Qué pasó
- Un equipo publicó en arXiv el 15 de octubre de 2026 MLExpert, un agente de 35B parámetros con arquitectura de mezcla de expertos, entrenado para optimizar flujos largos de ingeniería de aprendizaje automático.
- El entrenamiento combina ajuste fino supervisado jerárquico con un aprendizaje por refuerzo de ventanas de interacción, que reparte recompensas por resultado entre las decisiones tomadas entre un experimento y el siguiente.
- En MLE-Bench Lite, la tasa promedio de medallas sube de 37,9% en el modelo base a 72,7%. Los autores dicen que es comparable a modelos más grandes como Kimi-K3 y GLM-5.3.
- También informan mejoras en NatureBench Lite, en optimización de andamiajes de agentes y en optimización de algoritmos. El código y el modelo están en las cuentas de InternScience en GitHub y Hugging Face.
Por qué importa
- La comparación con Kimi-K3 y GLM-5.3 es del propio equipo y se hizo sobre una versión reducida del banco de pruebas. «Comparable» no es lo mismo que «igual» y el resumen no entrega la cifra de cada rival.
- Para un equipo de datos pequeño en Chile o América Latina, la señal está en el tamaño: un modelo de 35B parámetros, con la mayoría inactivos en cada paso, es más manejable que uno de frontera. Si los resultados se sostienen, lo que cambia es quién puede automatizar experimentos sin pagar a un proveedor grande.
- La pregunta que el resumen no responde es qué ocurre fuera de los concursos: el banco de pruebas mide competencias con enunciado cerrado, no proyectos con datos propios, plazos y dueños que cambian las reglas a medio camino.
El dato
72,7%: la tasa promedio de medallas de MLExpert en MLE-Bench Lite, frente a 37,9% del modelo base.
Contexto
El resumen no nombra la institución. Otros modelos con pesos abiertos han ganado terreno en tareas de agentes, como los pesos abiertos de Xiaomi MiMo-V2.6, y la pregunta recurrente sigue siendo si terminan lo que empiezan: los agentes se declaran listos antes de estarlo.
Qué viene
- Sin evaluación externa anunciada.
- Sin plazos anunciados.
Cierre
Duplicar una tasa de medallas es un resultado sobre un banco de pruebas. Convertirlo en un proceso de trabajo es otro examen, y todavía no tiene fecha.
Fuentes
- MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering, arXiv 2610.22344, 15 de octubre de 2026. Se leyó el resumen publicado, no el texto completo.
Editado por Rodrigo Cornejo · Quiénes escriben en Mamífero
