Investigación

El paper propone 'parallel agent teams': muestrear muchos equipos pequeños de agentes en paralelo y quedarse con el mejor resultado del mejor equipo. Con un modelo de 27B y 100 agentes de presupuesto, los equipos de diez superan al muestreo best-of-N en 10 de 12 tareas y a un único equipo de 100 en las cuatro tareas donde se probó ese tamaño. Un modelo estadístico atribuye la mejora a combinar una media alta con la ganancia de varianza del muestreo.

El paper presenta RST, un marco que parte de tareas semilla ya verificadas y las extiende de forma recursiva: amplía la solución de referencia, realinea verificador e instrucción, valida en un sandbox nuevo y reutiliza las tareas aceptadas como semillas. En 15 rondas genera 37.484 tareas de agente de terminal a unos 0,05 $ cada una, con dificultad creciente medida por líneas de solución, comandos ejecutados y caída del pass@4 de DeepSeek-V4-Pro. El ajuste supervisado con trayectorias de Qwen3.5 mejora los modelos en Terminal-Bench 2, Terminal-Bench Hard y Long-Horizon Terminal Bench, y los autores señalan que la recursión no muestra techo tras 15 rondas.

Un estudio de arXiv describe el fenómeno 'Negation Neglect': al hacer fine-tuning con documentos que señalan una afirmación como falsa, los modelos acaban respondiendo como si fuera cierta. En experimentos con Qwen3.5-397B-A17B, la tasa media de creencia en afirmaciones fabricadas sube del 2,5% al 88,6% con documentos negados, casi como el 92,4% de documentos sin negación. El efecto aparece en todos los modelos probados, se extiende a etiquetas de ficción y a comportamientos maliciosos en transcripciones, y los autores lo atribuyen a un sesgo inductivo hacia representar las afirmaciones como verdaderas.

Un estudio con cuatro experimentos preregistrados enfrentó sistemas de IA a persuasores humanos de distintos niveles, incluidos ganadores de torneos, captadores profesionales y campeones mundiales de debate. La IA resultó más persuasiva de forma consistente, incluso cuando los expertos elegían el tema, se preparaban y recibían incentivos económicos. Los autores atribuyen la ventaja a la capacidad de desplegar rápidamente más información, y muestran que la IA triplicó la eficacia de captadores profesionales en la recaudación de donaciones reales.

El paper examina dos inferencias habituales sobre el alignment faking: que un modelo cumple más bajo un prompt de vigilancia y que las sondas de estado oculto lo detectan. Con 18 configuraciones y un factorial de prompts sobre cuatro modelos, los autores hallan que la amenaza de entrenamiento no tiene efecto detectable y que el sesgo lo introducen el texto y el encuadre del prompt. Las sondas separan igual de bien los rechazos, por lo que leen el prompt y no el fingimiento. Publican PRISM, un conjunto de cinco comprobaciones y un toolkit para detectar estos fallos antes de convertirlos en afirmaciones.

Simon Willison explora con Claude la creación de una función SQLite parse_number() que limpia símbolos como $, £, % y comas para devolver valores numéricos. La versión en C ocupa 14 KB frente a los cerca de 300 KB de Rust, pero Rust resultó más rápido por el rendimiento de su conversión de texto a número. Al reescribir el parseo en C a medida, el coste por fila sobre 2 millones de registros se igualó o mejoró, y el trabajo se publicó como informe en simonw/research.

Un desarrollador publica Parsimony, un benchmark de código abierto que mide la complejidad del código generado comparando los parches de cada modelo o harness con la corrección humana de los mismos issues. En lugar de líneas cuenta unidades de sintaxis y excluye comentarios y tests. Según sus datos, el modelo mediano añade 1,9× el código del fix humano en SWE-bench Verified, mientras que el harness por sí solo puede mover el ratio entre 0,80× y 0,99× con los mismos modelos abiertos.

Un artículo de MIT Technology Review describe el enfoque de 'teoría de juegos inversa' (diseño de mecanismos) para alinear agentes de IA sin necesidad de comprender su funcionamiento interno. Cita un preprint de Stephen Morris (MIT) que propone recompensar a un modelo según lo bien que predice las respuestas de otro para evitar el sandbagging, y a Elad Hazan (Princeton) con un esquema de roles de 'solucionador' y 'auditor' inspirado en el sistema judicial. El texto señala como limitación que el diseño de mecanismos asume racionalidad, algo que no siempre se cumple ni en humanos.