CoEvo-RSI es un marco de trabajo para agentes de inteligencia artificial que busca resolver el problema del desajuste entre las capacidades de un modelo y las exigencias de su arquitectura de ejecución. Este fenómeno, conocido como 'brain-body mismatch', ocurre cuando la infraestructura de un agente evolutivo cambia más rápido que el modelo subyacente, limitando su rendimiento. La solución propuesta utiliza una herencia histórica bidireccional, donde un agente meta coordina el desarrollo de la arquitectura y la selección de modelos basándose en un archivo compartido de diseño y retroalimentación de ejecución.
El sistema opera mediante ajuste fino supervisado (SFT) sobre trayectorias de rechazo, sin necesidad de intervención humana constante. CoEvo-RSI ha demostrado ser competitivo con modelos más grandes en aplicaciones verticales diversas, como la atribución de fallos en sistemas multiagente, la traducción de texto a SQL con roles y el seguimiento de instrucciones en hogares inteligentes. En pruebas específicas, superó a DeepSeek-V4-Pro en la métrica de precisión de agentes (TraceElephant) con un margen de 14.16 puntos y mejoró el éxito en HomeBench VM frente a GLM-5.3 en 4.90 puntos. Este enfoque destaca la importancia de la alineación entre la 'mente' (el modelo) y el 'cuerpo' (la ejecución) para avanzar en la co-evolución de agentes autónomos, ofreciendo una alternativa eficiente a los métodos de entrenamiento más costosos o complejos.
