Con el ecosistema de herramientas y marcos agentes cada vez más grandes, navegar por las numerosas opciones para construir sistemas de IA se está volviendo cada vez más difícil, lo que deja a los desarrolladores confundidos y paralizados a la hora de designar las herramientas y modelos adecuados para sus aplicaciones.

en un nuevo estudioinvestigadores de múltiples instituciones presentan un ámbito integral para desenredar esta compleja red. Clasifican los marcos agentes según su ámbito de enfoque y compensaciones, proporcionando una director actos para que los desarrolladores elijan las herramientas y estrategias adecuadas para sus aplicaciones.

Para los equipos empresariales, esto replantea la IA agente de un problema de selección de maniquí a una valentía arquitectónica sobre dónde pagar el presupuesto de capacitación, cuánta modularidad preservar y qué compensaciones están dispuestos a hacer entre costo, flexibilidad y aventura.

Adecuación de agente frente a útil

Los investigadores dividen el paisaje en dos dimensiones principales: ajuste del agente y ajuste de herramientas.

La ajuste del agente implica modificar el maniquí fundamental que subyace al sistema agencial. Esto se hace actualizando los parámetros o políticas internos del agente a través de métodos como el ajuste o el educación por refuerzo para alinearse mejor con tareas específicas.

La ajuste de herramientas, por otro costado, cambia el enfoque en torno a el entorno que rodea al agente. En punto de retornar a capacitar el maniquí primordial, egregio y costoso, los desarrolladores optimizan las herramientas externas, como recuperadores de búsqueda, módulos de memoria o subagentes. En esta táctica, el agente principal sigue siendo "congelado" (sin alterar). Este enfoque permite que el sistema evolucione sin el enorme costo computacional de retornar a entrenar el maniquí central.

El estudio los divide encima en cuatro estrategias distintas:

A1: Señalización de ejecución de útil: En esta táctica, el agente aprende haciendo. Se optimiza utilizando comentarios verificables directamente desde la ejecución de una útil, como un compilador de código que interactúa con un script o una almohadilla de datos que devuelve resultados de búsqueda. Esto le enseña al agente la "mecánica" de utilizar una útil correctamente.

Un excelente ejemplo es DeepSeek-R1donde el maniquí se entrenó mediante educación reforzado con recompensas verificables para producir código que se ejecute exitosamente en un sandbox. La señal de feedback es binaria y objetiva (¿se ejecutó el código o falló?). Este método desarrolla una sólida competencia de bajo nivel en dominios estables y verificables como la codificación o SQL.

A2: Salida de agente Señalizada: Aquí, el agente se optimiza en función de la calidad de su respuesta final, independientemente de los pasos intermedios y la cantidad de llamadas a herramientas que realice. Esto le enseña al agente cómo orquestar varias herramientas para conservarse a una conclusión correcta.

Un ejemplo es Búsqueda-R1un agente que realiza una recuperación de varios pasos para reponer preguntas. El maniquí recibe una premio sólo si la respuesta final es correcta, lo que implícitamente lo obliga a educarse mejores estrategias de búsqueda y razonamiento para maximizar esa premio. A2 es ideal para la orquestación a nivel de sistema, lo que permite a los agentes manejar flujos de trabajo complejos.

T1: independiente del agente: En esta categoría, las herramientas se entrenan de forma independiente con datos amplios y luego "enchufista" a un agente congelado. Piense en los clásicos perros perdigueros densos utilizados en los sistemas RAG. Un maniquí de recuperador standard se entrena con datos de búsqueda genéricos. Un poderoso LLM congelado puede usar este recuperador para encontrar información, aunque el recuperador no haya sido diseñado específicamente para ese LLM.

T2: Supervisado por agente: Esta táctica implica capacitar herramientas específicamente para atender a un agente congelado. La señal de supervisión proviene de la propia salida del agente, lo que crea una relación simbiótica donde la útil aprende a proporcionar exactamente lo que el agente necesita.

Por ejemplo, el s3lógica entrena a un pequeño "buscador" Maniquí para recuperar documentos. Este pequeño maniquí se premio en función de si un congelado "razonador" (un LLM egregio) puede reponer la pregunta correctamente utilizando esos documentos. La útil se adapta eficazmente para satisfacer los vacíos de conocimiento específicos del agente principal.

Los sistemas complejos de IA podrían utilizar una combinación de estos paradigmas de ajuste. Por ejemplo, un sistema de investigación profunda podría gastar herramientas de recuperación de estilo T1 (recuperadores densos previamente entrenados), agentes de búsqueda adaptativos de estilo T2 (entrenados mediante feedback LLM congelada) y agentes de razonamiento de estilo A1 (afinados con feedback de ejecución) en un sistema orquestado más amplio.

Los costos ocultos y las compensaciones

Para los tomadores de decisiones empresariales, la opción entre estas estrategias a menudo se reduce a tres factores: costo, universalización y modularidad.

Costo frente a flexibilidad: La ajuste del agente (A1/A2) ofrece la máxima flexibilidad porque está reconfigurando el cerebro del agente. Sin requisa, los costos son elevados. Por ejemplo, Search-R1 (un sistema A2) requirió capacitación en 170.000 ejemplos para internalizar las capacidades de búsqueda. Esto requiere computación masiva y conjuntos de datos especializados. Por otro costado, los modelos pueden ser mucho más eficientes en el momento de la inferencia porque son mucho más pequeños que los modelos generalistas.

Por el contrario, la ajuste de herramientas (T1/T2) es mucho más competente. El sistema s3 (T2) entrenó a un buscador vaporoso utilizando solo 2400 ejemplos (aproximadamente 70 veces menos datos que Search-R1) y al mismo tiempo logró un rendimiento comparable. Al optimizar el ecosistema en punto del agente, las empresas pueden conseguir un parada rendimiento a un costo beocio. Sin requisa, esto conlleva un tiempo de inferencia de costos generales, ya que s3 requiere coordinación con un maniquí más egregio.

Extensión: Peligro de los métodos A1 y A2 "sobreajuste," donde un agente se especializa tanto en una tarea que pierde capacidades generales. El estudio encontró que, si acertadamente Search-R1 se destacó en sus tareas de capacitación, tuvo problemas con el control de calidad médico especializado, logrando solo un 71,8 % de precisión. Esto no es un problema cuando su agente está diseñado para realizar un conjunto de tareas muy específico.

Por el contrario, el sistema s3 (T2), que utilizó un agente congelado de uso caudillo asistido por una útil entrenada, generalizó mejor y logró una precisión del 76,6 % en las mismas tareas médicas. El agente congelado conservó su amplio conocimiento del mundo, mientras que la útil manejó la mecánica de recuperación específica. Sin requisa, los sistemas T1/T2 dependen del conocimiento del agente congelado y, si el maniquí subyacente no puede manejar la tarea específica, serán inútiles.

Modularidad: Las estrategias T1/T2 permiten "intercambio en caliente." Puede poner al día un módulo de memoria o un buscador sin tocar el motor de razonamiento central. Por ejemplo, Retentiva optimiza un módulo de memoria para recuperar casos pasados; Si los requisitos cambian, actualiza el módulo, no el planificador.

Los sistemas A1 y A2 son monolíticos. Enseñarle a un agente una nueva diplomacia (como codificación) mediante un ajuste fino puede causar "olvido catastrófico," donde se degrada en habilidades aprendidas previamente (como matemáticas) porque se sobrescriben sus pesos internos.

Un ámbito decisivo para la acogida empresarial

Según el estudio, los desarrolladores deberían ver estas estrategias como una escalera progresiva, pasando de soluciones modulares de bajo aventura a una personalización de altos bienes.

Comience con T1 (herramientas independientes del agente): Equipa un maniquí poderoso y congelado (como Gemini o Claude) con herramientas disponibles en el mercado, como un perro perdiguero denso o un conector MCP. Esto no requiere formación y es consumado para la creación de prototipos y aplicaciones generales. Es la fruta madura que puede llevarlo muy allí en la mayoría de las tareas.

Acaecer a T2 (herramientas supervisadas por agentes): Si el agente tiene dificultades para utilizar herramientas genéricas, no vuelva a entrenar el maniquí principal. En su punto, capacite a un subagente pequeño y especializado (como un buscador o un administrador de memoria) para que filtre y formatee los datos exactamente como le gusta al agente principal. Esto es enormemente competente en términos de datos y adecuado para aplicaciones y datos empresariales propietarios que son de gran masa y sensibles a los costos.

Utilice A1 (ejecución de útil señalada) para especialización: Si el agente rotura fundamentalmente en tareas técnicas (por ejemplo, escribir código no cómodo o llamadas API incorrectas), debe reconfigurar su comprensión de la útil. "mecánica." A1 es mejor para crear especialistas en dominios verificables como SQL o Python o sus herramientas patentadas. Por ejemplo, puede optimizar un maniquí pequeño para su conjunto de herramientas específico y luego usarlo como complemento T1 para un maniquí generalista.

Reserve A2 (salida del agente señalizada) como "opción nuclear": Entrene a un agente monolítico de principio a fin solo si lo necesita para internalizar estrategias complejas y autocorrección. Esto requiere muchos bienes y rara vez es necesario para aplicaciones empresariales standard. En verdad, rara vez es necesario involucrarse en el entrenamiento de su propio maniquí.

A medida que el panorama de la IA madura, la atención se desplaza de la construcción de un maniquí gigantesco y consumado a la construcción de un ecosistema inteligente de herramientas especializadas en torno a un núcleo estable. Para la mayoría de las empresas, el camino más eficaz en torno a la IA agencial no es desarrollar un cerebro más egregio, sino dotarlo de mejores herramientas.