Dónde termina la transferencia: escala de datos, diversidad de mundos y tamaño del modelo para agentes de videojuegos
En 120 configuraciones se comprobó si las ventajas del preentrenamiento prolongado se mantienen al pasar entre entornos virtuales con distintos gráficos, físicas, controles y tareas. Ampliar el corpus ayuda en los mundos ya conocidos, la variabilidad amplía la transferencia a entornos similares y aumentar el tamaño del modelo mejora el rendimiento de los datos, pero entrenarlo en un solo mundo perjudica la adaptación a entornos muy diferentes; los autores concluyen que la preparación previa por sí sola no basta para crear agentes universales.

Qué se evaluó y cómo se midió la transferencia
El estudio se centra en el continued pre-training (CPT) para agentes encarnados en mundos virtuales. Los autores comprobaron si las mejoras derivadas de escalar los datos, su diversidad y el tamaño del modelo se transferían. El trabajo abarca 120 configuraciones de entrenamiento.

| Factor | Qué se varió |
|---|---|
| Tamaño del modelo | cuatro valores, de 0.8B a 27B |
| Volumen de datos | seis valores, de 50 a 1,600 horas |
| Mezcla de datos | cinco variantes: desde datos de un solo mundo hasta corpus diversos de varios mundos |
| Evaluación | pérdidas de validación en tres niveles y benchmarks de juegos |
La evaluación se realiza en tres niveles: mundos incluidos en el entrenamiento, mundos relacionados y mundos no vistos. Este diseño distingue las mejoras en entornos conocidos de la transferencia. Criterio práctico: incluir los tres grupos de mundos en la validación. De lo contrario, las mejoras en los mundos de entrenamiento ocultarán la brecha en los mundos lejanos.
Volumen de datos: efecto en mundos conocidos
Aumentar el volumen de datos mejora el rendimiento en los mundos incluidos en los datos de entrenamiento. Este es un efecto de escala confirmado en entornos conocidos. Para los mundos lejanos, los autores no reducen la transferencia a un único volumen de datos.
El volumen de datos no es una palanca universal para cualquier objetivo. Ofrece una mejora clara allí donde el mundo ya está representado en el entrenamiento. Para un mundo nuevo, hay que comprobar por separado qué parte de la brecha se cierra al aumentar el volumen.
Criterios de selección:
- el mundo objetivo está incluido en el entrenamiento: aumentar el volumen de datos;
- el mundo objetivo es lejano: no depender únicamente del volumen;
- no está clara la composición de los mundos: primero clasificarlos según su cercanía.
Diversidad: transferencia a mundos relacionados, pero no a mundos lejanos
La diversidad de los datos mejora la transferencia a mundos relacionados. En los mundos lejanos, la mejora es limitada. Este efecto distingue la diversidad de un simple aumento del volumen.
| Grado de cercanía del mundo | Efecto observado de la diversidad | Conclusión práctica |
|---|---|---|
| Mundos relacionados | mejora la transferencia | se justifica una mezcla diversa |
| Mundos lejanos | mejora limitada | la diversidad no basta por sí sola |
La diversidad amplía el alcance de la transferencia, pero no convierte al agente en universal. La mezcla de datos funciona como un puente hacia mundos parecidos. Para los mundos lejanos, este puente es más corto de lo necesario.
Criterio práctico: evaluar la cercanía de los mundos objetivo a los de entrenamiento. Para los mundos relacionados, la diversidad de la mezcla es una herramienta eficaz. Para los mundos lejanos, no basta con la diversidad.
Tamaño del modelo: eficiencia de los datos y riesgo de generalización limitada
Aumentar el tamaño del modelo mejora la eficiencia con la que se aprovechan los datos. Al entrenarlo en un solo mundo, el tamaño del modelo perjudica la generalización a mundos lejanos. Por eso, el tamaño depende de la composición de los datos.
Un modelo más grande aprovecha mejor los datos disponibles. Pero, si el entrenamiento es limitado, reduce la transferencia. El mismo aumento de parámetros tiene efectos distintos según la mezcla de mundos.
Criterios de selección:
- entrenamiento en un solo mundo: no esperar que el tamaño del modelo aumente la transferencia;
- datos diversos: el tamaño del modelo potencia el aprovechamiento de los datos;
- elección del tamaño: siempre junto con la elección de la mezcla.
Dos fases de entrenamiento: interfaz y mundo
Los autores observan una fase temprana de interfaz (early interface phase). En esta fase, el modelo obtiene ventajas amplias en distintos mundos. Más adelante llega la fase tardía del mundo (later world phase). En ella, las mejoras se limitan a los mundos de entrenamiento y a los mundos relacionados.
Las fases determinan distintos alcances de transferencia. La fase temprana forma una interfaz general para distintos mundos. La fase tardía vincula las mejoras a entornos conocidos y cercanos. No se trata de un error de entrenamiento, sino de un cambio en el ámbito de aplicación.
Criterios de selección:
- se necesita una interfaz amplia: fase temprana;
- se necesita un mundo objetivo: fase tardía;
- se necesitan mundos lejanos: la fase temprana no mantiene la transferencia.
Límites del continued pre-training
Los autores señalan las limitaciones del aprendizaje por imitación y la persistencia de una brecha en los mundos lejanos. Según su conclusión, los agentes encarnados universales requieren etapas de entrenamiento más sustanciales que vayan más allá del CPT. El CPT ofrece resultados competitivos, pero no cierra la brecha en todos los niveles de transferencia.
Los modelos del estudio son competitivos frente a modelos especializados para mundos 3D de juegos y modelos de frontera. Muestran mejores resultados en tiempo real. Estos resultados no eliminan la brecha en los mundos lejanos. Delimitan el ámbito de aplicación del CPT.
Criterios de selección:
- agente universal: planificar etapas más allá del CPT;
- mundos lejanos: no considerar el CPT una solución definitiva;
- mundos cercanos a los del entrenamiento: el CPT sigue siendo una etapa eficaz.
Preguntas frecuentes
Material similar
Todos los materiales
SpecEvo: coordinación de LLM ligeros y avanzados para reducir el coste de la búsqueda evolutiva
El framework SpecEvo redistribuye la búsqueda evolutiva: los candidatos ordinarios perfeccionan modelos de bajo coste, mientras que los más potentes solo se incorporan en puntos de control estratégicos, basándose en el historial de éxitos y callejones sin salida. En experimentos con 176 tareas, este enfoque igualó o superó a alternativas más costosas y redujo un 80 % los costes de API.
21 noviembre 2026
Algoritmos y robots en el campo: intervenciones puntuales y monitorización de cultivos
El artículo muestra cómo los datos de sensores, la fotografía aérea y las plataformas automatizadas permiten detectar amenazas en fases tempranas, aplicar tratamientos solo en las zonas problemáticas y afinar las previsiones de cosecha. También aborda las barreras para su adopción: el coste de los equipos, la fiabilidad de los datos, la formación del personal y el acceso a la conectividad.
21 noviembre 2026
Fig: intervenciones de juego controladas para evaluar el comportamiento social de agentes de IA
Fig recibe una descripción verbal del comportamiento buscado, la divide en variantes y modifica deliberadamente las condiciones del juego para inducir las acciones deseadas en los modelos. En escenarios válidos para seis patrones sociales, las intervenciones aumentaron en un 10,9 % la proporción media de intentos de realizar el comportamiento objetivo en comparación con los controles, y los autores proponen considerar los entornos multiagente como un banco de pruebas configurable para una evaluación reproducible.
21 noviembre 2026