Microsoft usa la verificación del estado de una base de datos como recompensa para entrenar agentes de IA
Hecho Qué ha ocurrido
Microsoft publicó ThinkingBox-Training, un método que usa como recompensa de aprendizaje por refuerzo la comprobación ejecutable del estado final de la base de datos. Según el texto, con Qwen3.8-27B la tasa media de éxito pasó del 51,70% al 60,78% en su benchmark, y las tareas resueltas en los 20 intentos subieron de 38 a 107 tras 50 pasos de GRPO. El texto indica también una ligera caída en la cobertura de al menos un intento (pass@20).
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra una forma concreta de mejorar la fiabilidad de agentes que modifican registros de negocio, un punto crítico para empresas que los quieran llevar a producción. Los resultados proceden de un benchmark propio de Microsoft y todavía no están validados de forma independiente.
- Quién se ve afectado
- Equipos de IT y desarrollo que construyen agentes sobre sistemas de gestión, reservas o atención al cliente.
- Qué puede cambiar
- Si los resultados se confirman en otros entornos, el entrenamiento de agentes podría apoyarse más en comprobaciones automáticas del resultado final que en revisión manual de cada paso.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar si otros laboratorios reproducen la mejora con benchmarks independientes y si la caída en cobertura de tareas resueltas al menos una vez se mantiene en modelos mayores.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗agentesaprendizaje por refuerzoLLM MicrosoftHugging Face agentes de IA GRPO Microsoft Qwen3.8-27B ThinkingBox
Relacionadas
Microsoft presenta ThinkingBox, benchmark que mide si los agentes de IA realmente completan tareas en bases de datos reales
Microsoft publicó ThinkingBox, un benchmark de 507 flujos de trabajo empresariales ejecutados 20 veces cada uno contra 12 modelos LLM, que evalúa el estado…
Por qué importaRevela que medir agentes por respuestas finales o llamadas a herramientas válidas oculta errores reales en los sistemas backend que tocan datos de…
Microsoft mide si los agentes de IA defienden realmente los intereses del usuario
Microsoft Research ha presentado SocialReasoning-Bench, un benchmark que evalúa si los agentes de IA pueden negociar y razonar socialmente en nombre de un…
Por qué importaA medida que los agentes de IA asumen tareas reales—gestionar calendarios, negociar compras, representar usuarios ante terceros—surge la pregunta…
Un nuevo benchmark muestra que los agentes de IA aciertan menos del 60 % en decisiones a largo plazo
Investigadores de Microsoft y City University of Hong Kong presentan Taste-Bench, un benchmark de 502 preguntas que evalúa si los agentes de IA eligen bien…
Por qué importaLos agentes que ejecutan tareas de varios pasos pueden acumular malas decisiones que solo se detectan al final, cuando el coste ya es alto. Medir la…
Hugging Face propone benchmark de agentes para optimizar librerías de IA
Hugging Face ha publicado una metodología de benchmark para evaluar cómo los agentes de IA usan las librerías de software, no solo si obtienen el resultado…
Por qué importaEsta investigación establece un nuevo estándar para diseñar software pensando en agentes, no en humanos. Para empresas que desarrollan librerías o…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.