LEASH es un marco de trabajo sin entrenamiento diseñado para mejorar la gestión de agentes de uso de computadora que enfrentan tareas de largo alcance. Su objetivo principal es resolver el dilema entre el alto coste de ejecutar modelos de frontera en cada paso y la limitación de los modelos de pesos abiertos más pequeños, que suelen fallar en estas tareas. El sistema implementa una escalada de 'débil a fuerte' donde un agente de capacidad limitada actúa por defecto y cede el control a un modelo más potente solo cuando es necesario, optimizando así los recursos computacionales.
El núcleo de LEASH es la detección de incertidumbre. El sistema compara los estados ocultos del modelo débil con trayectorias pasadas exitosas y fallidas; si el estado actual se asemeja más a los fracasos, se genera una señal de incertidumbre que activa la escalada. Esta señal se reutiliza durante la generación de acciones, eliminando la necesidad de pasadas adicionales o entrenamiento dedicado de monitores. Una vez transferido el control, LEASH mantiene una 'sombra' de observación para supervisar al agente fuerte, que opera como una caja negra, asegurando que no se desvíe de su objetivo.
Las pruebas en el entorno OSWorld con cuatro arquitecturas de modelos contemporáneos demuestran que LEASH mejora consistentemente sobre agentes de solo modelo débil. En comparación con la escalada aleatoria, LEASH supera a esta en 6,55 a 11,94 puntos en tasas de escalada igualadas. Un caso de uso destacado con el modelo Qwen3.5-35B-A3B muestra un 73,66% de éxito en tareas a un coste de 0,4117 dólares por tarea, igualando el rendimiento de Claude Opus 5 (72,90%) pero reduciendo el coste de inferencia en un 19,2%.