Domingo 18 de octubre de 2026 ·
Cómo mejorar un agente de IA sin reentrenar el modelo
Útil para
Explica cómo mejorar un agente de IA cambiando su harness (instrucciones, reglas, memoria, herramientas, sub-agentes, skills y plugins) sin tocar los pesos del modelo. En pruebas recientes, ese cambio mueve los resultados varios puntos porcentuales con el mismo modelo. Google Cloud AI Research publica el código de Harness2, que reescribe el harness mientras el agente trabaja, y el artículo compara métodos rivales como Meta-Harness, de Stanford y MIT con KRAFTON entre sus afiliaciones, y ReasoningBank, sobre memoria de agentes, aceptado en ICLR 2026. Tres preprints de julio de 2026 (Harness Scaling, TTHE y Recursive Harness Self-Improvement) revisan el harness durante el uso.
Qué significa
Quien construye agentes puede mejorar resultados ajustando instrucciones, memoria y herramientas, sin el coste de reentrenar el modelo.
Cómo te afecta
- Programadores
Si tu agente falla por instrucciones, memoria o herramientas, ajusta el harness en lugar de reentrenar. Google Cloud AI Research ya publica el código de Harness2, que reescribe el harness mientras el agente trabaja; pruébalo fuera de producción primero.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Pasquale PillitteriLeer la noticia completa en Pasquale Pillitteri
También ese día
Todas las noticias de IA del domingo 18 de octubre de 2026 ->