Jueves 22 de octubre de 2026 · 06:00

SSR: un método que mejora agentes de IA al elegir mejor la evidencia de sus tareas

Investigadores presentan Successive Scale Racing (SSR), un marco que optimiza las instrucciones, herramientas y flujo de control de un agente de IA eligiendo en cada ronda las combinaciones de evidencia más útiles. Al subir el conjunto de tareas de 40 a 200, SSR mejora la tasa de aciertos de 64,3% a 68,3%, mientras que los métodos anteriores empeoran. Además reduce en 60% las ejecuciones de validación.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

• arXiv cs.AILeer la noticia completa en arXiv cs.AI

También ese día

• Microsoft atribuye a un grupo vinculado a China un ataque con IA a 2.250 organizaciones
• Microsoft atribuye a Storm-0940, vinculado a China, un ataque con agentes de IA a clientes de ConnectWise
• OpenAI redefine la norma de comportamiento de ChatGPT y vigila a sus agentes; Mistral publica los pesos de un modelo de 1,05 billones de parámetros
• Anthropic y Theorem verifican formalmente 123 bibliotecas de código abierto con Claude
• Google Cloud lanza Agent Compute Engine, con una microVM aislada para cada agente de IA
• Según medios estatales chinos, DeepSeek y MiniMax son las primeras en completar el registro para exportar modelos de IA

Todas las noticias de IA del jueves 22 de octubre de 2026 ->