arxiv arXiv cs.CL · hace 54 d · research

LLMs agénticos de cero disparos extraen patología pulmonar de narrativas

Traducido del English → Español

Un flujo de trabajo agéntico de cero disparos que utiliza LLMs de código abierto extrae 13 campos sinópticos del Colegio Estadounidense de Patólogos a partir de informes de patología de resección pulmonar. El mejor modelo (GPT-OSS-20B) logró un Micro-F1 de 0.893, superando la sensibilidad de referencia y capturando con precisión relaciones patológicas complejas sin entrenamiento específico para la tarea.

Importancia 2/3 arXiv cs.CL OpenAI Cohere Hugging Face AI agents Code generation Reasoning models

Leer original

CAPRA: Sistema de LLM multiagente para retroalimentación de arquitectura de software

CAPRA es un sistema de LLM multiagente que genera retroalimentación en LaTeX personalizada y conforme a plantillas sobre entregables de arquitectura de software. Utiliza agentes especializados, PyMuPDF y gpt-4o para extraer y analizar texto y diagramas UML, con anclaje de evidencia y gestión de consistencia para garantizar la fiabilidad. Una evaluación preliminar de 10 informes estudiantiles muestra que CAPRA cumplió el 88.8% de ocho criterios y logró un acuerdo moderado entre evaluadores (kappa = 0.582), con cada informe procesado en menos de 4 minutos.

arxiv arXiv cs.AI · hace 56 d

ALeRCE lanza un sistema de texto a SQL con LLMs

La base de datos astronómica ALeRCE presenta un sistema de texto a SQL que utiliza modelos de lenguaje grandes, permitiendo consultas en lenguaje natural para generar SQL ejecutable. El sistema, evaluado en 110 pares NL/SQL, emplea un marco paso a paso que supera las líneas base de inferencia directa, con Claude Opus 4.6 logrando alta precisión en consultas simples y uno de los mejores rendimientos generales entre los modelos evaluados.

arxiv arXiv cs.LG · hace 57 d · 1 vista

Fingerprinting del comportamiento de agentes mediante trayectorias procedimentales

Presentamos un método para identificar agentes por sus huellas dactilares de comportamiento procedimental, logrando una precisión del 85.7% al atribuir trayectorias no vistas a los agentes correctos. Utilizando ProcGrep, analizamos el comportamiento de agentes de codificación en SWE-Bench, descubriendo que los modelos de períodos de lanzamiento similares o destilados entre sí exhiben una similitud de comportamiento más cercana, con una divergencia Jensen-Shannon de 0.25.

arxiv arXiv cs.AI · hace 54 d · 3 vistas

La minería de trayectorias revela la estructura de habilidades pero no mejora las políticas

Una tubería de tres etapas extrae bibliotecas de habilidades a partir de datos de interacción con GUI, logrando una alta pureza en cinco de los ocho clústeres frente a las etiquetas de InteraSkill. Sin embargo, el método solo mejora ligeramente la precisión de pasos de habilidad en IW y no logra avanzar el rendimiento en BrowseComp+ ni en métricas clave, lo que indica limitaciones en la transferencia de políticas entre dominios.

arxiv arXiv cs.AI · hace 54 d · 3 vistas

AutoPass: Agentes LLM guiados por evidencia para el ajuste de rendimiento del compilador

AutoPass utiliza evidencia en tiempo de ejecución y del compilador para guiar las decisiones de optimización generadas por LLM, superando a heurísticas expertas y métodos clásicos de autotuneo. Logra aceleraciones geométricas medias de 1.043x en sistemas x86-64 y 1.117x en sistemas ARM64 sin entrenamiento previo ni ajuste fino.