MERCADOS:
BTC $81,317 ▲ +4.29%
ETH $2,529 ▲ +5.04%
SOL $184 ▲ +3.57%
IA STATUS Online RELOJ --:--:-- ART
🐉 LLMs de Oriente

IA de China: ¡Agentes que se autocorrigen y ahorran un 26%!

IA de China: ¡Agentes que se autocorrigen y ahorran un 26%!

La vanguardia de la inteligencia artificial en Oriente no deja de sorprender. Investigadores de la Universidad de Tsinghua, Zhipu, la Universidad Jiao Tong de Shanghái, la Universidad de Warwick y Kuaishou han dado a conocer HarnessPro, un método que revoluciona la forma en que los agentes de IA operan. Esta innovadora técnica permite a los propios agentes de IA mejorar el ‘arnés’ en el que se ejecutan, es decir, el marco que define sus prompts, herramientas, presupuestos y flujo de tareas.

Automejora con doble objetivo: rendimiento y ahorro

Publicado en arXiv el 19 de octubre, con el científico jefe de Zhipu, Tang Jie, entre los autores, HarnessPro añade un segundo objetivo a la automejora de la IA: no solo debe aumentar el rendimiento, sino también disminuir el costo de ejecución. El código fuente de este avance ya está disponible en GitHub.

Este trabajo se basa en los avances previos de Zhipu, como su Infra Agent impulsado por GLM-5.3, que logró triplicar el rendimiento de la infraestructura de inferencia para GLM-5.3-Flash en menos de dos semanas.

¿Cómo funciona HarnessPro?

El proceso de HarnessPro se inicia con la ejecución del arnés existente para recopilar información sobre las llamadas a herramientas, la retroalimentación del entorno y el uso de tokens. Un agente de análisis de trayectorias revisa múltiples ejecuciones de la misma tarea para identificar las causas de fallos y el desperdicio, como búsquedas repetidas o exploraciones sin rumbo.

Posteriormente, un agente de planificación elabora tres tipos de cambios, priorizando el ahorro, el equilibrio o el rendimiento. Finalmente, un agente de edición de arneses implementa cada cambio en un espacio de trabajo separado, rastreado con Git para permitir su seguimiento y reversión.

Validación rigurosa y resultados contundentes

Para evaluar el progreso sin depender de respuestas de referencia o pruebas oficiales, un agente de generación de pruebas crea escenarios a partir de la descripción de la tarea y las ejecuciones iniciales. Estas pruebas se congelan para cada candidato. En experimentos tempranos, este método elevó la tasa de recuperación de fallos del 41.7% al 83.3%, superando la simple lectura de logs por parte del modelo.

Los candidatos que muestran un peor rendimiento que el arnés original, o que son superados en costo y éxito por otra versión, son descartados. Las variantes ‘Lite’, ‘Medium’ y ‘Heavy’ avanzan a la siguiente ronda.

El equipo probó HarnessPro en benchmarks como Terminal-Bench 2, SWE-Bench Pro y ProgramBench, utilizando GPT-5.5 con Codex. En comparación con el método anterior RHO, la variante ‘Heavy’ de HarnessPro incrementó la tasa de aprobación promedio en un 2.0% y redujo el costo promedio por tarea en un 26.1%.

En Terminal-Bench 2, la tasa de aprobación pasó del 76.3% al 80.8%, mientras que el costo por tarea se desplomó de $1.09 a $0.72. En SWE-Bench Pro, la variante ‘Medium’ alcanzó un 79.0% de aprobación frente al 80.0% de RHO, pero a un costo de $1.26 por tarea en lugar de $2.68.

Las mejoras se atribuyen principalmente a la adaptación del esfuerzo de razonamiento y los presupuestos de herramientas a cada tarea específica, incentivando al agente a detener la exploración innecesaria y comprimiendo logs e instrucciones repetidas. Es importante notar que las cifras de costo cubren la ejecución de las tareas, no la búsqueda y evaluación previas.

Fuente: Pandaily (China AI)

AL

Sobre Andrés LLM

Especialista en Modelos Asiáticos (DeepSeek, Kimi, Qwen, GLM)

Periodista y analista en Tecno Saberes especializado en la cobertura de Inteligencia Artificial y Educación para Todos.

🚀 Potenciá tu criterio digital y habilidades en IA

Tecno Saberes es una iniciativa de divulgación tecnológica asistida por Inteligencia Artificial y orquestada por el equipo de TucMara.com.

←
→