Investigadores del MIT mejoran un modelo de lenguaje editando el 0,016 % de sus pesos con otra IA
Hecho Qué ha ocurrido
Investigadores del MIT CSAIL usaron una IA superior (GPT-6 Astra) para modificar una porción mínima de los pesos de Qwen3.5-0.8B, sin reentrenarlo. Según el texto, la precisión de Qwen en MATH-500 subió del 7,9 % al 48,1 %. El método se llama Weight-Space Programming y el trabajo aún no está revisado por pares.
Resumen generado mediante IA a partir de Xataka. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si el enfoque se confirma, ofrece una vía de mejora de modelos pequeños más barata que el reentrenamiento. Para una empresa que usa modelos ligeros, la alternativa es relevante, aunque todavía en fase preliminar.
- Quién se ve afectado
- Empresas que despliegan modelos pequeños o de bajo coste y equipos de investigación en IA.
- Qué puede cambiar
- Podría abrir una vía para ajustar modelos baratos sin entrenamiento completo, pero solo funciona si el modelo tiene comportamientos defectuosos que corregir, como los bucles de razonamiento; con Gemma 3 270M la mejora fue casi nula.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Publicación revisada por pares, replicación de los resultados con otros modelos y tareas, y si el método se extiende más allá de las matemáticas y los bucles de razonamiento.
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: Xataka. La referencia es siempre el artículo original.
Ver fuente original ↗LLMmodelos pequeñosrazonamiento matemático MIT CSAILAlibabaOpenAI MATH-500 MIT pesos Qwen Weight-Space Programming
Relacionadas
Qwen 3.8 27B logra puntuación 52 en índice de Artificial Analysis, equiparando modelos más grandes
Qwen 3.8 27B, un modelo de 27 mil millones de parámetros de Alibaba, ha alcanzado una puntuación de 52 en el índice de Artificial Analysis Intelligence, la…
Por qué importaDemuestra que la eficiencia en parámetros es viable en modelos de alto desempeño, reduciendo potencialmente costes de entrenamiento e inferencia…
AWS publica guía para desplegar el modelo abierto Qwen3.8-2.4T-A95B en SageMaker HyperPod
Alibaba lanzó el 12 de agosto de 2026 Qwen3.8-2.4T-A95B, un modelo de pesos abiertos con 2,4 billones de parámetros totales (95.000 millones activados por…
Por qué importaEs la primera vez que un modelo de la clase Qwen-Max se libera en pesos abiertos, lo que da a las empresas una alternativa autoalojada frente a APIs…
OpenAI afirma que un modelo interno resolvió más de 100 problemas matemáticos abiertos en un mes de entrenamiento
OpenAI afirma que un modelo interno, entrenado desde el 28 de agosto, resolvió más de 100 problemas matemáticos abiertos, incluyendo presuntamente la conjetura…
Por qué importaSi se confirma, supondría un salto muy rápido en capacidades matemáticas de la IA con implicaciones científicas e industriales amplias, pero las…
Modelos de IA mejoran ligeramente en matemáticas, pero siguen reprobando
El benchmark ORCA de Omni Calculator evaluó nuevamente modelos de IA en 500 problemas matemáticos prácticos. Gemini 3 Flash alcanzó 72,8% de precisión (ganando…
Por qué importaLas limitaciones matemáticas de los LLM son críticas para aplicaciones empresariales que requieren precisión en cálculos, análisis financiero 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.