Segun MarkTechPost (AI/ML News), un equipo compuesto por investigadores de Google, la Universidad de Tokio, RIKEN AIP y la Universidad de Tohoku ha desarrollado ToolGrad, un marco innovador para entrenar modelos de inteligencia artificial en la selección y uso de herramientas. La solución resuelve un problema clave en el aprendizaje de modelos de lenguaje: la generación de datos de entrenamiento a escala. Tradicionalmente, los sistemas generan instrucciones de usuario primero, luego buscan rutas para ejecutar herramientas, pero este proceso es ineficiente porque muchas exploraciones fracasan y los recursos computacionales se desperdician. ToolGrad invierte este flujo: primero se construye una secuencia real de ejecución de APIs, luego se diseña una consulta que la represente. Este enfoque garantiza que las cadenas de herramientas sean verdaderas y validadas, reduciendo ambigüedades y aumentando la calidad de los datos.
Los modelos Gemma-3, entrenados sobre 500 muestras de este nuevo conjunto de datos, alcanzan puntuaciones que se posicionan al nivel de los modelos propietarios de vanguardia en el leaderboard de llamadas de funciones de Berkeley. La metodología se estructura en un ciclo iterativo de cuatro módulos: un propuesto de APIs que filtra opciones viables para continuar un flujo de trabajo, ejecutores que prueban paralelamente esas opciones, un selector que analiza los informes y elige la mejor llamada, y finalmente se añade la acción al historial. Cada paso se ejecuta con precisión y transparencia, asegurando que los resultados sean tanto técnicamente sólidos como prácticos. El código, bajo licencia Apache-2.0, está disponible en Hugging Face, junto con modelos de 1B, 4B y 12B parámetros, y también se ofrece como paquete en PyPI.
Para el lector peruano, este avance representa una herramienta potencialmente transformadora en sectores clave como el desarrollo de software local, la automatización de procesos en empresas de servicios y la creación de asistentes digitales para pequeñas y medianas empresas. En un entorno donde las soluciones tecnológicas deben ser accesibles y adaptadas a necesidades reales, ToolGrad demuestra que la calidad del entrenamiento de IA no depende únicamente de la cantidad de datos, sino de su validez y su conexión con tareas prácticas. Aunque aún no está disponible en mercados locales, su arquitectura abierta permite que instituciones, universidades y startups del país desarrollen soluciones personalizadas sin necesidad de dependencias de grandes corporaciones. Este tipo de innovación podría acelerar la integración de inteligencia artificial en áreas como contabilidad, logística o atención al cliente, donde la precisión y la fiabilidad son esenciales.