45 noticias
Un equipo de investigación ha desarrollado AutoTavern, un sistema de agentes de LLM auto-mejorable que ha logrado construir y ejecutar un sistema de inteligencia artificial capaz de competir con los mejores jugadores humanos en Hearthstone Battlegrounds. En solo 20 días, el sistema ha desarrollado T
arx es una herramienta de línea de comandos escrita en Rust diseñada específicamente para agentes de modelos de lenguaje grandes (LLM) que interactúan con la base de datos arXiv. Su objetivo principal es reducir drásticamente el coste computacional y la latencia en tareas de investigación científica
El estudio 'Agent Mosaic' analiza el riesgo de fugas de información sensible en sistemas de agentes de modelos de lenguaje de gran escala (LLM). Los autores identifican un fenómeno denominado 'efecto mosaico', donde los agentes recopilan datos de múltiples documentos accesibles para generar conclusi
Los agentes basados en modelos de lenguaje (LLM) suelen generar puntuaciones de confianza para tareas como la escritura de código o la planificación de viajes. Sin embargo, estas cifras carecen de validez técnica porque no se derivan de una regla de cálculo, sino de la generación autoregresiva de te
La arquitectura de memoria en los agentes de modelos de lenguaje (LLM) determina su capacidad de auto-mejora y estabilidad. Un estudio reciente propone Anti-Persistence, un diseño que acumula trayectorias y resultados de ejecución en memoria externa, pero reconstruye la guía específica de la tarea s
Un desarrollador de Ruby ha decidido archivar el código fuente de sus gemas para indicar que deja de trabajar en ellas, citando como motivo principal la pérdida de entusiasmo por el lenguaje debido a la creciente dependencia de agentes de inteligencia artificial. En un artículo publicado en su blog,
HybridAgents es un marco de agentes de inteligencia artificial diseñado para superar las limitaciones de los modelos de lenguaje actuales, que operan exclusivamente a través del texto. Este sistema integra el razonamiento latente, un medio interno eficiente pero opaco, con la interacción externa bas
AutoIllustrate es una herramienta de línea de comandos que transforma breves de metodología en figuras académicas de publicación, generando archivos editables de draw.io y versiones mejoradas en PNG. El sistema opera mediante un flujo de trabajo de seis fases: planificación, renderizado de paneles,
Tau-Emotion-Bench es un benchmark de diez dominios diseñado para evaluar la fiabilidad de los agentes de lenguaje de gran escala (LLM) en tareas de llamada de herramientas de largo alcance. A diferencia de las pruebas existentes, que asumen usuarios cooperativos y estables, este sistema introduce va
Agentic Soft-Token Compression (ASTC) es una técnica de compresión de contexto diseñada para agentes de modelos de lenguaje de gran escala (LLM) con horizontes temporales largos. A diferencia de los métodos tradicionales que requieren entrenamiento adicional, ASTC opera de forma nativa dentro del mo
SwaT (Swarm Telepathy) es un sistema que permite a agentes de modelos de lenguaje (LLM) de familias distintas comunicarse intercambiando sus cachés KV (Key-Value) en lugar de texto. Esta metodología elimina la necesidad de prellenar (prefill) el texto en el receptor, permitiendo que el modelo decodi
Un nuevo estudio propone evaluar la humildad epistémica (EH) en agentes de modelos de lenguaje de gran escala (LLM), un aspecto que las evaluaciones tradicionales de éxito en tareas ignoran. La investigación define la EH como la disposición del agente a reconocer, actuar sobre y comunicar la incerti
Sentry es una capa externa de gestión de fallos de ejecución diseñada para agentes de modelos de lenguaje grandes (LLM). Su objetivo principal es detectar acciones inválidas, guiar la recuperación y aprender lecciones reutilizables a partir de recuperaciones verificadas, permitiendo a los agentes su
Un investigador de tecnología y derechos humanos ha publicado los resultados de una experimentación en la que tres agentes de inteligencia artificial actualizaron la plataforma de datos abiertos del Banco Mundial para perfiles de Estados Unidos e Irán. El estudio, realizado en el marco de la confere
Un desarrollador ha documentado el uso de GPT-6 Astra para controlar un personaje en World of Warcraft mediante la herramienta agent-wow. El experimento, que se ejecutó en un servidor local privado basado en AzerothCore, demostró que el modelo de lenguaje de frontera (LLM) completó la zona inicial s
El equipo de Junjue Wang ha publicado DORA, un benchmark diseñado para evaluar la capacidad de los agentes de lenguaje de gran escala (LLM) para responder a operaciones de emergencia ante desastres. La herramienta, aceptada como presentación oral en NeurIPS 2026, incluye 515 tareas expertas basadas
Un equipo de investigadores de Google, en colaboración con el Instituto de Tecnología de Georgia y la Universidad de Pekín, presentó los Grafos Procedimentales (Procedural Graphs), una nueva arquitectura de ejecución autoevolutiva diseñada para mejorar el rendimiento de los agentes de inteligencia a
Un estudio comparó la búsqueda léxica con grep frente a la navegación semántica basada en el protocolo LSP para que agentes de IA recuperen contexto de código. El experimento abarcó tres modelos de Claude (Opus 4.8, Sonnet 4.6 y Haiku 4.5), varios repositorios en Python y TypeScript, y tareas de loc
En 2000, Joel Spolsky publicó un test de doce preguntas para identificar equipos de desarrollo de software competentes. Más de dos décadas después, exe.dev propone actualizar ese listado —al que denomina "test de Shelley", en honor a su agente de codificación— con nueve nuevas preguntas adaptadas a
Un desarrollador relata cómo migró un proyecto de 65.000 líneas de código de C++ a Rust utilizando Fable 5, una herramienta basada en modelos de lenguaje, por un coste aproximado de 400 dólares. Para ello recurrió a la habilidad /teach de Matt Pocock, pensada para enseñar Rust idiomático a programad
monty-go es una librería de código abierto que permite a las aplicaciones en Go ejecutar código Python generado por modelos de lenguaje (LLMs) de forma segura y eficiente. La herramienta funciona como un envoltorio puro de Go alrededor del intérprete Monty de Pydantic, compilado a WebAssembly (WASM)
Un desarrollador ha presentado un sistema de compañero de juego basado en inteligencia artificial, bautizado Varkos, que no se limita a generar diálogo sino que actúa dentro del mundo virtual, ejecuta instrucciones complejas en varios pasos y conserva planes persistentes entre acciones. El proyecto,
ProgramBench Vetted es una nueva versión, compuesta por 50 tareas, del benchmark ProgramBench publicado por Meta en mayo de 2026. La prueba plantea una pregunta central: ¿puede un agente de inteligencia artificial reconstruir el código fuente de un programa a partir únicamente de su binario ejecutab
Mark Burgess lanzó CFEngine en 1993 y formalizó la teoría de promesas hacia 2005 junto a Siri Fagernes. Su modelo es preciso: agentes autónomos observan su entorno, razonan localmente y prometen sobre su propio comportamiento, sin recibir órdenes de un controlador central. Herramientas posteriores c
PrimeIntellect presenta Prime Agent, un harness de código auto-mejorable basado en RLM y Continual Harness La compañía PrimeIntellect anunció esta semana el lanzamiento de Prime Agent, un harness (entorno de ejecución) de código auto-mejorable y de código abierto, diseñado en torno a dos abstraccio
Zero-Mem es un sistema de memoria para agentes basados en modelos de lenguaje (LLM) que elimina el uso de tokens y de llamadas adicionales a modelos durante las operaciones de recuerdo. La idea central es que ninguna etapa del proceso de memoria —fuera de la respuesta final a la pregunta del usuario
La publicación, el 28 de julio de 2026, de la especificación 2026-07-28 del Model Context Protocol (MCP), conocida informalmente como MCP 2.0, supone el cambio más relevante del protocolo desde su creación por Anthropic en noviembre de 2024. Tras un período de relativo eclipse frente a enfoques como
Los agentes de uso informático están lejos de resolverse: el principal cuello de botella es la interfaz Aunque los modelos de lenguaje avanzan a pasos agigantados en tareas de programación, su capacidad para manejar un ordenador como lo haría un ser humano sigue siendo extremadamente limitada. Los
La firma de seguridad en IA Andon Labs publicó una nueva ronda de su experimento Vending-Bench, en el que modelos de frontera gestionan una máquina expendedora simulada durante un año virtual con el objetivo de obtener el mayor beneficio. En la prueba más reciente, Anthropic Claude Opus 4.5, GPT-5.6
Un investigador reimplementó el flujo central de 40 artículos publicados sobre sistemas multiagente con modelos de lenguaje y volcó el código en el repositorio h5i-python. La experiencia, descrita como un ejercicio de ingeniería más que de crítica, destila varias lecciones técnicas aplicables a quie
El autor describe Ambiance, un harness —el armazón que conecta un modelo de lenguaje con el exterior— inspirado en el entorno Unix/Linux y concebido para que los agentes de IA operen de forma autónoma más allá de la ventana de chat. La propuesta parte de cuatro requisitos: intuitividad para el model
Un investigador de seguridad ha demostrado una técnica de prompt injection contra Claude (claude.ai) que permite extraer información personal almacenada en su sistema de memoria, como nombre completo, empresa y respuestas a preguntas de seguridad, sin que el usuario lo perciba. El ataque explota la
Tras el éxito en la reescritura de pycparser con ayuda de un LLM, el ingeniero Eli Bendersky comparte en un ensayo su experiencia al desarrollar desde cero watgo, un toolkit de WebAssembly para Go, utilizando agentes de IA como compañero de programación. El artículo se centra en la metodología, las
El autor, profesional de seguridad empresarial, analiza el riesgo de conceder a los agentes de inteligencia artificial acceso a recursos sensibles como calendarios o correo electrónico. Estos agentes, no deterministas, manipulan credenciales que a menudo quedan almacenadas en disco y pueden filtrars
ActiveGraph es un runtime para sistemas agentic que invierte la arquitectura habitual de los marcos de trabajo con modelos de lenguaje. En lugar de colocar la conversación en el centro y añadir después herramientas, reglas y un registro para observabilidad, el sistema sitúa un log append-only de eve
El desarrollador detrás de la herramienta de programación Pi documenta un comportamiento anómalo que afecta a las versiones más recientes de los modelos de Anthropic. En concreto, Opus 4.8 y Sonnet 5 invitan con frecuencia campos inexistentes —como type, id, kind, requireUnique, oldText2 o in_file—
Matthew van Bird describe un problema habitual en ingeniería de software: la revisión humana previa al paso a producción se ha convertido en un trámite sin valor real. Tras revisar los registros de un mes en su equipo, constató 31 aprobaciones de producción, cero rechazos y una mediana de 47 segundo
autofz es un meta-fuzzer —un orquestador en tiempo de ejecución para fuzzers ya existentes— desarrollado durante los primeros años del doctorado de su autor y aceptado en USENIX Security 2023. La herramienta no implementa un algoritmo de fuzzing nuevo: ejecuta fuzzers disponibles y añade sobre ellos
Un desarrollador sometió a su asistente de inteligencia artificial, bautizado como Fiu y basado en OpenClaw, a un ejercicio público de red-teaming en la web hackmyclaw.com. El objetivo era sencillo: conseguir que el agente revelara el contenido de un fichero llamado secrets.env. Tras alcanzar la por
Self-Harness es un nuevo paradigma de investigación en inteligencia artificial según el cual un agente basado en modelos de lenguaje grandes (LLM) puede mejorar de forma autónoma el arnés —el software intermediario— que regula su interacción con el entorno, sin necesidad de ingenieros humanos ni de
RTK, una herramienta para desarrolladores con cerca de 60.000 estrellas en GitHub, promete reducir el uso de tokens en agentes basados en modelos de lenguaje entre un 60% y un 90% manteniendo la misma capacidad y abaratando el coste hasta una décima parte. El artículo cuestiona de forma sistemática
Un sistema de memoria para agentes de inteligencia artificial debe ir más allá de la ventana de contexto del modelo, que funciona como una pizarra temporal y se resetea en cada sesión. Elasticsearch Labs presenta una arquitectura de memoria persistente basada en tres índices diferenciados según cate
Este artículo presenta una metodología innovadora para construir bases de conocimiento personales utilizando Modelos de Lenguaje Grandes (LLMs), que va más allá del enfoque tradicional de Recuperación Aumentada por Generación (RAG). RAG típicamente implica subir documentos, el LLM recupera fragmento
El ingeniero de aprendizaje automático Andrej Karpathy ha expresado su entusiasmo por un nuevo concepto en el desarrollo de inteligencia artificial llamado "Claws", a través de un mensaje en Twitter el 21 de febrero de 2026. Karpathy adquirió un Mac Mini para experimentar con Claws, describiéndolos
El auge de los agentes impulsados por modelos de lenguaje grandes (LLMs) ha llevado a la introducción de 'Skills' (habilidades), que son esencialmente paquetes de conocimiento procedural diseñados para mejorar el rendimiento de estos agentes en tareas específicas. Sin embargo, hasta ahora, no existí