Gerente de marketing
Los niveles de memoria tipo SO de MemGPT elevan la precisión de chat multi-sesión de GPT-4 al 92.5% frente al 32.1% de contexto fijo—necesario para agentes de contabilidad multi-anual.
Las Interfaces Agente-Computadora de SWE-agent elevaron a GPT-4 Turbo del shell puro al 12.47% en SWE-bench, una ganancia de 10.7 puntos solo por el diseño de la interfaz.
SWE-bench prueba modelos en 2,294 issues reales de GitHub; al publicarse, Claude 2 resolvió solo el 1.96%. Los límites de recuperación y parches moldean los agentes de código.
CodeAct reemplaza las llamadas de herramientas JSON por Python ejecutable, elevando el éxito del agente GPT-4 en ~20 puntos y reduciendo los turnos 30%.
Huang et al. (ICLR 2024): la autocorrección intrínseca reduce el rendimiento de GPT-4 del 95,5% al 91,5% en GSM8K—los agentes contables necesitan validadores externos, no autoevaluación.
Tree of Thoughts logra 74% en Game of 24 donde el CoT de GPT-4 obtiene 4%, buscando y retrocediendo sobre pasos, un patrón que los agentes financieros pueden adoptar.
CRITIC eleva el QA de dominio abierto en 7.7 F1 y reduce la toxicidad 79.2% al verificar las revisiones del LLM contra herramientas externas, no contra sí mismo.
Reflexion alcanza 91% en HumanEval con GPT-4 sin actualizar pesos, pero falla en WebShop. El refuerzo verbal necesita una señal de evaluador nítida.
La autoconsistencia vota por mayoría entre rutas de razonamiento muestreadas en vez de una decodificación codiciosa, y suma 17.9 puntos en GSM8K sin entrenamiento extra.
PAL obtiene +38.1pp sobre cadena de pensamiento en GSM-hard al ejecutar Python para la aritmética: la división adecuada para cálculos fiables en el libro mayor de Beancount.
Cuatro benchmarks muestran a GPT-4 con 42% en QA de tablas reales frente al 86% humano, y 19.6% en agregaciones complejas: los agentes financieros necesitan tablas limpias.
La IA constitucional cambia datos de daño etiquetados a mano por retroalimentación de IA, así los agentes contables aplican reglas del libro sin un revisor por transacción.
