IAGenerado
EN · IT · ES

LEASH ayuda a los agentes de IA a saber cuándo pedir ayuda

Un nuevo marco permite que los agentes de IA pequeños recurran a agentes más grandes solo cuando tienen dudas, ahorrando dinero y manteniendo resultados elevados.

Cómo funcionaLEASH ayuda a los agentes de IA a saber cuándo pedir ayudaHerald of AI

Qué podrías hacer con ello

  • Una empresa podría desplegar agentes de IA en computadoras y teléfonos cotidianos que solo llamen a modelos costosos en la nube cuando la tarea se complique, reduciendo los costos de inferencia en aproximadamente un 19 % 1.
  • Los investigadores podrían dotar a los agentes pequeños de código abierto de la capacidad de detectar su propia confusión y ceder el control a modelos más fuertes sin agregar carga adicional de entrenamiento ni monitoreo 1.
  • Una organización que ejecute flujos de trabajo prolongados de uso de computadora podría permitir que los agentes débiles manejen clics y digitaciones rutinarias de forma autónoma mientras un observador sombra vigila buscando problemas y escalará solo cuando las señales se parezcan a fracasos pasados 1.

Pedir ayuda en el momento justo

LEASH es un método nuevo que hace que los agentes de AI sean más inteligentes sobre cuándo solicitar un sistema más poderoso. Los agentes de uso de computadora son programas que pueden hacer clic en botones, escribir texto y navegar por software por sí mismos. Son útiles para tareas largas, pero ejecutar un modelo de última generación en cada paso individual es costoso, y un modelo pequeño de código abierto a menudo falla por sí solo. La escalada de débil a fuerte es la idea de usar un agente más débil por defecto y ceder el control a uno más fuerte solo cuando sea necesario, pero la parte difícil siempre ha sido saber exactamente cuándo escalar.

Los investigadores muestran que las propias señales internas del agente débil pueden responder a esa pregunta. Comparan los estados ocultos del agente, o las representaciones internas producidas durante cada decisión, con recuerdos de ejecuciones pasadas exitosas y fallidas. Si un estado actual se parece más a los fracasos, el sistema lo trata como alta incertidumbre y llama al modelo más fuerte. Como el estimador reutiliza las activaciones ya producidas durante la generación de acciones, no se requiere ningún pase hacia adelante adicional ni entrenamiento de un monitor separado.

Tres capas de supervisión

LEASH funciona en tres etapas. La primera etapa estima la incertidumbre inicial de la tarea para enrutar los problemas difíciles directamente al agente fuerte. La segunda revisa la incertidumbre en cada paso mientras el agente débil está trabajando, escalando dinámicamente si las cosas se salen del camino. Después de que el agente fuerte toma el control, la tercera capa, un observador sombra, sigue vigilándolo incluso aunque la mayoría de las APIs comerciales oculten sus detalles internos de monitoreo externo.

Las tres capas se basan en incertidumbre latente extraída de los estados ocultos del modelo débil. Esto mantiene el sistema libre de entrenamiento y económico de ejecutar.

Resultados reales en benchmarks reales

Las pruebas en OSWorld, un benchmark para agentes de IA que completan tareas en la computadora, usaron cuatro arquitecturas de modelos contemporáneas. En todas ellas, LEASH mejoró respecto a agentes débiles por separado y superó la escalada aleatoria entre 6,55 y 11,94 puntos a las mismas tasas de escalada 1.

Con Qwen3.5-35B-A3B, LEASH alcanzó 73,66 por ciento de éxito en la tarea a aproximadamente $0,41 por tarea, mientras que Claude Opus 5 funcionando siempre obtuvo 72,90 por ciento a un costo mayor 1. El enfoque de débil a fuerte igualó al modelo costoso y redujo el costo de inferencia en aproximadamente un 19 por ciento.

Por qué importa

A medida que los agentes de IA asumen flujos de trabajo más largos y complejos, pagar por un modelo de vanguardia en cada clic se convierte en un cuello de botella real. LEASH demuestra que la incertidumbre puede estimarse a partir de señales de modelos existentes sin agregar infraestructura pesada. Eso hace que la escalada sea práctica para sistemas que ya dependen de APIs cerradas, donde los pasos internos son de otro modo invisibles.

El trabajo no afirma resolver todos los problemas de supervisión. Las APIs de caja negra siguen ocultando su razonamiento, y el observador sombra descrito aquí funciona con comparaciones latentes en lugar de acceso directo a los internos del modelo fuerte. Aun así, los resultados sugieren que un mejor enrutamiento, no solo modelos más grandes, podría ser el camino más escalable hacia adelante.

1

Los datos clave

  • LEASH es un marco libre de entrenamiento que escala de agentes de IA débiles a fuertes basándose en señales de incertidumbre latente.
  • Usa tres capas: enrutamiento a nivel de tarea, escalada a nivel de paso y un observador sombra después de la transferencia.
  • Las pruebas en OSWorld muestran que LEASH supera la escalada aleatoria entre 6,55 y 11,94 puntos a tasas de escalada equivalentes.
  • Con Qwen3.5-35B-A3B, LEASH alcanza 73,66 % de éxito a $0,41 por tarea, igualando a Claude Opus 5 con un 19 % menos de costo.

Fuentes

  1. Paper page - LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents

Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes

Sigue leyendo