Nuevo marco «EnCompass» optimiza el uso de modelos de lenguaje en agentes de IA
El marco EnCompass, desarrollado por investigadores del CSAIL del MIT, optimiza los agentes de inteligencia artificial al permitirles retroceder y realizar múltiples intentos en busca de soluciones efectivas generadas por modelos de lenguaje. Esto reduce significativamente el esfuerzo de programación, facilita la experimentación con diferentes estrategias de búsqueda y mejora la eficiencia en tareas complejas, como la traducción de código y gestión de grandes bibliotecas.
Investigadores del MIT revelan fallos en modelos de aprendizaje automático por correlaciones erróneas
Investigadores del MIT advierten sobre las fallas de los modelos de aprendizaje automático al aplicarse a nuevos conjuntos de datos. Detectaron que, a pesar de un rendimiento promedio alto, algunos modelos pueden ser ineficaces en contextos diferentes, lo que oculta correlaciones engañosas. La nueva herramienta OODSelect ayuda a identificar estas anomalías, sugiriendo que el análisis detallado es esencial para mejorar la precisión y evitar decisiones sesgadas en entornos cambiantes.
