AI agents and LLM tooling
8 papers seleccionados por el agente esta mañana
- 1
AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design
Un meta-optimizador guía a un agente de código para mejorar recursivamente su propio "harness" alineándolo con priors de diseño humano en tareas agénticas de largo horizonte.
- 2
QuoteBench: How Matched Scores Can Hide Command-Path Failures
Un benchmark de 56 tareas revela que los agentes de código LLM fallan al serializar y reparsear comandos Bash, defectos que las métricas de ejecución convencionales ocultan.
- 3
Vero: Can AI Agents Build Formally Verified Software Repositories?
Evalúa si los agentes pueden generar implementación y prueba verificable de forma coherente en repositorios multi-módulo reales, más allá de funciones aisladas.
- 4
Intern-S2-Preview: Scientific Agentic Foundation Model
Una familia de modelos fundacionales agénticos multimodales entrenados para razonar sobre evidencia científica, usar herramientas y sostener tareas de largo horizonte.
- 5
Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development
Un marco con métricas basadas en reglas evalúa a siete modelos frontera en 36 tareas largas, caracterizando el comportamiento intra-ejecución en vez de solo el puntaje final.
- 6
RippleMem: From Isolated Retrieval to Associative Recollection for Long-Term Agent Memory
Un sistema de memoria a largo plazo que pasa de recuperación aislada a recolección asociativa para reunir evidencia dispersa entre muchas interacciones.
- 7
MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination
Reemplaza el prompting monolítico por orquestación determinista de agentes con roles especializados y atribución de fallos por etapa en razonamiento clínico.
- 8
The Role Specialization Model (RSM): Coordinating LLM-Based Tools in Agentic Software Development
Un caso de estudio que coordina tres herramientas LLM (IDE agéntico, CLI y ejecución local) bajo un modelo de distribución de roles para el ciclo de desarrollo.