Hogar
Kimi Yang Zhilin: El entrenamiento de modelos a gran escala entra en la tercera fase de la investigación impulsada por la IA
Yang Zhilin, fundador de Moonshot , declaró en la reunión anual del Foro de Zhongguancun, celebrada el 25 de marzo de 2026, que el entrenamiento de modelos a gran escala está entrando en una tercera etapa crítica impulsada por la IA. Este cambio de paradigma marca el paso de una dependencia de los datos naturales y la anotación manual hacia una autoevolución altamente automatizada.

Reflexionando sobre la hoja de ruta técnica, Yang Zhilin esbozó tres fases en la evolución de los modelos a gran escala: la primera fase, hace tres años, dependía principalmente de datos naturales de Internet y de una alineación de valores anotada manualmente de forma limitada; la segunda fase, el año pasado, se centró en el aprendizaje por refuerzo a gran escala, en la que los investigadores seleccionaban tareas de alta calidad para mejorar el rendimiento de los modelos. En 2026 se ha producido un cambio fundamental en los métodos de investigación en IA, y el papel de los investigadores está evolucionando hacia el de «programador de computación de IA». En esta nueva etapa, el proceso de investigación está impulsado por la IA, que utiliza un gran número de tokens para sintetizar de forma autónoma nuevas tareas y entornos, definir parámetros de recompensa óptimos e incluso participar activamente en la exploración de nuevas arquitecturas de red.
Esta tendencia sugiere que la eficiencia de la investigación y el desarrollo en IA está a punto de experimentar una aceleración exponencial. Moonshot ha anunciado que su producto principal, Kimi , se centrará en ampliar las fronteras de la tecnología inteligente y en fomentar un ecosistema tecnológico colaborativo y en constante evolución con la comunidad de código abierto. La transición de «la IA enseñada por humanos» a «la IA que guía la investigación» no es solo una mejora en los métodos de entrenamiento, sino también un hito significativo en el camino hacia el logro de la inteligencia artificial general (AGI), lo que marca un cambio del aprendizaje pasivo a la exploración autónoma.
Artículo relacionado
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en
Cumplimiento de la normativa sobre vehículos autónomos en California: una nueva era de multas, geovallas y 1 millón de millas
Guident opera un servicio de transporte de AuveTech en el sur de Florida, gestionando una ruta de cuatro millas en West Palm Beach y otra de una milla en Boca Ratón mediante su tecnología de monitoriz
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

Reflexionando sobre la hoja de ruta técnica, Yang Zhilin esbozó tres fases en la evolución de los modelos a gran escala: la primera fase, hace tres años, dependía principalmente de datos naturales de Internet y de una alineación de valores anotada manualmente de forma limitada; la segunda fase, el año pasado, se centró en el aprendizaje por refuerzo a gran escala, en la que los investigadores seleccionaban tareas de alta calidad para mejorar el rendimiento de los modelos. En 2026 se ha producido un cambio fundamental en los métodos de investigación en IA, y el papel de los investigadores está evolucionando hacia el de «programador de computación de IA». En esta nueva etapa, el proceso de investigación está impulsado por la IA, que utiliza un gran número de tokens para sintetizar de forma autónoma nuevas tareas y entornos, definir parámetros de recompensa óptimos e incluso participar activamente en la exploración de nuevas arquitecturas de red.
Esta tendencia sugiere que la eficiencia de la investigación y el desarrollo en IA está a punto de experimentar una aceleración exponencial. Moonshot ha anunciado que su producto principal,
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en











