Ingeniería de datos agéntica autónoma para la especialización de modelos | Cómo usar agentes de IA para curar y mejorar datasets de entrenamiento | Automatización del ciclo de vida de los datos mediante sistemas multia-agente

Abstract

PROBLEMA: La especialización de modelos de lenguaje para tareas específicas requiere datos de alta calidad que normalmente deben ser filtrados, transformados y aumentados manualmente por ingenieros. SOLUCIÓN: Este paper explora el concepto de "Ingeniería de Datos Agéntica Autónoma", donde agentes de IA actúan como científicos de datos para seleccionar, limpiar y generar datos de entrenamiento óptimos para la especialización de otros modelos. METODOLOGÍA: Diseñaron un sistema multi-agente donde un agente "estratega" define la necesidad de datos, un agente "programador" escribe scripts de limpieza y un agente "evaluador" verifica la calidad sintética y real de los datos producidos. RESULTADOS: Los modelos entrenados con datos curados por estos agentes autónomos superaron a aquellos entrenados con datasets curados manualmente en tareas de programación y razonamiento médico, demostrando que la IA puede identificar sus propias lagunas de conocimiento. RELEVANCIA: Este enfoque cambia el paradigma de la preparación de datos, moviéndolo hacia una automatización total donde los modelos se "refinan" a sí mismos mediante la gestión inteligente de su propio currículo de aprendizaje.