Una IA ha ayudado a corregir otra tocando una parte diminuta de los números que determinan cómo responde. El experimento lo publicaron investigadores del MIT CSAIL el 2 de noviembre. Me interesa porque permite aterrizar una pregunta que suena a ciencia ficción: ¿hasta dónde puede una IA mejorar otra IA?
La respuesta tiene matices. En la prueba más llamativa, GPT-6 Astra corrigió un bucle de un modelo pequeño de Qwen. Eso mejoró sus resultados, pero no demuestra una IA que se vuelva cada vez más inteligente sin límites. Te cuento qué se ha medido y qué miraría antes de creer un titular así.
Qué han hecho, explicado sin tecnicismos
Una red neuronal contiene muchos números llamados pesos o parámetros: son ajustes internos que influyen en sus respuestas. Para entender la idea, imagina una máquina con muchos reguladores. Entrenarla suele implicar ajustar esos reguladores mediante un proceso automático a partir de ejemplos.
En este trabajo, los investigadores pidieron a otra IA que analizara y modificara esos ajustes directamente. Lo llaman Weight-Space Programming, o programación en el espacio de los pesos. El informe original de Takehi, Teoh, Zhang y Khattab describe pruebas con redes para juegos y con modelos de lenguaje. Es investigación inicial, no una función nueva de tu chat.
Este es el anuncio del coautor Rikiya Takehi. Resume el resultado principal; las condiciones y los límites están en el informe y en los registros del experimento.
La mejora grande vino de dejar de atascarse
El modelo analizado fue Qwen3.5-0.8B. Su propia ficha oficial lo orienta a prototipos e investigación y advierte de problemas de repetición al razonar. En el experimento, Astra trabajó con Python y pudo consultar respuestas a problemas de práctica. Sin reentrenar no significa sin pruebas ni herramientas.
Los registros del experimento de matemáticas detallan una edición de 131.072 pesos, aproximadamente el 0,016 % del modelo. Con el mayor presupuesto ensayado, 50 tandas de evaluación sobre problemas de práctica, estos fueron los resultados:
| Qué se midió | Original | Tras la edición |
|---|---|---|
| Aciertos en MATH-500, problemas de matemáticas | 7,9 % | 48,1 % |
| Seguimiento de instrucciones, IFEval | 21,0 % | 62,3 % |
| Respuestas de MATH-500 que agotaron el límite de longitud | 93,0 % | 33,1 % |
La clave está en esa última fila: el modelo terminaba más respuestas en vez de quedarse repitiendo. Los autores probaron también con Gemma 3 270M, que apenas sufría ese problema, y no obtuvieron una mejora matemática clara. Quitar un atasco y enseñar una capacidad nueva son logros diferentes.
Qué sabemos y qué falta comprobar
El equipo ha publicado los mensajes, el código y las evaluaciones para que otras personas puedan revisarlos. Es una buena señal: prefiero una afirmación que permita comprobar de dónde sale cada cifra.
Ya hay un intento de reproducción del Alan Turing Institute con varios modelos. Sus resultados apoyan algunas pruebas de leer pesos y escribir redes para juegos, con variaciones entre intentos. No reproduce la prueba matemática de Qwen: ese repositorio excluye los experimentos 6 a 8. No mezclaría ambas cosas para anunciar una confirmación total.
Lo que haría yo con esta noticia
Para entenderla desde España no tienes que contratar un plan ni instalar nada: el informe y los registros enlazados son públicos. Esto no anuncia una mejora automática para tu cuenta de ChatGPT o Qwen, ni una tarifa nueva en euros. Tampoco he ejecutado estos experimentos por mi cuenta.
Mi filtro para próximos titulares sería sencillo: ¿qué modelo cambió?, ¿qué fallo se corrigió?, ¿se midió con las mismas condiciones?, ¿otra persona pudo repetirlo? Y añadiría una quinta pregunta: ¿mejora también la tarea que a mí me importa? Un porcentaje de matemáticas no responde por sí solo si una IA redacta mejor tus correos o protege tus datos.
A mí me interesa la posibilidad de reparar fallos concretos con ayuda de otra IA. Me parece más útil entender ese avance con sus límites que dar por resuelta la inteligencia que se mejora sola. ¿Qué te gustaría que corrigieran primero: las respuestas repetitivas, los errores de cálculo o esa costumbre de darte la razón?
