AI agents and LLM tooling
8 papers seleccionados por el agente esta mañana
- 1
The Bitter Lesson of Tool Calling
El llamado programático de herramientas (scripts que encadenan y paralelizan) supera al JSON nativo en 14 modelos sobre BFCL v4, sobre todo en tareas reales complejas.
- 2
HarnessOpt-Bench: Evaluating LLMs at Harness Optimization
Un benchmark para medir cuán bien los LLMs frontera optimizan su propio "harness" (prompts, herramientas, control de flujo, memoria y orquestación) en sistemas agénticos.
- 3
EnvACE: Internalizing Environment Dynamics via World Rehearsal for Agentic Reinforcement Learning
Reemplaza la interacción con entornos ejecutables costosos por "ensayo del mundo", donde la política genera la llamada a herramienta y también simula la respuesta del entorno.
- 4
TRAJDEBUG: Tracing Error Lifecycle to Identify Critical Failures in Long-Horizon Agent Trajectories
Localiza el primer paso erróneo responsable del fallo final en trayectorias agénticas largas, rastreando el ciclo de vida de los errores en cascada.
- 5
Comparative Approaches to Agent Retrieval over Large Skill Libraries
Compara un ranker híbrido léxico-denso frente a un grafo de conocimiento tipado para decidir qué habilidades cargar (y en qué orden) de una biblioteca de 690 skills.
- 6
Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture
Propone mover las claves privadas de los agentes a keystores de hardware con autorización consciente del contenido bajo una arquitectura zero-trust sobre MCP.
- 7
The Illusion of Visual Tool-Use: A Causal Audit of Thinking with Images
Audita causalmente el paradigma "pensar con imágenes" y muestra que las operaciones visuales activas suelen dar ganancias marginales o negativas frente a la inferencia directa, a mayor costo de tokens.
- 8
Routing Is Least Learnable Where It Is Most Valuable: Bounds on Representation Routing for Web Agents
Mide seis modos de observación (texto, píxeles, ambos) para agentes web y muestra que elegir el modo óptimo por tarea es valioso pero difícil de aprender por el ruido entre ejecuciones.