FormulaSPIN: нейросеть пишет формулы для таблиц по описанию и обгоняет проприетарные модели

En julio de 2026, investigadores publicaron en arXiv el framework FormulaSPIN, un sistema de entrenamiento basado en self-play que genera fórmulas para hojas de cálculo a partir de descripciones en lenguaje natural y alcanza un 74,9% de coincidencias exactas y un 87,1% de precisión de ejecución en el benchmark NL2FORMULA, superando tanto al enfoque supervisado clásico como a los modelos propietarios de primer nivel.

Cómo el modelo aprende de sí mismo

FormulaSPIN se entrena sin una sola línea nueva de datos etiquetados: el modelo juega contra sí mismo. Según el resumen en arXiv, el entrenamiento se plantea como un juego de dos jugadores: el jugador principal aprende a preferir las fórmulas de referencia (ground-truth) frente a las que generó su versión anterior. La retroalimentación de la ejecución de las fórmulas clasifica las respuestas por "granularidad", construyendo un currículo de aprendizaje adaptativo: primero el modelo domina la corrección semántica y después el pulido estilístico de la notación.

La ventaja clave de la tarea es la ejecutabilidad binaria: una fórmula se ejecuta y produce un resultado, o no lo hace. Esto proporciona un control implícito que separa los errores de significado de las variantes simplemente escritas de otra forma pero igualmente válidas.

Por qué el SPIN estándar falla aquí

El SPIN estándar no funciona en la generación de fórmulas porque penaliza por igual cualquier respuesta que no coincida literalmente con la referencia. Según los autores, una misma fórmula, equivalente en su ejecución, se castiga como "incorrecta" en un ejemplo y sirve como referencia en otro; esto hace que los gradientes de entrenamiento se contradigan entre sí y el modelo no converja.

FormulaSPIN elimina esta contradicción mediante la verificación por ejecución. Si dos expresiones de aspecto diferente producen el mismo resultado, el sistema las considera válidas en lugar de un error. Además, los autores introdujeron ExecVote, un mecanismo de votación a nivel semántico que gestiona de forma nativa los casos en los que una misma tarea admite varias formulaciones correctas.

Qué mostraron las mediciones

FormulaSPIN estableció un nuevo mejor resultado en varios benchmarks. En NL2FORMULA: 74,9% de coincidencias exactas y 87,1% de aciertos por ejecución, un nivel comparable al de modelos entrenados con anotaciones adicionales de preferencias, y superior tanto al SFT tradicional como a los modelos propietarios más avanzados.

• 74,9% de exact match en el benchmark NL2FORMULA
• 87,1% de precisión de ejecución (execution accuracy)
• Entrenamiento sin un solo ejemplo etiquetado adicional
• ExecVote: votación a nivel semántico para múltiples fórmulas válidas
• Supera tanto al SFT clásico como a los modelos propietarios de frontera

"Estos resultados subrayan el potencial del self-play para tareas con escasez de datos y abren el camino para extenderlo más allá de los dominios ejecutables", se afirma en el resumen del artículo de

FormulaSPIN en arXiv.

Qué significa esto

Escribir fórmulas sigue siendo una barrera para cientos de millones de usuarios de hojas de cálculo, y hay pocos datos etiquetados para entrenar este tipo de modelos. FormulaSPIN demuestra que un modelo puede mejorarse a sí mismo utilizando la ejecución como una fuente gratuita de verificación, sin un etiquetado manual costoso. El enfoque es aplicable a cualquier tarea en la que el resultado pueda ejecutarse y verificarse: código, consultas SQL, cálculos.

Preguntas frecuentes

¿Qué es FormulaSPIN?

FormulaSPIN es un framework de entrenamiento self-play para generar fórmulas de hojas de cálculo a partir de texto en lenguaje natural. El modelo se mejora a sí mismo de forma iterativa, sin datos etiquetados adicionales, utilizando la comprobación de la ejecutabilidad de las fórmulas como fuente de retroalimentación.

¿En qué se diferencia FormulaSPIN del ajuste fino habitual?

El supervised fine-tuning (SFT) clásico llega rápido a un techo marcado por la escasez de datos etiquetados. FormulaSPIN se entrena según el principio de un juego de dos jugadores y separa los errores de significado de las variantes de notación válidas mediante la ejecución, por lo que supera al SFT y no requiere datos nuevos.

¿Qué resultados obtuvo FormulaSPIN?

En el benchmark NL2FORMULA, el framework alcanzó un 74,9% de coincidencias exactas y un 87,1% de precisión de ejecución, un nivel propio de modelos entrenados con anotaciones adicionales de preferencias y superior al de los principales modelos propietarios.