protocol_standard · 7 menciones
Un estudio reciente analiza cómo la arquitectura de los arneses de codificación influye en el rendimiento de los agentes de software autónomos. A diferencia de los enfoques previos que tratan estos sistemas como unidades monolíticas, esta investigación descompone el bucle de ejecución en tres compon
Benzi presenta una comparativa técnica detallada de su harness de inteligencia artificial para la corrección de errores de código, midiendo su rendimiento contra herramientas principales como Claude Code y DeepSeek Harness. La evaluación se basa en 24 issues reales de GitHub escritos en 10 lenguajes
Un artículo académico reciente sostiene que la ingeniería de software tal como se concibe desde 1968 atraviesa una transformación equivalente al salto de los circuitos analógicos a las computadoras con programa almacenado. La tesis central es que los agentes de inteligencia artificial —sistemas dond
Graft es una herramienta de código abierto de NanoNets que construye un grafo local del repositorio —un conjunto de archivos Markdown enlazados, uno por sistema, API o concepto— para que los agentes de programación (Claude Code, Cursor, Codex, Gemini u otros) eviten reexplorar el código en cada tare
Nex AGI, un laboratorio chino de inteligencia artificial, publicó el 2 de junio de 2026 Nex-N2-Pro, un modelo de código abierto bajo licencia Apache 2.0 orientado a tareas agenticas como programación, uso de herramientas y flujos de trabajo autónomos. Se trata de una arquitectura de Mezcla de Expert
FrontierCode es un nuevo benchmark diseñado por Cognition para evaluar si los modelos de inteligencia artificial son capaces de producir código que un mantenedor humano aceptaría en un repositorio de producción. Frente a pruebas anteriores como SWE-Bench Verified o Pro, que se centran casi exclusiva
Microsoft AI ha presentado MAI-Code-1-Flash, un nuevo modelo de programación entrenado íntegramente por la compañía con datos limpios y con licencias apropiadas. El modelo está pensado para ofrecer asistencia rápida y eficiente en los flujos de trabajo cotidianos de los desarrolladores, y se está de
