/ RESEARCH IA · ARCHIVE / INGESTION LOG
Este archivo transforma el research que me has enviado en una base navegable: conserva las ideas, separa una fuente primaria enlazada de una lectura completa y evita que una síntesis editorial se haga pasar por evidencia del paper.
He incorporado 11 cortes que has enviado como señales de investigación. Las fichas públicas llevan a una página navegable; la etiqueta de madurez distingue una lectura primaria completa de una síntesis canonizada que todavía necesita lectura editorial profunda.
Benchmark de 1.705 tareas en 13 dominios y 212 herramientas que separa uso básico, colaboración de subagentes, memoria y skills.
Aporta una línea base más cercana al agente móvil de producto y permite fijar gates por capacidad.
Un único score de éxito oculta si el agente falla por herramienta, memoria, colaboración o skill.
Especializa observar, orientar, decidir y actuar para mejorar el uso de herramientas en Qwen3 de 0,6B a 14B.
Conecta la arquitectura de decisión con una métrica explícita de latencia secuencial.
Una política única mezcla fases y oculta dónde se pierde exactitud y cuánto cuesta cada llamada.
Evalúa 236 tareas con anomalías de estado, pensamiento, acción y ronda en 16 modelos GUI.
Convierte la degradación ante anomalías en un gate separado del éxito nominal.
El éxito en una interfaz limpia no muestra cómo responde el agente a un cambio de estado o una instrucción engañosa.
Aprende cuándo recuperar y verificar mediante una política adaptativa con Verify-first Action Generation e Internal Belief Probing.
Hace evaluables conjuntamente la calidad de respuesta y el número de búsquedas.
Buscar siempre o nunca no respeta la incertidumbre ni el presupuesto de cada pregunta.
Separa éxito de recuperación, abstención, tarea y generación en 27 configuraciones con 10.000 consultas por condición.
Aporta una estructura de diagnóstico para políticas de evidencia y jueces.
El score final no indica si el sistema no encontró, no supo responder o respondió cuando debía abstenerse.
Un DSL declarativo y un control de flujo de información de doble retícula restringen los artefactos que pueden llegar a una acción.
Mide explícitamente el intercambio entre utilidad y seguridad en vez de esconderlo tras task success.
Un agente puede completar una tarea mientras filtra información sensible.
Separa selección de pistas e interpretación y conserva citas por identificador de párrafo.
Conecta precisión multi-hop con una trayectoria de evidencia auditable.
Una cita válida puede ser decorativa si no sostiene cada salto del razonamiento.
Usa la topología del workflow para programar solicitudes y reducir el tiempo de finalización del job.
Lleva la optimización del agente al scheduler y al grafo de ejecución.
Servir llamadas como peticiones aisladas ignora dependencias y oportunidades de scheduling.
Señal del scout sobre memoria de horizonte largo en un mundo interactivo.
Puede ampliar el radar de memoria ejecutable, pero aún no hay extracción primaria.
Las tareas largas exigen conservar estado y volver a consultar el mundo.
Señal del scout sobre evaluación de refactors de software por agentes.
Podría aportar una prueba más exigente de trabajo de ingeniería, pendiente de verificar.
Los tests que pasan no siempre demuestran que una refactorización preserve arquitectura y comportamiento.
Señal del scout sobre generalización extraña y desalineamiento emergente.
Es una posible pieza de threat modeling, pero no se publica como evidencia hasta leerla.
La evaluación nominal puede no cubrir comportamientos que aparecen fuera de la distribución entrenada.
Señal del scout sobre feedback coevolutivo para agentes de búsqueda que se mejoran a sí mismos.
Puede conectar feedback y evolución de retrieval, pendiente de verificar método y resultados.
Una señal de recompensa fija puede dejar de representar la calidad cuando cambia la política de búsqueda.
Señal del scout sobre ceguera a la evidencia en agentes de búsqueda.
Podría reforzar el eje de trazabilidad, pendiente de lectura y localizadores exactos.
Navegar por documentos no garantiza que el agente haya identificado el pasaje que justifica su respuesta.
Señal del scout sobre compuertas de seguridad a nivel de paso.
Puede complementar el control de trayectoria, pendiente de confirmar alcance y coste.
Una revisión al final del workflow puede llegar demasiado tarde para bloquear una acción peligrosa.
Señal del scout sobre evaluación o coordinación de agentes bajo el nombre RACE.
Se conserva para no perder la señal, sin atribuirle claims no leídos.
La etiqueta scout no permite todavía distinguir benchmark, método o protocolo.
Señal del scout sobre diagnósticos correctos acompañados de razonamiento decorativo.
Puede reforzar la separación entre resultado y trayectoria, pendiente de evidencia primaria.
Una explicación plausible puede no ser la causa real de una decisión correcta.
Señal del scout sobre AsymSpec y una posible arquitectura asimétrica.
Se mantiene como vigilancia hasta completar la lectura primaria.
El nombre y el abstract scout no bastan para conocer tarea, baseline o resultado.
Señal del scout sobre la confusión entre salida de una herramienta e instrucción ejecutable.
Es una señal de seguridad relevante para interfaces de herramientas, pendiente de método y resultados.
Los datos devueltos por una herramienta pueden cruzar una frontera de autoridad si el agente los interpreta como comandos.
Señal del scout sobre skills derivadas de conocimiento estructurado o wikis.
Puede enlazar el radar de skills con evidencia y estado persistente, pendiente de verificación.
Un skill reutilizable necesita procedencia, límites y una interfaz ejecutable, no sólo texto recuperado.
Señal del scout sobre composición o compactación de agentes.
Se conserva para la próxima lectura sin elevarla a evidencia.
La señal inicial no permite aún saber si el aporte es de entrenamiento, serving o coordinación.