Ecdysis evoluciona los arneses de agentes LLM solo a partir de fallos que se repiten entre tareas

Los arneses de ejecución autoevolutivos pueden mejorar sustancialmente a los agentes LLM, pero los enfoques existentes basados en fallos tratan cada fallo observado como evidencia directa para modificar el arnés. Un problema clave: un fallo puede reflejar limitaciones del modelo subyacente o deficiencias sistemáticas del arnés, y optimizar contra fallos individuales induce una adaptación específica al modelo que perjudica la generalización entre tareas y modelos.

La idea de Ecdysis es que los fallos que se repiten entre tareas distintas proporcionan evidencia inductiva más sólida de deficiencias sistemáticas del arnés que los fallos aislados. Agrega la evidencia de fallos entre instancias de tareas antes de promover patrones de fallo recurrentes a una evolución persistente del arnés, y emplea un análisis colaborativo de fallos para refinar las especificaciones de modificación.

En múltiples LLM y benchmarks, Ecdysis mejora la precisión de razonamiento de los arneses evolucionados en un 18,56 % respecto a la evolución de arneses existente, a la vez que logra un entrenamiento del arnés hasta 1,84 veces más rápido, con un entrenamiento más eficiente en datos. Un análisis detallado muestra que reduce la adaptación específica al modelo durante la evolución, y los arneses resultantes exhiben una mayor generalización entre distintos LLM y un menor consumo de tokens en el momento de la inferencia.

Tratar la recurrencia como el umbral de evidencia: un fallo observado entre tareas distintas es deuda del arnés; un fallo aislado es el modelo comportándose como un modelo

Los fallos que se repiten entre tareas distintas son evidencia inductiva más sólida de deficiencias sistemáticas del arnés que los fallos aislados.

Agregar primero evita que las peculiaridades de un solo modelo queden incorporadas en el arnés.

El análisis colaborativo de fallos refina las especificaciones de modificación antes de que se apliquen las ediciones.

La evaluación entre distintos LLM muestra que las ediciones se generalizan en lugar de adaptarse a un solo modelo.

Antes de parchear un sistema en torno a un fallo, pregúntese cuántos contextos independientes lo produjeron. La recurrencia entre contextos separa los defectos del andamiaje de los límites del trabajador subyacente.

Publicado como preprint v1 el 10 de septiembre de 2026 (v2 el 20 de septiembre); reportado en múltiples LLM y benchmarks con un análisis detallado de la reducción de la adaptación específica al modelo. No se reportó ningún despliegue en producción.