Herramientas y Frameworks3 min read
Investigación en IA
La evolución de harness se ve impresionante hasta que la pruebas en tareas no vistas
Se espera que la evolución automática de harness haga mejores a los agentes LLM, pero un nuevo artículo argumenta que muchas de las mejoras reportadas pueden deberse a sobreajuste al conjunto de prueba público. En experimentos, métodos simples de escalado en tiempo de prueba igualaron o superaron a la evolución, y los harness evolucionados mostraron una generalización limitada a tareas no vistas.
2026-07-27