Una IA Se Enseñó a Sí Misma a Escribir Mejor Código, Sin Profesor

Puntos clave

• Qwen3-30B-Instruct, un gran modelo de IA creado por la empresa tecnológica china Alibaba, elevó su puntuación en una prueba de codificación estándar de 42,4% a 55,3% usando solo sus propios resultados como material de entrenamiento.
• La técnica, llamada auto-destilación simple, no requiere retroalimentación humana, ningún modelo maestro separado, ni aprendizaje reforzado (un método de entrenamiento basado en recompensas que se usa frecuentemente para perfeccionar el comportamiento de la IA).
• Las mejoras fueron mayores en los problemas de codificación más difíciles, no en los fáciles.
• El método funcionó en seis tamaños diferentes de modelos y dos familias de modelos, Qwen y Llama, lo que sugiere que no es un resultado único.

Los investigadores de IA han pasado años construyendo sistemas elaborados para hacer más inteligentes los modelos: evaluadores humanos dando retroalimentación, modelos "maestros" separados guiando a los más débiles, señales de recompensa complejas impulsando el comportamiento en la dirección correcta. Un nuevo documento de Apple ML Research sugiere que es posible que no necesites nada de eso, al menos para la codificación.

La técnica se llama auto-destilación simple. Así es como funciona. Tomas un modelo de IA existente y le pides que genere muchas soluciones candidatas para problemas de codificación, variando qué tan creatorias o aleatorias sean sus respuestas. Luego realizas un ajuste fino, es decir, reentrenamiento en un conjunto de datos seleccionado, del mismo modelo en esas mismas respuestas. Sin juez externo. Sin datos adicionales. El modelo, en efecto, estudia su propio trabajo mejor.

¿El resultado? Qwen3-30B-Instruct, uno de los modelos capaces de código insignia de Alibaba, saltó de 42,4% a 55,3% en LiveCodeBench v6, un punto de referencia ampliamente utilizado que prueba la IA en problemas de competencias de programación reales. Esa es una ganancia de 12,9 puntos porcentuales de lo que los investigadores llaman un procedimiento vergonzosamente simple.

La palabra "vergonzosamente" es deliberada y honesta. Indica que el método requiere casi ningún mecanismo especial, el tipo de cosa que hace que los investigadores experimentados estén tranquilamente molestos por no haberlo intentado antes.

Dos detalles hacen que esto sea más que una curiosidad de puntuación. Primero, las mejoras se concentraron en problemas más difíciles. Las preguntas fáciles apenas se movieron. Eso importa porque los problemas difíciles son donde las herramientas de codificación de IA aún fallan regularmente a los usuarios humanos. Segundo, el truco se mantuvo en seis modelos que van desde 4 mil millones a 30 mil millones de parámetros (una medida aproximada del tamaño y la capacidad de un modelo) abarcando tanto las familias de modelos Qwen como Llama. La generalización amplia en diferentes arquitecturas es una señal decente de que un hallazgo es real en lugar de cuidadosamente preparado.

¿Significa esto que la IA reemplazará a los programadores?

No. Una puntuación de 55,3% en un punto de referencia de programación competitiva aún significa que el modelo falla casi la mitad de las veces en las preguntas más difíciles. La auto-destilación es un hallazgo de eficiencia del entrenamiento, no un rompedor del techo de capacidad.

Para los usuarios cotidianos de asistentes de codificación de IA, las herramientas construidas sobre versiones mejoradas de estos modelos pueden manejar errores más complejos y tareas multietapa de manera más confiable. Pero los asistentes subyacentes aún necesitan revisión humana, particularmente para código de producción donde los errores tienen consecuencias reales.

Para la comunidad de investigación, el hallazgo es un recordatorio útil. Antes de recurrir a infraestructuras costosas, a veces el modelo que ya tienes contiene la señal que necesitas.