cada ejecución muestra que la elección fue buena.
Qué significa
Al evaluar agentes para tareas largas, no basta con que terminen el trabajo: también cuenta si tomaron buenas decisiones intermedias, que solo se ven al final.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- The DecoderLeer la noticia completa en The Decoder
También ese día
Todas las noticias de IA del domingo 18 de octubre de 2026 ->