NVIDIA demuestra que usar agentes de IA autónomos para codificación en el post-entrenamiento del modelo de razonamiento visual Cosmos 3 puede elevar la precisión por encima del 90% con un esfuerzo manual mínimo.

Este enfoque permite a los desarrolladores adaptar modelos de razonamiento visual a tareas de video en producción sin pasar días formateando datos, configurando contenedores, escribiendo scripts de entrenamiento, evaluando líneas base y realizando barridos de hiperparámetros.

Al automatizar estos pasos preparatorios, el método reduce significativamente el tiempo necesario para determinar si el post-entrenamiento mejora la precisión.