aprendizaje por refuerzo
5 published articles
Agentes de IA
OpenManus acaba de eliminar el muro de invitaciones para los agentes de IA. Aquí te mostramos cómo ejecutarlo en diez minutos.
OpenManus es un marco de trabajo de código abierto para agentes de IA que cualquiera puede instalar y ejecutar de inmediato: sin código de invitación, sin trucos, solo un entorno Python y una clave API. Aquí te explicamos por qué lo necesitas.
2026-07-11
Investigación en IA
Por qué GPT-5.5 domina un benchmark que prueba cómo los agentes se mejoran a sí mismos
EvoPolicyGym aísla una capacidad crítica pero poco estudiada: la capacidad de un agente para refinar una política ejecutable mediante ediciones repetidas con retroalimentación limitada. El benchmark revela a GPT-5.5 como el mejor intérprete en 16 entornos, y proporciona diagnósticos a nivel de trayectoria que exponen cómo diferentes agentes asignan presupuesto y convierten la retroalimentación en parámetros ajustados.
2026-07-11
Grok 4.5
El Grok 4.5 de Cursor fue construido por agentes de IA, no por humanos. Esa es la verdadera historia.
El Grok 4.5 de Cursor es un modelo Mixture-of-Experts construido mediante aprendizaje por refuerzo en entornos creados por agentes de IA anteriores, no por humanos. Maneja tareas complejas y de larga duración en ingeniería de software, ciencia de datos, finanzas y derecho, y ya está disponible.
2026-07-10
Agentes de Codificación
El nuevo agente de codificación de Cognition obtiene resultados cercanos a los frontier por una fracción del costo
El modelo de codificación SWE-1.7 de Cognition reduce la brecha con los sistemas frontier a una fracción del costo, logrando un 42.3% en FrontierCode y operando a 1.000 tok/s. El modelo fue entrenado en un pipeline de aprendizaje por refuerzo mejorado usando Kimi K2.7 como base.
2026-07-09
Investigación en IA
Cómo maxproof convierte a los verificadores generativos en un motor de revolución de pruebas
MaxProof es un marco de escalado en tiempo de prueba que modela la generación de pruebas matemáticas como un proceso de búsqueda evolutiva. Al combinar Proof RL, alineación de verificadores y aumento por refinamiento, convierte la verificación generativa poco confiable en un sistema de recompensa confiable para el entrenamiento y la inferencia.
2026-07-05