Investigadores del MIT muestran que GPT-6 Astra puede mejorar otros modelos de IA cambiando sus pesos
En un experimento, Astra elevó la precisión de Qwen3.5-0.8B en MATH-500 del 7,9% al 48,1% cambiando solo el 0,016% de los pesos del modelo.
Investigadores del MIT han mostrado que GPT-6 Astra puede mejorar otros modelos de IA al modificar directamente sus pesos sin entrenamiento adicional.
En el experimento, Astra aumentó la precisión de Qwen3.5-0.8B en el benchmark matemático MATH-500 del 7,9% al 48,1% cambiando solo el 0,016% de los pesos de la red neuronal.
Los investigadores dieron a Astra acceso a los pesos de Qwen mediante un notebook de Python y permitieron hasta 50 ejecuciones de prueba en problemas matemáticos.
Durante el análisis, Astra descubrió que el modelo repetía constantemente sus propias cadenas de razonamiento hasta alcanzar el límite de longitud de la respuesta.
La causa se encontró en una señal interna formada por dos capas de la red neuronal. Astra eliminó su efecto ajustando directamente los pesos del modelo.
Después de eso, Qwen dejó de entrar en bucle y pudo completar la resolución de problemas que ya era capaz de abordar.
Como resultado, un cambio puntual que afectó solo al 0,016% de los pesos aumentó la precisión en problemas matemáticos del 7,9% al 48,1%.
Por qué es importante
AnálisisSugiere que los sistemas de IA podrían depurar y optimizar otros modelos mediante manipulación directa de pesos, reduciendo la necesidad de reentrenamientos costosos.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Claude se vuelve más inteligente
Claude se vuelve más inteligente, lo que sugiere posibles mejoras en las capacidades del modelo.
GPT-6 Astra habría modificado pesos de otro modelo de IA sin reentrenamiento
Se afirma que GPT-6 Astra modificó solo el 0,016% de los pesos de Qwen3.5-0.8B sin gradientes ni reentrenamiento, mejorando razonamiento, matemáticas y seguimiento de instrucciones.
Modelos Frontera
La clase más poderosa de inteligencia artificial en la vanguardia de la investigación mundial (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), que define los límites de las capacidades modernas de razonamiento, autonomía y codificación.
Parte I. Arquitectura de Agentes de IA: Fundamentos
Los once bloques constructivos fundamentales de un agente de IA: taxonomía de modelos, bucle de ejecución, ingeniería de prompts, destilación, skills, memoria, function calling y FinOps.