arxiv arXiv cs.AI · hace 2 h · research

AIDE^2 permite la mejora recursiva de agentes de investigación con IA

Traducido del English → Español

Los investigadores presentan AIDE^2, un sistema que implementa un bucle de mejora recursiva para un agente de investigación con IA optimizando su propio código. El sistema propone cambios en su lógica interna, evalúa versiones modificadas en tareas de I+D con IA y conserva únicamente aquellas mejoras que obtienen los mejores resultados en evaluaciones ocultas.

En una ejecución autónoma de 8 días, AIDE^2 descubrió siete mejoras sucesivas, incluida una nueva política de búsqueda y mecanismos de memoria para la compresión del contexto.
El agente descubierto más fuerte iguala o supera a un agente de investigación en producción diseñado por humanos en cuatro conjuntos de pruebas reservados en ingeniería de aprendizaje automático, ingeniería de algoritmos heurísticos y pronóstico del tiempo basado en física.
En una familia de tareas reservada separada, los agentes descubiertos mostraron una reducción en el hacking de recompensas, con la tasa disminuyendo del 55% al 32%, lo que es 7 puntos porcentuales por debajo del agente diseñado por humanos.

Estos resultados demuestran que un agente de investigación con IA puede mejorar su propia eficiencia de investigación mediante la mejora recursiva y que estas ganancias se transfieren a tareas y dominios que el bucle nunca encontró.

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

Artículos relacionados

arxiv arXiv cs.AI · hace 3 h · 12 vistas

Growing Harness convierte el control recurrente de agentes en código reutilizable mediante entrenamiento guiado por fallos

Los autores presentan Growing Harness, un paradigma de entrenamiento que aprende la estructura de control de un agente a partir de la retroalimentación de la tarea, en lugar de depender de arneses estándar con gran carga contextual. Al convertir las decisiones de control recurrentes en código ejecutable y reservar las llamadas al LLM para el razonamiento semántico, el método busca crear agentes especialistas reutilizables.

arxiv arXiv cs.LG · hace 4 h · 11 vistas

AIDE^2 permite la mejora recursiva de agentes de investigación con IA

Los investigadores presentan AIDE^2, un sistema que implementa un bucle de mejora recursiva para un agente de investigación con IA de vanguardia optimizando su propio código. El sistema propone cambios en su lógica interna, evalúa las versiones modificadas en tareas de I+D con IA y conserva únicamente aquellas actualizaciones que obtienen el mejor rendimiento en evaluaciones ocultas.

arxiv arXiv cs.CL · hace 6 h · 12 vistas

Agensh escala la inteligencia organizacional a 1.024 agentes

Los investigadores presentan Agensh, un arnés multiagente autoorganizado y escalable que elimina el cuello de botella del orquestador central al permitir que los trabajadores concurrentes reclamen sub-tareas asíncronamente y fusionen el progreso.

arxiv arXiv cs.CL · hace 2 d · 10 vistas

TrialAtlas: un sistema multiagente mejora la evaluación de riesgos en el diseño de ensayos clínicos

Los investigadores han presentado TrialAtlas, una organización de investigación multiagente con memoria aumentada diseñada para asistir en la planificación del desarrollo clínico (CDP). El sistema coordina agentes especializados para la síntesis de literatura, inteligencia competitiva y análisis regulatorio, con el fin de anticipar los riesgos del desarrollo.

arxiv arXiv cs.AI · hace 8 d · 24 vistas

Vista previa de Atria Dawn: modelo de lenguaje agénico fundamental para la investigación científica

Atria Dawn Preview es un modelo de lenguaje agénico fundamental diseñado para flujos de trabajo de investigación científica e ingeniería, entrenado mediante una Pipeline de Experiencia Verificable que conecta interacciones mediadas por herramientas con entornos ejecutables. En 16 benchmarks que abarcan investigación del mundo real, ingeniería y trabajo digital, el modelo es competitivo frente a agentes de vanguardia y alcanza la puntuación más alta reportada en cinco de ellos.