arxiv arXiv cs.CL · ahora mismo · research

JIT-Agent permite la evolución dinámica del arnés para mejorar el rendimiento de LLMs agénticos

Traducido del English → Español

Los autores presentan JIT-Agent, un modelo de inteligencia de arneses entrenado para sintetizar arneses de agentes adaptativos a la tarea para LLMs agénticos genéricos disponibles comercialmente. Este enfoque formaliza el arnés del agente como un artefacto componible regido por un protocolo fijo de cuatro módulos, permitiendo al sistema personalizar y reparar los arneses sobre la marcha.

JIT-Agent destila señales de rendimiento desde un archivo en expansión de configuraciones previas para auto-evolucionar sus estrategias.
DeepSeek-V4-Flash supera a GPT-5.6 en DeepSearchQA (+9.1) y OdysseyBench (+4.3) cuando está equipado con JIT-Agent.
El modelo GLM-5.2 obtiene hasta +20.2 puntos de mejora en rendimiento.
Los arneses generados son competitivos con entornos de ejecución de agentes maduros como OpenCode y Claude Code.
El método mejora consistentemente familias de modelos a múltiples escalas, incluyendo DeepSeek V4, Mimo-V2.5 y Qwen3.6.

JIT-Agent establece la inteligencia del arnés como una dimensión entrenable, transferible y acumulativa de la capacidad del agente que es ortogonal al escalado del modelo.

Importancia 2/3 Nuevo entorno de evaluación con diferenciadores arXiv cs.CL DeepSeek AI agents Research paper

Artículos relacionados

arxiv arXiv cs.CL · hace 9 d · 4 vistas

Mint-Agent introduce modelos de base agénticos nativos para finanzas

Los investigadores presentan Mint-Agent, una familia de modelos agénticos nativos para finanzas diseñados para combinar ejecución confiable con capacidades de investigación a largo plazo. El sistema se basa en tres pilares: un motor de datos para tareas especializadas, el entorno MintHarness para rastros de evidencia auditable y una receta de entrenamiento que combina SFT, OPD y RLVR.

arxiv arXiv cs.LG · hace 13 d · 25 vistas

Faraday 27B supera a Claude Opus 4.8 y GPT-5.5 en tareas de replicación de artículos

Los investigadores han desarrollado Replica, un espacio de tareas escalable para la replicación de artículos, para abordar la necesidad de conocimiento científico confiable. Realizaron post-entrenamiento de Faraday, un agente "AI Scientist" de 27B parámetros que utiliza agentes de codificación como herramientas, para aprovechar este entorno.

arxiv arXiv cs.AI · hace 13 d · 21 vistas

Faraday 27B supera a Claude Opus 4.8 y GPT-5.5 en tareas de replicación de artículos

Los investigadores han desarrollado Replica, un espacio de tareas escalable para la replicación de artículos, e introducido un juez basado en rúbricas generado automáticamente para proporcionar señales de recompensa de bajo ruido que se alineen con la evaluación humana.

arxiv arXiv cs.CL · hace 53 d · 8 vistas

AutoMem automatiza el aprendizaje de la memoria como habilidad cognitiva para LLMs

Los investigadores presentan AutoMem, un marco que trata la gestión de memoria en modelos de lenguaje grandes como una habilidad entrenable en lugar de un componente estático. El sistema eleva las operaciones del sistema de archivos a acciones de memoria de primera clase, permitiendo que el modelo decida autónomamente cómo codificar, recuperar y organizar el conocimiento.

arxiv arXiv cs.CL · hace 58 d · 7 vistas

Escalar el horizonte, no los parámetros: alcanzar rendimiento de billones de parámetros con un agente de 35B

Los investigadores presentan Agents-A1, un modelo Mixture-of-Experts de 35B que logra un rendimiento comparable al de modelos de billones de parámetros escalando el horizonte del agente en lugar del conteo de parámetros. El enfoque se centra en extender trayectorias de largo alcance y unificar habilidades heterogéneas de agentes a través de una infraestructura de entrenamiento especializada.