LABORATORIO · ESTADO VERSIONADO · 2026-10-25
Qué ha avanzado y qué sigue sin demostrar.
Último experimento registrado: 2026-10-24. Última reconciliación del estado: 2026-10-25. Estas fechas no son una medición de disponibilidad ni una nueva ejecución.
- Avance técnico
- Auditoría sombra EXP-10A implementada; el preflight comprueba el contrato, no la calidad del agente.
- Evaluación independiente
- 0/8 trazas adjudicadas. Acuerdo: desconocido.
- Mejora RSI demostrada
- INCONCLUSIVE. No hay comparación causal independiente que acredite una mejora global.
- Siguiente acción
- Prioridad vigente: adjudicar ciegamente las ocho trazas de desarrollo de EXP-10A con un evaluador separado y procedencia verificable. Acuerdo y beneficio causal desconocidos; conservar EXP-10 congelado (holdout 1/4) y no iniciar EXP-11/12 mientras falte evaluación separada. No repetir búsquedas vacías ni contabilizar informes de medición como progreso operativo.
/ PRODUCT CONTROL HARNESSVERSION 0.2.0 · READ-ONLY MAP
200 GAPS / 20 LENSES / ONE LOOP
Dirigir el producto con evidencia.
El sitio no debe empujar a la siguiente página; debe reducir incertidumbre, conservar evidencia y proponer el siguiente movimiento.
01OBSERVAR→02ENMARCAR→03PRIORIZAR→04CAMBIAR→05VERIFICAR→06CONSERVAR
FOCUS / AHORA
Hacer que cada artículo sea legible para una persona, comprobable por un editor y utilizable por un agente.
Revisar cada ficha con el contrato editorial, convertir los avisos en mejoras concretas y exponer la misma evidencia mediante MCP.
CRITERIO DE SALIDALas fichas publicadas tienen review, localizadores, límites, próxima prueba y un envelope MCP que no confunde lectura con permiso de publicación.P0 / EDITOR AGENT + MCP
TOTAL200puntos trazados
P0 / P1134alta prioridad total
SIGUIENTE0acciones sin empezar
VERIFICADOS72con aceptación comprobada
MCP / OBSERVACIÓN ACOTADA
Ver el contrato sin confundir un ping con uptime.
El navegador hace un ping anónimo y sin cookies. El eval fechado usa sólo operaciones de lectura y no abre memoria privada.
LÍMITE · El ping confirma una respuesta puntual. No mide disponibilidad histórica, declaración de Sites ni autoridad autenticada.
EDITOR AGENT / ARTICLE REVIEW
Cada artículo pasa por una segunda lectura.
Agente editor: detecta huecos, no inventa evidencia y propone el siguiente patch. La revisión propone; la publicación sigue siendo una decisión humana.
FICHAS169con capa editorial
LISTAS2sin bloqueos ni avisos
REVISAR167mejoras detectadas
PUNTUACIÓN97media de cobertura
97/100Revisar
MobilePA-Bench: Evaluating Mobile Personal Agents in Real-World Tasks
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
OODA-Tool: Specialized OODA Loops for Tool-Using Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
AnTrap: A Comprehensive Benchmark for Anomaly Traps in GUI Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MetaRAG: Meta-Reinforcement Learning for Adaptive Retrieval-Augmented Generation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
The RAT: A Bayesian Model of Retrieval, Abstention, and Task Success
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SPA: Secure Planning Agents with Information-Flow Control
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
ClueWeaver: Evidence-Guided Multi-Hop Question Answering with Self-Calibration
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TOPAS: Topology-Aware Scheduling for LLM Agent Workflows
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Mechanism Design for Generative Engine: From Exploitation to Win-Win Equilibrium
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
100/100Listo
The Devil Is in the Interface: Evaluating How Tool Architecture Shapes Coding Agent Behavior
La ficha cumple el contrato editorial actual.
0 aviso(s)Abrir lectura ↗
97/100Revisar
SKILLER: Language-Level Reinforcement Learning for Reusable Skill Extraction in Small Language Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
100/100Listo
VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies
La ficha cumple el contrato editorial actual.
0 aviso(s)Abrir lectura ↗
97/100Revisar
SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SkillSentry: Reliable Skill Execution for LLM Agents via Runtime Assurance
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
ElasticBack: Stealthy Conditional Backdoor in LLM-Agent Skills via Coupled Trigger–Rule Optimization
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MetaStrategy: Generative Ranking with Executable LLM Strategies
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Test-Time Optimization of Query Embeddings with Ranking Aware Reward Maximization
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Multimodal Model Diffing for Feature Discovery and Control
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
VibeLifeBench: Can Your Life Agent Be Proactive and Persistent in a Living World?
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MBA: Multimodal Benchmark and Agents for Real-World Business Ideation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
CoEvo-Mem: Co-Evolving Retrieval Policy and Memory Bank for LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Agent Memory Distillation: Empowering Small LLM Agents with Hierarchical Teacher Memory
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
CodeGrep: An RL-Trained Retrieval Agent for LLM Coding Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
RAG-Stack: Co-Optimizing RAG Serving Performance and Quality
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Before Reasoning Can Fail: Pre-Evidence Procedural Failures in Agentic RAG
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
LiveMem: Maintaining Memory State Continuity in Long-Running LLM Inference
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
NiyamAI: An Intent-Bound AI Agent with Cryptographically Verifiable Guardrails using Zero-Knowledge Proofs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MemWM: Memory-Augmented Text-Based World Model
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
RepoOMP: Repository-Aware Hotspot OpenMP Parallelization via Dependency-Aware Context Reduction
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MNC: Minimum-Necessary Communication for Private LLM-Agent Communication
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Cross-Domain Hybrid OPD for Generalizable Search Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
KnowHal: A Knowledge-Driven Benchmark for Comprehensive Multimodal Hallucination Evaluation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Teaching Nemotron Greek: Mining a Corpus, Adapting Retrieval, and Grounding Generation for Modern Greek across Specialist Domains
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Workflow-GYM: Towards Long-Horizon Evaluation of Computer-use Agentic Tasks in Real-World Professional Fields
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Minim: Privacy-Aware Minimal View for Agents via Trusted Local Sanitization
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
FactoryLLM: A Safe and Open-Source AI Playground for Evaluating LLMs in Smart Factories
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
REAL: A Reasoning-Enhanced Graph Framework for Long-Term Memory Management of LLMs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
ScoreGate: Adaptive Chunk Selection for Retrieval-Augmented Generation via Dual-Score Statistical Fusion
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Earth-OneVision: Extending Remote Sensing Multimodal Large Language Models to More Sensor Modalities and Tasks
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Claw-SWE-Bench: A Benchmark for Evaluating OpenClaw-style Agent Harnesses on Coding Tasks
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MAStrike: Shapley-Guided Collusive Red-Teaming on Multi-Agent Systems
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
CompRank: Efficient LLM Reranking via Token-Level Compression and Decoding-Free Scoring
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
IAPO: Input Attribution-Aware Policy Optimization for Tool Use in Small Multimodal Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Code Is More Than Text: Uncertainty Estimation for Code Generation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Soft-Prompt Tuning for Fair and Efficient LLM Benchmark Evaluation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Mind your key: An Empirical Study of LLM API Credential Leakage in iOS Apps
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Atomic Intent Reasoning: Bringing LLM Semantics to Industrial Cross-Domain Recommendations
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Report on CHIIR 2026 Workshop on Generative AI and Academic Search
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
ORAgentBench: Can LLM Agents Solve Challenging Operations Research Tasks End to End?
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Multi-Agent Transactive Memory
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Deontic Policies for Runtime Governance of Agentic AI Systems
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Automating SKILL.md Generation for Computer-Using Agents via Interaction Trajectory Mining
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Variable-Width Transformers
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Zone of Proximal Policy Optimization: Teacher in Prompts, Not Gradients
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
S-Agent: Spatial Tool-Use Elicits Reasoning for Spatial Intelligence
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Self-CTRL: Self-Consistency Training with Reinforcement Learning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
BIM-Edit: Benchmarking Large Language Models for IFC-Based Building Information Modeling
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Structured Inference with Large Language Gibbs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
CombEval: A Framework for Evaluating Combinatorial Counting in Large Language Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Supersede: Diagnosing and Training the Memory-Update Gap in LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DiscoBench: When Search Agents Should Ask
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SHIFT: Gate-Modulated Activation Steering for Knowledge Conflict Mitigation in RAG
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
KG2Cypher: Data-Centric Pipeline for Enterprise Text-to-Cypher Systems
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Robust Harmful Features Under Jailbreak Attacks
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
LLawCo: Learning Laws of Cooperation for Embodied Multi-Agent Behavior
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Ko-WideSearch: Breadth-Search Benchmark for Web Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
NLL-Guided Full-Attention Layer Selection
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
EntMTP: Entropy Guided Multi Token Prediction
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Towards Value-Constrained Credit Assignment in Fully Delegated AI Cooperatives
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Low-Agreeableness Persona Conditioning for Safe LLM Fine-Tuning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Benchmarking on Tasks That Matter: Dataset Selection for Preserving Model Rankings
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
From Signals to Transfer: Probe-Based Uncertainty Estimation in LLMs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Program-as-Weights: A Programming Paradigm for Fuzzy Functions
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Distributed Attacks in Persistent-State AI Control
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
ReContext: Recursive Evidence Replay as LLM Harness for Long-Context Reasoning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
PACE: A Proxy for Agentic Capability Evaluation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
RaBitQCache: Rotated Binary Quantization for KVCache in Long Context LLM Inference
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DRIFTLENS: Measuring Memory-Induced Reasoning Drift in Personalized Language Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
AGE: Adaptive-masking for Graph Embedding in Graph Retrieval-Augmented Generation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DecompRL: Solving Harder Problems by Learning Modular Code Generation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
UA-ChatDev: Uncertainty-Aware Multi-Agent Collaboration for Reliable Software Development
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Online Safety Monitoring for LLMs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
A²utoLPBench: An Auto-Generated, Agent-Friendly LP Benchmark via Inverse-KKT Construction
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Challenges and Recommendations for LLMs-as-a-Judge in Multilingual Settings and Low-Resource Languages
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Agent Data Injection Attacks are Realistic Threats to AI Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Eluna: An Agentic LLM System for Automating Warehouse Operations
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TTHE: Test-Time Harness Evolution
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Multi-Agent AI Control: Distributed Attacks Hamper Per-Instance Monitors
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DynaKRAG: Learnable Evidence Control in Multi-Hop RAG
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MILES: Modular Instruction Memory with Learnable Selection
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SMetric: Session-Centric Scheduling for Serving Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
InternVLA-A1.5: Understanding, Latent Foresight and Action
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MORES: Mobile Reasoning-as-a-Service
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Pluralis v0.1: Multicultural, Multimodal and Multilingual AI Risk Benchmark
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
LongMedBench: Medical Agents for Long-Horizon Clinical Decision-Making
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Evaluating and Understanding Model Editing for Medical VLMs
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
PalmClaw: A Native On-Device Agent Framework for Mobile Phones
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Harness Handbook: Making Evolving Agent Harnesses Readable, Navigable, and Editable
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
OvisOCR2 Technical Report
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
AgentCheck: A Reproduce-Intervene-Mitigate Workbench for LLM Agents over MCP
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Self-Improving AI Coding Agents Through Accumulated Behavioral Rules
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Tracing Agentic Failure from the Flow of Success
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
The Hidden Footprint: Making Storage a First-Class Metric for LLM Agent Evaluation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Multi-Head Latent Control: A Unified Interface for LLM Agent Decision Making
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
BadWAM: When World-Action Models Dream Right but Act Wrong
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SIREN — PAIR-Driven Preference Manipulation in Web-RAG Recommenders
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
PRO-LONG — Programmatic Memory Enables Long-Horizon Reasoning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
PyroDash — Cost-Efficient Token-Level Small-Large Language Model Collaborative Inference
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
MineValiCoder — Reliable Code Generation with Test Case Quality Mining and Bipartite Graph-Based Mutual Validation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TAP-RAG — Task-Aware Policy Control for Long-Document Multimodal Question Answering
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Sound Probabilistic Safety Bounds for Large Language Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
IteraSim RAG — A Multi-Stage Retrieval-Augmented Agentic Back-End for OpenFOAM CFD
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Scaling Native Multimodal Pre-Training From Scratch
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
GenDB — Instance-Optimized and Customized Query Processing Code Generation via LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Copy Less, Ground More
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Athena-Brain-8B — An Efficient Robot Brain for General Intelligence and Embodied Interaction
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
KaPilot — LLM-Assisted Generation of Kani Specifications for Unsafe Rust Verification
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
On Improving Faithfulness of Podcasts from Documents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Towards Trustworthy and Cost-Efficient Data Integration: From Naïve RAG to Agentic RAG
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
GRACE — Fine-Tuning for Sustainable and Accurate Personalization
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TransMem: Transforming Hidden States into Memory for Large Language Models
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Can AI Agents Conduct Open-Ended AI Research? Early Evidence from Two Case Studies
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Aries: Rethinking AI Cloud Infrastructure for Agentic Serving Systems
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
SkillGate: Cost-Efficient Runtime Malicious Skill File Detection in Coding Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
WorkSurface-Bench: Benchmarking Enterprise Agents on Multi-Surface Knowledge Routing
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Piggybacking on Perception: Stealthy Concurrent Audio Prompt Injections Against Multimodal LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DenseOn with the LateOn: Fully Open Models for Multilingual, Long-Context and Code Search
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
GLM-RAG: Graph Language Models for Graph-Based Retrieval-Augmented Generation
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
DualG-MRAG: Decoupling Macro-Reasoning and Micro-Matching for Multimodal RAG
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
NeSyFS: Neuro-Symbolic Fast–Slow Thinking for LLM Agents Under Partial Observability
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Explanation-Bound Tool Execution for AI Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
EasyBCI Agent: Universal Neural Data Preprocessing with LLM Agents
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
97/100Revisar
Runtime Uncertainty Monitoring for LLM-Based Multi-Agent Systems Using Bayesian Networks
Añadir una figura o tabla primaria cuando el permiso lo permita; si no, explicar la decisión y enlazar el original.
1 aviso(s)Abrir lectura ↗
90/100Revisar
ReWorld: An Interactive World Model with Long-Horizon Memory
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
SWE Refactor Bench
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
On the Threat Model of Weird Generalization and Emergent Misalignment
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
CAFE: Self-Improving Search Agents Need Co-Evolving Feedback
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
Evidence Blindness in Search Agents: AtlasNav
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
StepGuard
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
RACE
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
Right Diagnoses, Decorative Reasoning
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
AsymSpec
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
When Tool Outputs Become Commands
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
WikiSkill
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
90/100Revisar
AgentFold
Añadir el resultado principal con unidad, baseline, denominador y contexto de evaluación.
3 aviso(s)Abrir lectura ↗
QUALITY GATES
Cada cambio tiene que dejar una señal mejor.
La estética abre la puerta. La evidencia decide si el cambio se conserva.
¿Entiendo qué es, para quién y qué puedo hacer?
¿Veo evidencia, fuente, límite o una forma honesta de comprobarlo?
¿La pantalla propone un siguiente paso concreto?
¿Se puede recorrer con teclado, lector y reduced-motion?
¿La interfaz conserva contexto mientras carga, filtra o falla?
¿El cambio deja una decisión y un criterio para la siguiente iteración?
¿El artículo tiene evidencia, límites, localizadores y una próxima prueba revisados?
¿Un agente puede leer, revisar y conectar el artículo sin navegar la UI?
BOARD / CONTROLAR EL SIGUIENTE MOVIMIENTO
Los 200 puntos, en contexto.
200 visibles · sin filtros
TECLADO · Tab entra una vez en la lista; ↑ y ↓ recorren hallazgos; Inicio y Fin saltan a los extremos.
CHANGE CONTRACT
No se cierra un punto cambiando una etiqueta.
Un finding pasa a verified sólo cuando la evidencia nueva y su criterio de aceptación quedan juntos en el repositorio. El estado es una consecuencia del cambio, no el cambio mismo.
Valor visible antes del clic.Evidencia junto a la interpretación.Una decisión por pantalla.Sistema legible para agente y persona.Memoria sólo cuando cambia la siguiente acción.Movimiento con respeto a reduced-motion.Publicar sólo con aceptación verificable.Cada artículo tiene una revisión editorial legible para personas y agentes.El MCP devuelve contexto suficiente para actuar sin raspar la interfaz.