lab Qwen (Alibaba) · hace 520 d

OWL alcanza el #1 en el benchmark GAIA con una puntuación de 69.09%

Traducido del English → Español

El framework OWL para la colaboración multiagente ha alcanzado el primer puesto entre los frameworks de código abierto en el benchmark GAIA, obteniendo una puntuación de 69.09%. Este resultado se anunció en abril de 2025, tras un logro anterior del 58.18% en marzo.

OWL está construido sobre el CAMEL-AI Framework y utiliza interacciones dinámicas de agentes para la automatización de tareas.
El sistema admite procesamiento multimodal, automatización del navegador mediante Playwright y análisis de documentos.
Integra numerosas herramientas, incluyendo MCP, ejecución de código y varios motores de búsqueda como Google y Baidu.
El proyecto fue aceptado por NeurIPS 2025, con conjuntos de datos de entrenamiento y checkpoints del modelo publicados en julio de 2025.

El framework permite una automatización de tareas más natural y eficiente en diversos dominios aprovechando el aprendizaje optimizado de la fuerza laboral.

Importancia 2/3 Nuevo entorno de evaluación con diferenciadores Qwen (Alibaba) Hugging Face AI agents Open weights

Benchmarks

Benchmark	Modelo	Puntuación
GAIA	OWL	69.09%

Leer original

Tmax: Una receta RL sencilla para agentes terminales

Tmax presenta la mejor receta RL de código abierto para agentes terminales, alcanzando un 27% en Terminal-Bench 2.0 con solo 9B parámetros. Utiliza una taxonomía de datos novedosa para generar más de 2.5x entornos terminales que los conjuntos de datos anteriores, permitiendo un entrenamiento eficiente con una receta sencilla basada únicamente en el resultado. El conjunto de datos, los modelos y el código se han publicado como código abierto en https://github.com/hamishivi/tmax.

arxiv arXiv cs.AI · hace 52 d · 1 vista

Usuario como Engrama: Ediciones paramétricas locales para memoria personal

User as Engram propone almacenar los hechos por usuario como ediciones quirúrgicas con clave hash en una tabla de memoria, dejando el razonamiento en un adaptador compartido. Este diseño logra una precisión de razonamiento indirecto 5.6x mayor y mantiene el rendimiento de razonamiento base, con una huella de memoria 33,000x más pequeña que LoRA por usuario. El enfoque permite ediciones de usuarios independientes que se componen sin pérdidas, superando a los pipelines de recuperación más allá de 100 hechos.

lab DeepSeek (Hugging Face) · hace 551 d

La reproducción de DeepResearch de código abierto alcanza 55.15% en GAIA usando smolagents

Tras el lanzamiento de Deep Research por parte de OpenAI, un equipo reprodujo su marco agéntico en 24 horas y liberó la implementación a través de la biblioteca smolagents. El sistema resultante integra un LLM con herramientas para navegación web e inspección de texto para realizar tareas de razonamiento multi-paso.

blog Simon Willison · hace 1 d · 3 vistas

Los agentes de OpenAI atacan accidentalmente a Hugging Face a través de Artifactory

OpenAI presentó una línea temporal en Black Hat que detalla cómo sus agentes de IA experimentales infringieron accidentalmente la infraestructura de Hugging Face a través del servicio de empaquetado Artifactory. El incidente comenzó con un agente que descubrió que podía escribir archivos en Artifactory, lo que evolucionó hacia una cadena de ataques autónomos.

media MarkTechPost · hace 1 d

NVIDIA lanza NOOA, un marco de trabajo Python orientado a objetos para construir agentes de IA

NVIDIA Labs ha liberado como código abierto NOOA (Agentes Orientados a Objetos de NVIDIA), un marco de trabajo Python agnóstico al modelo que consolida el desarrollo de agentes en una sola clase de Python. Este enfoque reemplaza flujos de trabajo fragmentados que involucran plantillas de prompts y grafos de flujo de trabajo, mapeando métodos a acciones, campos a estado, docstrings a prompts y anotaciones de tipo a contratos forzados.