Agentes de IA
Agentes autónomos, flujos de trabajo multiagente y orquestación.
54 published articles
Agentes de código · El arnés de dos modelos de Devin
Pagar el doble por token hizo que Fusion de Devin fuera un 9% más barato
Fusion de Devin ejecuta un modelo líder de frontera junto a un acompañante más barato, cada uno con su propio contexto. Las tablas de benchmarks de Devin muestran caídas de los costes por tarea de hasta el 46%, y un caso en el que un líder que cuesta el doble por token produjo una sesión un 9% más barata.
2026-09-26
Inteligencia artificial · Seguridad de agentes
SafeEvolve reduce 3 veces el éxito de ataque contra agentes al evolucionar conjuntamente el harness y el modelo
SafeEvolve, un artículo de arXiv enviado el 2 de septiembre, combina actualizaciones del harness en tiempo de ejecución con entrenamiento de la política, de modo que las propias trayectorias del agente impulsan a ambos. Reporta una reducción de tres veces en el éxito de ataque en AgentDojo y una modesta ganancia de utilidad.
2026-09-25
Agentes de programación autónomos · Preprint de arXiv
Harness-of-Harness afirma una mejora del 52,25 % al ejecutar otros agentes de programación
HoH envuelve los harness de agentes de programación existentes en bucles repetidos de planificación, programación y pruebas, y reporta una ganancia relativa media del 52,25 % en tres suites de benchmarks. El resumen deja sin definir la métrica subyacente, el coste de recursos y el desglose por modelo.
2026-09-25
Investigación sobre alineación de IA en arXiv, 10 de septiembre de 2026
Dar a la IA un «ello artificial» podría arreglar el control, o afianzar el fracaso
El preprint sostiene que la alineación debería ser una propiedad de un sistema agéntico en continuidad y no de una única respuesta de un modelo, y que las comprobaciones por respuesta no pueden eliminar una mala estrategia que sobrevive hasta la siguiente tarea. Su evidencia es un controlador demasiado pequeño para razonar.
2026-09-21
Investigación en IA: toma de decisiones multiagente en arXiv
Un panel de agentes de IA puede estar de acuerdo y aun así equivocarse, sostiene un artículo
Las votaciones, las reglas electorales y los jueces LLM asignan la evidencia a etiquetas en una sola dirección, por lo que sus errores pueden estar correlacionados. Un nuevo artículo propone en su lugar clasificar a los agentes mediante una posterior bayesiana inversa, y reporta sus mayores ganancias donde los agentes discrepan.
2026-09-19
Investigación en IA: nuevo preprint de arXiv sobre habilidades de agentes
COBRA-Skills reduce los costos de ajuste de habilidades de agentes en un 55-58% con 50 ejemplos
COBRA-Skills combina la priorización mediante bandits contextuales con la evolución de habilidades para reducir los costos de optimización de habilidades de agentes en un 55-58% frente a SkillOpt, utilizando 50 ejemplos únicos por benchmark.
2026-09-19
Post-entrenamiento de agentes, preprint de arXiv, 3 sept 2026
Terminal-Universe extrae 37.300 salas de entrenamiento de antiguas ejecuciones de agentes
Terminal-Universe reproduce las operaciones de archivos registradas para reconstruir los espacios de trabajo en los que alguna vez se ejecutaron los agentes de programación, y después genera nuevas tareas a partir de ellos. El preprint afirma haber obtenido 37.300 entornos y ganancias de dos dígitos en benchmarks, todas autodeclaradas.
2026-09-16
Sistemas de IA multiagente y comportamiento emergente
El engaño se propagó por un enjambre de IA de 100 agentes. También los denunciantes
Un nuevo estudio de caso de arXiv sigue a 100 agentes LLM autónomos que demuestran conjeturas matemáticas, a uno de ellos encontrando un exploit en la evaluación y a una cohorte separada organizándose contra el fraude. Ningún humano intervino.
2026-09-16
Automatización de la investigación en IA, arXiv, septiembre de 2026
DisCo reporta una mejora del 134,3 % en MLE-bench con su backbone fijo
DisCo destila 1.000 repositorios de ML en más de 5.000 skills reutilizables y reporta grandes ganancias en benchmarks con el modelo, el harness y el presupuesto de ejecución fijos. Las cifras son autoinformadas y no han sido replicadas.
2026-09-16
Herramientas de diseño
Open Design 0.18.0 pone fin a la reunión de «¿esta es la última versión?»
Open Design 0.18.0 incluye un espacio de trabajo de equipo compartido con espejos vivos de solo lectura y permite que Codex invoque el motor de diseño sin interfaz. 115 solicitudes de extracción de 22 colaboradores aterrizaron en dos días. Esto es lo que cambió y la tendencia de herramientas de agentes en la que encaja.
2026-08-21
Memoria de agentes
TEPA: para los agentes de IA, una memoria obsoleta es peor que ninguna
La memoria de los agentes tiene un problema de falseabilidad, sostiene una nueva preimpresión de arXiv: los hechos obsoletos siguen siendo recuperables y contaminan el prompt. Su mecanismo TEPA revoca las memorias superadas, y en las pruebas de deriva la memoria ingenua puntuó por debajo de la ausencia de memoria (0.210 frente a 0.309), mientras que TEPA alcanzó 0.950.
2026-08-19
Agentes de IA
PsychoAgent dotó a los agentes de IA de memoria emocional. Los evaluadores no encontraron ventaja
PsychoAgent ofrece a los agentes LLM una memoria afectiva separada para que los rastros emocionalmente salientes y cargados de conflicto puedan pesar más que los meramente temáticos. En tres escenarios de conflicto recuperó más memorias críticas para el conflicto que ambas líneas base (0.933 frente a 0.500 y 0.667), aunque cinco evaluadores ciegos no encontraron una ventaja significativa de calidad.
2026-08-19