FormulaSPIN: una red neuronal escribe fórmulas para hojas de cálculo a partir de una descripción y supera a los modelos propietarios

En julio de 2026, un grupo de investigadores publicó en arXiv FormulaSPIN, un framework de entrenamiento basado en el principio de self-play que genera fórmulas de hojas de cálculo a partir de una descripción en lenguaje natural. En el benchmark NL2FORMULA logra un 74,9% de coincidencias exactas y un 87,1% de precisión por ejecución, y supera tanto al enfoque supervisado clásico como a los principales modelos propietarios.

Cómo aprende el modelo de sí mismo

FormulaSPIN se entrena sin una sola línea nueva de datos anotados: el modelo juega contra sí mismo. Según el resumen publicado 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 produjo su versión anterior. La retroalimentación de la ejecución de las fórmulas ordena las respuestas por «granularidad» y construye un currículo de aprendizaje adaptativo: primero el modelo domina la corrección semántica y después el pulido estilístico de la notación.

La ventaja clave de esta tarea es la ejecutabilidad binaria: una fórmula, o bien se ejecuta y devuelve un resultado, o bien no. Eso proporciona una supervisión implícita que distingue los errores de significado de las variantes simplemente escritas de otra forma, pero válidas.

Por qué el SPIN convencional falla aquí

El SPIN convencional 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 de referencia en otro. Por eso los gradientes de entrenamiento se contradicen entre sí y el modelo no converge.

FormulaSPIN resuelve esa contradicción mediante la verificación por ejecución. Si dos expresiones de aspecto distinto producen el mismo resultado, el sistema las cuenta como válidas y no como error. Además, los autores introdujeron ExecVote, un mecanismo de votación a nivel semántico que gestiona de forma nativa los casos en que una misma tarea admite varias formulaciones correctas.

Qué muestran las mediciones

FormulaSPIN estableció un nuevo mejor resultado en varios benchmarks. En NL2FORMULA obtiene un 74,9% de coincidencias exactas y un 87,1% de corrección por ejecución, cifras comparables a las de modelos entrenados con anotación adicional de preferencias y superiores tanto al SFT tradicional como a los modelos propietarios de vanguardia.

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

«Estos resultados subrayan el potencial del self-play en tareas con escasez de datos y abren el camino para trasladarlo más allá de los dominios ejecutables», señala el resumen del artículo de

FormulaSPIN en arXiv.

Qué significa

Escribir fórmulas sigue siendo una barrera para cientos de millones de usuarios de hojas de cálculo, y hay pocos datos anotados para entrenar este tipo de modelos. FormulaSPIN demuestra que un modelo puede mejorar por sí mismo si usa la ejecución como fuente gratuita de verificación, sin costosa anotación manual. El enfoque es aplicable a cualquier tarea cuyo resultado se pueda ejecutar y contrastar: 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 de forma iterativa, sin datos anotados adicionales, y usa la comprobación de ejecutabilidad de las fórmulas como fuente de retroalimentación.

¿En qué se diferencia FormulaSPIN del ajuste fino habitual?

El supervised fine-tuning (SFT) clásico choca pronto con el techo que impone una anotación limitada. FormulaSPIN se entrena según el principio de un juego de dos jugadores y separa los errores de significado de las variantes de escritura válidas mediante la ejecución. Por eso supera al SFT y no necesita 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 por ejecución. Es el nivel de los modelos entrenados con anotación adicional de preferencias y supera a los principales modelos propietarios.