Nvidia demuestra que el arnés, no el modelo de IA, es ahora el verdadero protagonista

Nvidia publicó una interesante investigación nueva el viernes sugiriendo que es el arnés, más que el modelo subyacente, lo que es mucho más importante al pedirle a una IA que haga tareas de horizonte largo. Un arnés es la envoltura de software alrededor de un modelo de IA: las herramientas, gestión de memoria y reglas que convierten un modelo en bruto en algo que puede actuar por su cuenta.

El descubrimiento clave

El resumen: simplemente usando un arnés personalizado ajustado para manejar memoria bien e incluyendo un componente tipo "supervisor", los investigadores lograron que Claude Opus 5 alcanzara una puntuación del 100% en el benchmark de razonamiento interactivo ARC-AGI-3, un conjunto de juegos 2D sin instrucciones, donde el modelo tiene que descubrir cómo jugar y ganar, similar a cómo lo haría un humano. (Es un benchmark que ha irritado particularmente al laboratorio rival OpenAI.) Sin el arnés, Opus 5 obtuvo 30%, que era el resultado superior entre todos los modelos probados.

La investigación de Nvidia es otro indicador de que, mientras que la elección de modelo importa, el modelo en sí, la parte que actúa como el "cerebro" del agente, es una parte más pequeña de un sistema agéntico de lo que muchos usuarios de IA se dan cuenta, especialmente para tareas de horizonte largo. El arnés es lo que hace que un modelo sea un agente: maneja memoria, contexto y retroalimentación.

Componentes de un agente

"En términos generales, el mundo interpreta un agente casi como una API del modelo", dice Adel El Hallak, vicepresidente de producto en la unidad de IA de Nvidia. Pero un agente es en realidad más que eso. "Es el modelo. Es el andamiaje alrededor del modelo, que llamamos arnés, es decir, el conjunto de herramientas que utiliza. Es el tiempo de ejecución y las habilidades e librerías asociadas que le damos acceso".

Las tareas de horizonte largo son aquellas que requieren encadenar muchas decisiones juntas, a veces durante días, para producir trabajo completado. Esto contrasta con una IA simplemente escupiendo una respuesta a una solicitud. Descubrir cómo lograr que una IA haga tareas de horizonte largo sin distraerse e ir a la tierra de la fantasía es uno de los objetivos supremos en la investigación agéntica.

Fuente: TechCrunch