Chiosa
AI & Agents

LAGO reutiliza agentes especialistas para resolver tareas de código

2 min
Publicado en Chiosa Actualizado

En palabras sencillas

Cuando un agente informático se ocupa de una tarea grande de programación, debe planificar, buscar archivos, hacer cambios, probarlos y corregir errores. LAGO permite que un agente coordinador delegue partes de la tarea en especialistas y reutilice más adelante a los que hayan tenido éxito.

En los mismos 150 problemas de código, LAGO resolvió más que otros dos sistemas que se volvieron a ejecutar con el mismo modelo. La comparación no igualó sus ventanas de contexto ni sus presupuestos de cómputo, así que no permite saber qué parte de LAGO marcó la diferencia.

La investigación

Cuando una tarea de programación requiere muchos pasos, un agente debe planificar, encontrar el contexto pertinente, editar archivos, probar sus cambios y recuperarse de errores. ¿Podría un sistema reutilizar especialistas para las subtareas recurrentes y, a la vez, comprobar su trabajo? Esa es la pregunta que aborda LAGO.

LAGO asigna subtareas a especialistas reutilizables o recién creados, comprueba su trabajo y guarda en una biblioteca las nuevas opciones que tienen éxito.

El artículo pregunta si los agentes pueden abordar tareas complejas sin repetir subtareas conocidas ni depender de una larga secuencia de uso de herramientas.

LAGO permite que un agente coordinador recupere o cree agentes especialistas, compruebe su trabajo y reutilice a los especialistas que hayan tenido éxito en otras tareas.

En 150 problemas compartidos de reparación de código, LAGO resolvió más que otros dos sistemas ejecutados de nuevo con el mismo modelo y evaluador. Esto sugiere que el marco completo de LAGO ayudó en esa comparación, aunque la prueba no permite determinar qué componente fue responsable.

La comparación compartida abarca 150 tareas y, para ese tamaño, el artículo estima una incertidumbre binomial de aproximadamente ±8 puntos porcentuales.

Las pruebas más pequeñas de componentes son ruidosas y no separan por completo el valor de las habilidades reutilizables del efecto de las instrucciones que las acompañan.

Análisis

Detalles

Siguiente paperLos videos humanos pueden mejorar políticas robóticas tras la alineación