Según Xataka, científicos del MIT CSAIL han logrado que una IA superior mejore a otra inferior editando una porción mínima de sus pesos, sin reentrenarla. El método, al que han llamado programación de pesos, se probó con el modelo Qwen3.5-0.8B y el resultado abre una nueva línea de investigación.
La intervención buscaba mejorar el procesamiento matemático de Qwen. Tras el proceso, su puntuación en MATH-500 pasó del 7,9 % al 48,1 %. GPT-6 Astra modificó sus pesos para resolver determinados bucles de razonamiento y actuó sobre solo el 0,016 % de ellos.
Lo llamativo es que Qwen resolvió mejor los problemas matemáticos sin recibir ningún entrenamiento adicional. El método, sin embargo, tiene un límite: solo funciona cuando hay algo que quitar. En cambio, con Gemma 3 270M, el modelo de Google que casi no sufre bucles, la mejora fue casi nula.
El trabajo aún no está revisado por pares y forma parte de una fase preliminar. El método tampoco sustituye al entrenamiento, aunque podría servir a las empresas para mejorar modelos baratos de forma igualmente económica. Aún quedan obstáculos por delante antes de generalizarlo.
El siguiente paso, el que preocupa a empresas como Anthropic, sería que una IA aplicara mejoras sobre sí misma. Los propios investigadores del MIT anticipan esa conclusión, aunque la sitúan lejos de ocurrir. También surge la duda de si los modelos actuales podrían rendir más con mayor optimización.