arxiv Moonshot AI (arXiv) · hace 440 d

Alita permite el razonamiento agénico escalable con mínima predefinición y máxima autoevolución

Traducido del English → Español

Los investigadores presentan Alita, un agente generalista diseñado para realizar tareas complejas mediante una mínima predefinición y una máxima autoevolución, evitando la fuerte dependencia de herramientas predefinidas manualmente que se encuentra en muchos marcos existentes.

Alita utiliza solo un componente para la resolución directa de problemas con el fin de mejorar la adaptabilidad y la generalización en diversos dominios.
El sistema construye, refina y reutiliza autónomamente capacidades externas generando protocolos de contexto del modelo (MCPs) relacionados con la tarea a partir de fuentes abiertas.
En el conjunto de validación del benchmark GAIA, Alita alcanza una precisión de 75.15% pass@1 y 87.27% pass@3.
Obtiene un puntaje de 74.00% pass@1 en Mathvista y 52.00% pass@1 en PathVQA, superando a sistemas de agentes más complejos.

Este enfoque permite que Alita escale el razonamiento agénico de manera efectiva mientras mantiene una arquitectura más simple que los enfoques elaborados basados en herramientas anteriores.

Importancia 1/3 Nuevo entorno de evaluación con diferenciadores Moonshot AI (arXiv) AI agents Research paper

Benchmarks

Benchmark	Modelo	Puntuación
GAIA	Alita	75.15%
MathVista	Alita	74%

Artículos relacionados

arxiv arXiv cs.AI · hace 3 d

Argus: Un entorno de ejecución agénico de propósito general para razonamiento a largo plazo

Los investigadores presentan Argus, un entorno de ejecución agénico persistente y autoevolutivo diseñado para el razonamiento a largo plazo que separa la intención estable del usuario de los objetivos operativos. El sistema utiliza roles de Manager, Planner, Engineer y Reviewer para ejecutar misiones acotadas sobre un estado de proyecto duradero, permitiendo la ejecución autónoma entre puntos de escalación propiedad del operador.

media MarkTechPost · hace 3 d

SkillOpt de Microsoft permite la transferencia de habilidades entre Codex y Claude Code

Investigadores de Microsoft, la Universidad Jiao Tong de Shanghái, la Universidad Tongji y la Universidad Fudan desarrollaron SkillOpt, un optimizador en el espacio de texto que entrena documentos de habilidades en lenguaje natural mientras mantiene congelado el modelo objetivo. El sistema utiliza un modelo optimizador para proponer ediciones acotadas basadas en rollouts evaluados, exportando el resultado como un único archivo `best_skill.md`.

arxiv arXiv cs.LG · hace 5 d · 6 vistas

Qwen lanza Qwen-CUA, un agente de uso nativo del ordenador de 397B-A17B

Qwen presenta Qwen-CUA, un agente de uso nativo del ordenador basado en una columna vertebral de mezcla de expertos de 397B-A17B que opera mediante capturas de pantalla y eventos de entrada sin depender de árboles DOM ni metadatos de accesibilidad. El sistema utiliza un andamio para mantener hasta 20 capturas de pantalla activas y fue entrenado utilizando una flota de despliegue en la nube con casi 100.000 vCPUs a lo largo de aproximadamente 40.000 tareas verificables.

arxiv arXiv cs.CL · hace 5 d · 4 vistas

Qwen lanza Qwen-CUA, un agente nativo de uso informático de 397B-A17B

Los investigadores han presentado Qwen-CUA, un agente nativo de uso informático construido sobre una base de expertos mixtos Qwen de 397B-A17B. El sistema opera observando capturas de pantalla y actuando a través de eventos de teclado y ratón, sin depender de árboles DOM ni metadatos de accesibilidad.

lab OpenAI News · hace 8 d · 16 vistas

El modelo Astra resuelve diez problemas abiertos en matemáticas y ciencias de la computación teóricas

El modelo interno Astra de OpenAI ha generado soluciones a diez problemas abiertos de larga data en matemáticas y ciencias de la computación teóricas, con los argumentos formalizados en Lean. Estos resultados abarcan geometría de alta dimensión, teoría de códigos, teoría de grupos y complejidad cuántica, abordando preguntas que no habían visto avances durante al menos una década.