IAHoy

sábado, 3 de octubre de 2026

3 noticias de IA resumidas en español.

El día, en breve

Microsoft publica ThinkingBox, un benchmark que evalúa agentes por el estado final de la base de datos

Microsoft lanzó ThinkingBox en Hugging Face, un benchmark que califica a los agentes por el estado final y los efectos secundarios en la base de datos, no por el texto que generan. Abarca 507 flujos de trabajo empresariales ejecutados 20 veces cada uno; en 121.680 ensayos válidos con 12 modelos, 79.853 intentos fallaron las verificaciones pese a que el 67,24% terminó sin errores aparentes.

Industria · 1

Investigación · 2

Investigación Microsoft · Hugging Face

Microsoft publica ThinkingBox en Hugging Face: evalúa agentes por el estado final de la base de datos y con 20 repeticiones

Microsoft lanzó ThinkingBox, un benchmark disponible en Hugging Face que califica a los agentes de IA por el estado final y los efectos secundarios que dejan en la base de datos, no por el texto que generan. El benchmark abarca 507 flujos de trabajo empresariales con estado, cada uno ejecutado 20 veces, y en una prueba de 121.680 ensayos válidos con 12 modelos de lenguaje, 79.853 intentos fallaron las verificaciones ejecutables pese a que el 67,24% de ellos terminó sin errores aparentes.