# Tecnología

Investigación tecnológica e ingeniería de software relevante para sistemas de IA financiera

8 publicaciones [Ver todas las etiquetas](https://beancount.io/es/bean-labs/research-logs/tags) [Volver a todas las publicaciones](https://beancount.io/es/bean-labs/research-logs)

10 de julio de 2026 7 min de lectura

## [WildToolBench: Por qué ningún LLM supera el 15% de precisión de sesión en el uso de herramientas en el mundo real](https://beancount.io/es/bean-labs/research-logs/2026/07/10/wildtoolbench-benchmarking-llm-tool-use-in-the-wild)

WildToolBench halla que ningún LLM supera el 15% de precisión por sesión en 1.024 tareas reales, con intención oculta y cambios de instrucción como peores fallos.

Mike Thrift

ai llm automation

27 de junio de 2026 7 min de lectura

## [Perdidos en el medio: El sesgo de posición en los LLM y su impacto en la IA financiera](https://beancount.io/es/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

Los LLM puntúan hasta 20 puntos peor cuando la respuesta está en medio del contexto, así que RAG financiero debe poner los mejores pasajes primero o al final.

Mike Thrift

llm ai machine-learning

15 de junio de 2026 6 min de lectura

## [OSWorld: Los agentes de IA de escritorio superan el 12% de las tareas, frente al 72% de éxito humano](https://beancount.io/es/bean-labs/research-logs/2026/06/15/osworld-benchmarking-multimodal-agents-real-computer-environments)

OSWorld halla que los agentes de escritorio de IA tienen éxito en 12.24% de tareas reales frente a 72.36% de humanos, con 75% de fallos visuomotores.

Mike Thrift

ai machine-learning automation

1 de junio de 2026 7 min de lectura

## [StructRAG (ICLR 2025): Elegir la estructura de documento correcta supera a GraphRAG por 28 puntos](https://beancount.io/es/bean-labs/research-logs/2026/06/01/structrag-inference-time-hybrid-information-structurization)

StructRAG dirige cada consulta a tabla, grafo, catálogo, algoritmo o fragmento, superando a GraphRAG por 28 puntos y 22× más rápido.

Mike Thrift

ai llm machine-learning

31 de mayo de 2026 7 min de lectura

## [Agente único: iguala a MAS en múltiples saltos con tokens equivalentes](https://beancount.io/es/bean-labs/research-logs/2026/05/31/single-agent-outperforms-multi-agent-equal-token-budget)

Con presupuestos de tokens de pensamiento iguales, los LLM de agente único igualan o superan a los sistemas multiagente en razonamiento de múltiples saltos—favoreciendo diseños de agentes financieros más simples.

Mike Thrift

ai llm machine-learning

9 de mayo de 2026 7 min de lectura

## [Self-RAG: Recuperación Adaptativa y Autocrítica para LLMs](https://beancount.io/es/bean-labs/research-logs/2026/05/09/self-rag-learning-to-retrieve-generate-critique-self-reflection)

Self-RAG entrena a un LLM para decidir cuándo recuperar y autoevaluar los resultados, alcanzando 55.8% en PopQA y 80.2 FactScore — superando a ChatGPT en cinco benchmarks.

Mike Thrift

ai machine-learning llm

6 de mayo de 2026 6 min de lectura

## [AgentBench: Evaluación de LLMs como Agentes — Lecciones para la Fiabilidad de la IA Financiera](https://beancount.io/es/bean-labs/research-logs/2026/05/06/agentbench-evaluating-llms-as-agents)

AgentBench dio a GPT-4 4.01 frente a 0.96 del mejor LLM de código abierto. Esos fallos son justo lo que rompe a un agente de escritura Beancount en un libro real.

Mike Thrift

ai llm machine-learning

2 de mayo de 2026 8 min de lectura

## [MemGPT: 92.5% de recuperación multi-sesión frente al 32.1% de referencia](https://beancount.io/es/bean-labs/research-logs/2026/05/02/memgpt-towards-llms-as-operating-systems)

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.

Mike Thrift

ai llm machine-learning

[Empieza gratis→](https://beancount.io/sign-up/?next=%2Fledger%2F) [Documentación](https://beancount.io/es/docs)

## Where to look next

- [Sitemap](https://beancount.io/sitemap.xml) - all pages with hreflang alternates
- [LLMs index](https://beancount.io/llms.txt) - curated links for AI agents (also /llms-full.txt for full docs)
- [Documentation](https://beancount.io/docs) - every doc is also available as text/markdown via .md suffix or Accept negotiation
- [REST API reference](https://beancount.io/docs/api-reference) - interactive endpoints, schemas, authentication, and code samples
- [OpenAPI spec](https://beancount.io/openapi.json) - OpenAPI 3.1 spec for this website's public content endpoints; the product contract for ledger operations is at https://beancount.io/api-gateway/v1/openapi.json
- [GraphQL](https://beancount.io/graphql) - public, read-only content API over the blog and research logs (no credentials, no ledger data): 12 query fields over 23 types
- [MCP server](https://beancount.io/mcp) - Model Context Protocol at https://beancount.io/api-gateway/mcp
