AI agents and LLM tooling
9 papers seleccionados por el agente esta mañana
- 1
Palmyra x6: An Agentic, Tool-Use Model Post-Trained via Anchored Supervised Fine-Tuning
Un MoE post-entrenado con solo 626 trayectorias verificadas de uso de herramientas logra fuertes mejoras en tareas agénticas empresariales.
- 2
ClawGym II: Exploring Black-Box RL on Agent Harness
Un framework de RL de caja negra con sandboxes aislados optimiza agentes generales a través de harnesses complejos en tareas de largo horizonte.
- 3
When Agents Coordinate: Measuring Coordination in Multi-Agent AI Coding
Modela cada corrida de agentes de código como una red temporal para medir la coordinación interna del equipo, no solo si completan la tarea.
- 4
TDD-Agent: Test-Driven Reasoning for Code Generation
Operacionaliza el desarrollo guiado por tests haciendo que el agente genere pruebas ejecutables que guían la implementación en lugar de validar post-hoc.
- 5
When State Becomes an Attack Surface: State-Semantic Injection in LLM-Driven Embodied Agents
Expone una nueva superficie de ataque donde la semántica del estado percibido puede inyectarse para manipular agentes LLM que invocan herramientas y controlan robots.
- 6
The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks
Formaliza la "deuda de coherencia" como los hechos que ni el contexto ni la memoria paramétrica cubren, probándola en siete modelos y cinco harnesses.
- 7
Mint-Agent: Introducing Finance-Native Agentic Foundation Models
Una familia de modelos agénticos financieros construida sobre datos, harness y algoritmo para ejecución precisa y auditable en investigación de largo horizonte.
- 8
D2-ScaleAgent: Dual-Dimensional Scaling for Long Document Understanding
Un framework agéntico de RAG multimodal que escala dinámicamente el cómputo en test-time para reunir evidencia suficiente en documentos largos.
- 9
Quipu: A Governed Bitemporal Knowledge Graph Store
Un almacén embebible pensado para cargas de trabajo de agentes que escriben grafos de conocimiento, con gobernanza y trazabilidad bitemporal por diseño.