R-Zero: La IA que aprende a razonar desde cero y se supera a sí misma

Descubre R-Zero, un innovador marco completamente autónomo que impulsa a los Grandes Modelos de Lenguaje (LLMs) hacia la superinteligencia al eliminar la dependencia de vastos datos y etiquetas curados por humanos. Partiendo de un solo LLM base, R-Zero inicializa dos modelos independientes: un Challenger y un Solver, que co-evolucionan a través de una interacción continua. El Challenger es recompensado por proponer tareas desafiantes al límite de la capacidad del Solver, mientras que el Solver es recompensado por resolver problemas cada vez más difíciles. Este proceso genera un currículo de auto-mejora dirigido sin necesidad de tareas o etiquetas preexistentes. R-Zero ha demostrado mejoras sustanciales en la capacidad de razonamiento en diferentes LLMs, incluyendo un aumento de +6.49 en benchmarks de razonamiento matemático y +7.54 en benchmarks de razonamiento de dominio general para el modelo Qwen3-4B-Base, mostrando que las habilidades aprendidas en matemáticas pueden generalizarse a tareas complejas de dominio general como MMLU-Pro y SuperGPQA.https://arxiv.org/pdf/2508.05004