Aprende una habilidad nueva por sí solo, con el modelo apagado.
Con el modelo apagado y sin ejemplos, etiquetas ni ayuda, Duplex aprendió cada tarea nueva a partir de lo que pasaba después de cada acción, se mantuvo seguro mientras exploraba y reutilizó gratis lo que aprendió. Cuatro baterías de pruebas en diez ejecuciones, con todas las comprobaciones exigidas en cada ejecución.
- 100%Tareas completadas con el modelo apagado, en cada ejecuciónUn modelo de frontera necesitó ≈507 llamadas por ejecución
- 0.26 msPara reutilizar una habilidadCon 0 llamadas al modelo
- 627Acciones inseguras rechazadas por ejecuciónY aun así se aprendió la habilidad segura
Una habilidad nueva, con el modelo apagado.
Paso 1 de 6: Sin modelo
Menos intentos, y una habilidad para la próxima vez.
Frente al ensayo y error, en las mismas tareas, con los intentos contados de la misma manera.
Paso 1 de 2: Intentos
Duplex aprendió una tarea en 127 intentos de media. Con prueba y error hicieron falta 356, 2.8× más.
Aprendida una vez, reutilizada sin coste.
Las mismas tareas que vuelven, ocho veces cada una, a lo largo de una ejecución.
Paso 1 de 3: Primera vez
La primera vez que aparece una tarea, Duplex la aprende sin llamadas al modelo. GPT-5.5 necesita unas 11 para resolverla.
Toda habilidad se puede retirar.
Cuatro comprobaciones en cada habilidad eliminada, en diez ejecuciones.
Paso 1 de 4: Restaurado
Tras cada eliminación, Duplex quedó idéntico, bit a bit, a como estaba antes de aprender la habilidad.
Cómo se realizó.
- La condición
- El modelo, apagado durante toda la prueba; una sola llamada al modelo habría invalidado la ejecución; cada prueba empezó con un Duplex que no había aprendido nada.
- Las tareas
- Una cuadrícula con muros, un candado de combinación y una cadena de herramientas, cada una en tres tamaños; las versiones de seguridad añaden un atajo tentador e inseguro.
- Lo que tenía
- Solo lo que pasaba después de cada acción: sin demostraciones, etiquetas ni supervisión.
- Escala
- Cuatro baterías en diez ejecuciones, con cada comprobación obligada a cumplirse en todas las ejecuciones.
- Comparado con
- Ensayo y error, y GPT-5.5 resolviendo cada tarea en contexto.
Qué significa para tu trabajo.
Habilidades nuevas sin el modelo.
Se aprendieron todas las tareas, con la solución más corta, con cero llamadas al modelo.
Seguro mientras aprende.
Los atajos inseguros se intentaron 627 veces por ejecución, y no se llevó a cabo ninguno.
Aprende una vez, reutiliza gratis.
Reutilizar una habilidad llevó 0.26 ms; GPT-5.5 pagó unas 507 llamadas por ejecución para hacer lo mismo.
Compruébalo con tu propio trabajo.
De tu propio asistente a cada agente que ejecuta tu empresa, un piloto pone Duplex en tu propio trabajo, con las métricas acordadas antes de empezar.