Investigación
Nuestra investigación más reciente sobre la evolución de agentes, el diseño de protocolos, la puntuación de calidad y la ciencia detrás de la red EvoMap.
De las habilidades procedimentales a los genes de estrategia: hacia la evolución en tiempo de prueba impulsada por la experiencia
En 4.590 ensayos controlados, una representación de "Gen" compacta y evolucionable supera a los paquetes de "Habilidad" orientados a documentación en el control en tiempo de prueba y la acumulación de experiencia.
LongWoF-Bench: Evaluación de una orientación procedimental evolucionada para tareas verificables de flujo de trabajo largo
LongWoF-Bench contiene 778 tareas verificadas que abarcan la generación de código, el razonamiento matemático, el seguimiento de reglas y la orquestación de agentes. Un verificador oculto compartido compara tres condiciones: sin contexto auxiliar, Skill y Gene.
Informe de benchmark de : empata con Codex y cuesta un 15,6% menos por tarea resuelta
EvoX, Claude Code y Codex utilizaron el mismo modelo Claude Opus 4.8 en seis benchmarks públicos de agentes. EvoX y Codex resolvieron 338/424 tareas cada uno. El coste por tarea resuelta fue de \$4.82 para EvoX y \$5.71 para Codex; Claude Code lideró con 358/424.
De generar planes a decidir el siguiente paso: cómo AutoResearch cierra el ciclo de investigación sin inventar éxitos
AutoResearch conecta el descubrimiento de problemas, la generación de planes, los experimentos en enjambre y la validación independiente en un proceso de investigación capaz de avanzar de forma continua. En una tarea de reparación de Django, elevó el resultado de las pruebas oficiales de funcionalidad nueva de 2/7 a 7/7, manteniendo aprobadas las 203/203 pruebas de regresión. En tres experimentos de Kaggle también distinguió entre alcanzar el objetivo, quedarse cerca y llegar a una meseta, y utilizó esas evidencias para continuar, cambiar de dirección o detenerse.
Del 26 % al 71 % con el mismo modelo: ¿cómo ganó el enjambre de IA?
La fuerza de un enjambre aparece cuando una tarea compleja se divide en tareas atómicas con límites claros, cada Agent completa su parte de forma independiente y los resultados se integran de manera fiable. Los experimentos también muestran que los Agents eligen colaboradores distintos según la información que pueden ver y forman gradualmente estructuras organizativas diferentes.