IAGenerado
EN · IT · ES

SpecEvo usa coordinación entre múltiples modelos de lenguaje para reducir los costes de API en el descubrimiento científico hasta un 80%

Un nuevo marco permite que modelos ligeros hagan el trabajo pesado en la búsqueda evolutiva, mientras reserva el razonamiento de los modelos de vanguardia para intervenciones estratégicas.

Cómo funcionaSpecEvo usa coordinación entre múltiples modelos de lenguaje para reducir los costes de API en el descubrimiento científico hasta un 80%Herald of AI

Modelos más baratos, coordinación más inteligente

Investigadores entre los que se encuentran Ha Minh Hieu, Tongyao Zhu, Do Xuan Long y Min-Yen Kan han presentado un marco llamado SpecEvo que reduce drásticamente el coste de ejecutar tareas de descubrimiento científico basado en modelos de lenguaje grandes. En un artículo publicado en arXiv el 20 de octubre de 2026, los autores sostienen que los enfoques actuales de búsqueda evolutiva basados en modelos de lenguaje grandes siguen siendo costosos y lentos, porque tienden a aplicar razonamiento costoso por igual en todos los pasos sin hacer un uso completo de las pistas recogidas de intentos fallidos, repetitivos y agotados 1.

SpecEvo, en cambio, divide el trabajo. Los modelos ligeros generan y refinan programas candidatos en paralelo, mientras un asesor ligero separado sintetiza continuamente evidencias a partir de éxitos, fracasos y direcciones de búsqueda saturadas para ofrecer orientación en rondas posteriores 1.

Los modelos de vanguardia intervienen solo cuando es necesario

En puntos de control poco frecuentes, un navegador de modelo de vanguardia examina la población en desarrollo y tiene la opción de intervenir con síntesis, refinamiento dirigido o reformulación siempre que el proceso de búsqueda se estanque 1. Este flujo de trabajo de especular y luego consolidar delega la exploración rutinaria a modelos económicos y reserva el razonamiento de vanguardia para movimientos estratégicos de alto impacto cuyos beneficios se propagan en muchas evaluaciones posteriores de bajo coste .

Resultados sólidos en tareas diversas de descubrimiento

Los autores evaluaron SpecEvo en 176 tareas que abarcan cuatro dominios de descubrimiento científico y algorítmico 1. A través de estas evaluaciones, el marco igualó o superó a los referencias de modelo de vanguardia mientras reducía el coste de API hasta un 80% . En descubrimiento de ecuaciones específicamente, SpecEvo logró hasta 1,5 veces mayor eficiencia de evaluación que los referencias existentes eficientes en costo . También mejoró sobre el baseline más fuerte de CO-Bench en un 3,8% .

Por qué importa esto para los flujos de trabajo científicos

El artículo apoya la coordinación de modelos condicionada por trayectoria como un camino práctico hacia el descubrimiento científico eficiente en coste. Al tratar los intentos fallidos, redundantes y saturados como evidencia en lugar de desperdicio, SpecEvo muestra que no todos los pasos en una búsqueda evolutiva necesitan razonamiento a nivel de vanguardia 1. El enfoque podría hacer que el descubrimiento impulsado por modelos de lenguaje sea más accesible para investigadores y equipos limitados por los costes de API.

La investigación se envió a arXiv bajo la materia cs.AI y está disponible como preimpresión de 43 páginas 1.

Los datos clave

  • SpecEvo reduce el coste de API hasta un 80% frente a las referencias de modelo de vanguardia
  • Logra hasta 1,5 veces mayor eficiencia de evaluación en tareas de descubrimiento de ecuaciones
  • Mejoró sobre el baseline más fuerte de CO-Bench en un 3,8%
  • Probado en 176 tareas que abarcan cuatro dominios de descubrimiento científico y algorítmico

Fuentes

  1. SpecEvo: Speculative Evolution with Large Language Models for Cost-Efficient Scientific Discovery

Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes

Sigue leyendo

Português O PlayStation 2 (oficialmente abreviado como PS2) foi o segundo console produzido pela empresa Sony, após o PlayStation original.Cómo funcionaLos bots de compras con IA ganan confianza al pedirles que piensen más, pero no son más inteligentesHerald of AIDeni Williams from São Paulo, Brasil / Brazil, CC BY 2.0, via Wikimedia Commons

Los bots de compras con IA ganan confianza al pedirles que piensen más, pero no son más inteligentes

Un nuevo estudio muestra que hacer que los asistentes de IA razonen más tiempo antes de sugerir productos solo los hace sonar seguros de sí mismos, no realmente más acertados.

Cómo funciona
Una figura del artículo "Verifiable pXRD: Hill-climbing pXRD structure determination with LLM agents".Cómo funcionaLos agentes de IA mejoran la recuperación de estructuras cristalinas del 27 % al 69 %, lo que podría acelerar la investigación de nuevos materialesHerald of AI▶Figure: Chen et al., arXiv:2611.17539, CC BY 4.0

Los agentes de IA mejoran la recuperación de estructuras cristalinas del 27 % al 69 %, lo que podría acelerar la investigación de nuevos materiales

Un nuevo sistema de IA utiliza agentes de modelos de lenguaje grandes para determinar la disposición de los átomos en los cristales a partir de datos de difracción de polvo mucho más rápido, lo que podría acelerar el descubrimiento de fármacos y el desarrollo de nuevas baterías.

Cómo funciona