El sistema de IA EvoBelief aprende de sus errores durante el funcionamiento en curso: acertó el 83,3 por ciento frente al cero de los modelos de comparación
Una nueva generación de agentes de IA puede ahora corregir sus propios razonamientos erróneos, formular preguntas más acertadas y construir una comprensión del mundo que los rodea, todo ello durante el funcionamiento en curso y sin necesidad de volver a entrenarse. En uno de los entornos de prueba, el nuevo sistema EvoBelief completó el 83,3 por ciento de las tareas, mientras que todos los modelos de comparación no completaron ninguna. No se trata de cálculos más rápidos, sino de algo que se asemeja a una sabiduría adquirida.
Automejora sin reinicio
Imagina a un colaborador que no solo realiza su trabajo, sino que analiza activamente por qué una decisión salió mal, formula una nueva hipótesis y la pone a prueba la siguiente vez. Eso es exactamente lo que empieza a hacer una nueva generación de agentes de IA, y cambia el panorama de forma fundamental.
En el centro de este movimiento se encuentra EvoBelief, un marco que permite a los agentes de IA desarrollar y revisar su comprensión del mundo mientras trabajan. El sistema representa el conocimiento como hipótesis refutables, un préstamo directo de la metodología científica. Cuando el agente se topa con un resultado inesperado, crea una nueva hipótesis, la pone a prueba y extrae conclusiones. En el entorno de prueba ALFWorld, la tasa de éxito aumentó hasta un 31,3 por ciento en comparación con un modelo de referencia. En el entorno científico de prueba DiscoveryWorld, EvoBelief completó el 83,3 por ciento de las tareas, frente al cero por ciento de todos los modelos de comparación.
No se trata de una mejora marginal. Es un cambio de paradigma.
La pregunta adecuada en el momento adecuado
Otra debilidad clásica de los agentes de IA ha sido lo que puede llamarse el problema de la aclaración: si el agente pregunta demasiado, resulta molesto; si pregunta muy poco, comete errores. El marco CLEAT aborda precisamente este punto entrenando un módulo de control que mide de forma continua el valor real de hacer una pregunta frente a actuar directamente. Con el modelo de lenguaje Qwen3-4B, el sistema alcanzó la puntuación media más alta en los diez escenarios de evaluación, con mejoras de más de 13 puntos porcentuales frente al competidor más cercano.
En paralelo, Collaborative Theory of Mind (CToM) muestra cómo los sistemas de IA pueden predecir cómo es probable que reaccione un usuario ante una respuesta y, después, revisar la respuesta antes de presentarla. El resultado son respuestas más precisas y menos intervenciones necesarias por parte del usuario. Es un paso hacia una IA que no solo responde, sino que realmente escucha.
De las demostraciones humanas a habilidades reutilizables
Una tercera línea de trabajo consiste en aprender del comportamiento humano en tiempo real. Work2Skill capta cómo las personas navegan por las interfaces gráficas (movimientos, pulsaciones de botones, grabaciones de pantalla) y lo convierte en habilidades reutilizables que los agentes de IA pueden emplear en nuevos contextos. Las mejoras en los puntos de referencia estándar oscilaron entre 3 y 10 puntos, pero el valor estratégico es mayor de lo que sugieren las cifras: el sistema aborda directamente la debilidad clásica de los agentes de IA para manejar software desconocido sin conocimiento especializado humano.
Un entrenamiento que no olvida lo aprendido
La automejora tiene un reverso que la comunidad investigadora empieza ahora a tomar en serio. Cuando los modelos de IA actúan a la vez como profesor y alumno durante el entrenamiento, corren el riesgo de perder gradualmente capacidades que antes dominaban, un fenómeno difícil de detectar porque el rendimiento general puede seguir pareciendo en aumento. El método Representation Geometry Regularization (RGR) contrarresta esto fomentando agrupaciones de representaciones más densas y mejor separadas durante el entrenamiento. Es un estabilizador necesario en una era de automejora continua.
De forma similar, MagicBeanStalk resuelve otro obstáculo del entrenamiento: el hecho de que hasta un 88 por ciento de los problemas de los conjuntos de datos de entrenamiento populares son demasiado fáciles o demasiado difíciles para proporcionar una señal de aprendizaje útil. Su algoritmo recursivo crea familias de tareas bien calibradas que favorecen un aprendizaje óptimo, y mejoró el modelo GPT en 8,6 puntos porcentuales en puntos de referencia matemáticos.
Seguridad que también aprende
Cuando los agentes de IA manejan recursos sensibles (documentos privados, ajustes del sistema, procesos empresariales), las reglas de protección estáticas no son suficientes. VEPA combina un gran modelo de lenguaje que propone ajustes de políticas con una función de control determinista que verifica que los cambios sean lógicamente coherentes y no contradictorios. Las nuevas reglas solo se activan cuando hay suficientes pruebas que las respalden. Es un sistema de seguridad que se perfecciona a sí mismo, y en un mundo de agentes cada vez más autónomos es exactamente lo que se necesita.
Un movimiento, no un avance aislado
Lo llamativo al observar estos resultados de investigación en conjunto es que no son experimentos aislados, sino partes de un movimiento coherente. Sistemas de IA que aprenden de sus errores, plantean las preguntas adecuadas, leen al usuario, se protegen contra la manipulación y conservan su competencia a lo largo del tiempo. Ya no se trata de modelos fundamentales más inteligentes. Se trata de una inteligencia que, de hecho, madura durante el funcionamiento.