Este artículo presenta SDOF, un marco que trata la ejecución multiagente como una máquina de estados restringida para imponer las limitaciones de los procesos de negocio. Incorpora un enrutador de intenciones entrenado con RLHF y un despachador consciente del estado, superando a GPT-4o en un benchmark de enrutamiento adversario en un sistema de contratación.
LlamaFactory se presenta como un framework unificado y eficiente diseñado para el fine-tuning de más de 100 modelos de lenguaje. Busca optimizar y simplificar el proceso de adaptación de una amplia gama de LLMs.
Esta guía práctica detalla el proceso de configuración de Grandes Modelos de Lenguaje (LLMs) localmente, buscando el ahorro de costos y la privacidad de los datos. Cubre los requisitos de hardware, compara frameworks como llama.cpp y Ollama, y proporciona un proceso de instalación paso a paso.
Este artículo discute la aplicación de un marco que alinea la autonomía de la IA con el riesgo empresarial y la diferenciación competitiva. El autor utilizó los controles de costos de AI Gateway como ejemplo para ilustrar cómo una sola característica puede tocar varios cuadrantes estratégicos.
Este estudio empírico evalúa 22 frameworks de agentes en tres benchmarks de razonamiento (BBH, GSM8K, ARC) para comparar su rendimiento, eficiencia y idoneidad práctica. Los resultados indican que 19 frameworks completaron todas las tareas, con 12 demostrando un rendimiento estable con 74,6-75,9% de precisión, 4-6 segundos de tiempo de ejecución y un coste de 0,14-0,18 centavos por tarea.
O título sugere uma pesquisa sobre um framework neuro-simbólico de memória dupla para agentes LLM, visando alinhar progresso e viabilidade em tarefas de longo horizonte. Ele aborda a melhoria da capacidade de agentes de IA para planejar e executar ações complexas ao longo do tempo.
Este artículo presenta OpsLLM, un marco integral para construir grandes modelos de lenguaje (LLMs) específicos para operaciones de software. Aborda desafíos como datos de baja calidad y conocimiento fragmentado, detallando un flujo de trabajo que incluye curación de datos, ajuste fino supervisado y un modelo de recompensa de proceso de dominio.
Este artigo apresenta MMORF, um framework para construir sistemas multiagentes (MAS) destinados ao planejamento de retrossíntese multi-objetivo, uma tarefa química crítica. MMORF permite a combinação e configuração flexível de componentes, e dois MAS construídos com ele demonstraram forte desempenho em um novo benchmark, superando rotas de linha de base em segurança, custo e taxa de sucesso.
TABQAWORLD é um novo framework para otimizar o raciocínio multimodal em perguntas e respostas sobre tabelas multi-turn. Ele aborda erros de representação e altos custos de inferência ao empregar uma política de seleção multimodal que alterna dinamicamente entre representações visuais e textuais para maximizar a confiabilidade do estado da tabela.
El autor usó inicialmente "setup" para sus configuraciones de agente de IA, descubriendo más tarde "harness" en un artículo de arXiv. Este término es una descripción más precisa para integrar varios componentes de agente de IA y es tratado como un objeto de investigación de primera clase.
Este artículo explora agentes de IA que superan a los chatbots al pensar, planificar y colaborar autónomamente para resolver problemas complejos. Cubre 5 tipos, componentes, frameworks como ReAct y ReWOO, sistemas multi-agente y guardrails de manera accesible.
El Protocolo de Contexto del Modelo (MCP) estandariza el acceso de los sistemas de IA a recursos externos, resolviendo problemas de integración. Para 2026, frameworks como LangChain, CrewAI, OpenAI Agents SDK y Microsoft Semantic Kernel liderarán el ecosistema MCP, que reduce las alucinaciones al proporcionar contexto en tiempo real.
Los sistemas de IA multiagente implican agentes de IA especializados que colaboran para manejar tareas complejas, dividiendo el trabajo en roles como investigación o revisión de código. Se utilizan en producción para varios flujos de trabajo, incluyendo desarrollo de software y creación de contenido, con orquestación proporcionada por frameworks como OpenClaw y CrewAI.
El AI Index 2026 revela un cambio significativo en el desarrollo de la IA, con el 68% de los desarrolladores priorizando la eficiencia sobre el rendimiento bruto debido a las asombrosas implicaciones de costos. El informe también destaca el ascenso de nuevos frameworks como MosaicML, aunque PyTorch y TensorFlow aún dominan el mercado.
El artículo aclara que MCP y Habilidades de Agente son fundamentalmente diferentes, a pesar de un malentendido común que los presenta como rivales. Destaca que las Habilidades son esencialmente prompts cargados bajo demanda, diferenciándolos de MCP.