Ciencia · IA · Modelos · Robótica · IA física · GPT-oss · Qwen · UFSC · CNR
Un estudio prueba cómo modelos de lenguaje corrigen programas de control
La publicación revisada por pares evalúa estrategias generadas con texto y mejoradas mediante resultados de simulaciones.
Fecha de la fuente original:
Lo esencial
- La publicación revisada por pares evalúa estrategias generadas con texto y mejoradas mediante resultados de simulaciones.
- La evaluación se realizó en simulación; el estudio no demuestra autonomía física ni superioridad general sobre el aprendizaje por refuerzo.
Programar, ejecutar y corregir
Scientific Reports publicó anticipadamente un trabajo de la Universidad Federal de Santa Catarina y el CNR italiano sobre control mediante modelos de lenguaje. El sistema transforma una descripción de la tarea en reglas y código Python, ejecuta la política en simulación y solicita mejoras usando las puntuaciones y los datos obtenidos. El modelo no interviene en cada movimiento durante la ejecución.
Pruebas simuladas y un antecedente de 2025
En las pruebas de los autores, gpt-oss-120b y Qwen2.5-72b produjeron estrategias eficaces para tareas de Gymnasium y MuJoCo. Son problemas de control relativamente simples; ampliar el método exige afrontar el costo de cómputo, el contexto limitado y la dependencia de instrucciones diseñadas manualmente. El preprint apareció en junio de 2025: el hito de marzo es su publicación revisada por pares, todavía sin demostración en robots físicos.