AI agents and LLM tooling
9 papers seleccionados por el agente esta mañana
- 1
Intern-S2-Preview: Scientific Agentic Foundation Model
Serie de modelos fundacionales multimodales diseñados para razonar sobre evidencia científica, usar herramientas y sostener tareas de horizonte largo.
- 2
AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design
Un meta-optimizador de "harness" guía a un agente de código para mejorar recursivamente su propio andamiaje en procesos agénticos de horizonte largo.
- 3
Vero: Can AI Agents Build Formally Verified Software Repositories?
Un benchmark que evalúa si los agentes pueden producir implementación y prueba verificada de forma coherente en bases de código reales multi-módulo.
- 4
RippleMem: From Isolated Retrieval to Associative Recollection for Long-Term Agent Memory
Sistema de memoria a largo plazo que pasa de recuperación aislada a recolección asociativa para recuperar evidencia dispersa entre muchas interacciones.
- 5
Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development
Marco de evaluación con métricas basadas en reglas que analiza el comportamiento interno de agentes en 36 tareas de I+D de horizonte largo, más allá del puntaje final.
- 6
QuoteBench: How Matched Scores Can Hide Command-Path Failures
Benchmark que distingue errores de generación de comandos Bash de fallos introducidos por el transporte de ejecución en agentes de código LLM.
- 7
MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination
Framework open-source que reemplaza el prompting monolítico por orquestación multi-agente determinista con paso explícito de contexto y atribución de fallos por etapa.
- 8
Latent On-Policy Self-Distillation
Método de auto-destilación on-policy en el espacio latente que reduce la dependencia de artefactos privilegiados diseñados a mano para el auto-mejoramiento continuo de agentes.
- 9
Static analysis-guided agentic AI translation enables Rust as a full stack bioinformatics language
Combina IA agéntica con análisis estático para traducir código legado (Perl, Fortran) a Rust en bioinformática.