LangChain incorpora Auto-QC para agentes de IA para garantizar la finalización de tareas
KuCoinFlash
Compartir
Resumen
Las plataformas de noticias de IA y cripto informan que LangChain, en colaboración con MetaEra, ha lanzado RubricMiddleware para su serie Deep Agents. Esta herramienta permite a los agentes de IA verificar automáticamente los resultados contra criterios predefinidos, como pruebas de código o completitud de informes. Si los resultados fallan, la tarea se revisa hasta que pase o alcance el límite de iteraciones. El sistema está dirigido a tareas largas donde el formato y la calidad del contenido son críticos. Nuevas listas de tokens y avances en IA como este están atrayendo la atención de desarrolladores y traders por igual. LangChain afirma que la herramienta es ideal para tareas con estándares claros, como pruebas de código o verificaciones de citas, haciendo que la IA sea más confiable más allá de simplemente la conversación.
ME AI Noticia, según el monitoreo de Beating, LangChain ha lanzado el nuevo componente Deep Agents llamado RubricMiddleware, diseñado para permitir que los Agentes de IA revisen y modifiquen sus propias salidas según criterios preestablecidos. Los desarrolladores pueden definir claramente los «criterios de finalización» de la tarea, por ejemplo: el código debe pasar las pruebas, el informe debe cubrir secciones específicas, y las respuestas no deben contener contenido prohibido. Cada vez que el agente esté a punto de entregar un resultado, el sistema invoca un modelo de revisión para verificar punto por punto; si no se cumplen los criterios, se devuelve un feedback al agente original para que lo modifique, hasta que pase la revisión o alcance el límite de iteraciones. Este mecanismo resuelve el problema común en la ejecución de tareas largas por parte de los agentes: «falta el último paso». Muchos agentes no son incapaces de hacer la tarea, sino que suelen omitir requisitos concretos como formato, pruebas, referencias o secciones. RubricMiddleware actúa como un inspector de calidad automático dentro de la cadena de tareas, ayudando al agente a entender qué significa realmente completar una tarea, en lugar de simplemente generar una respuesta que parezca similar. La documentación de LangChain especifica claramente que este enfoque es ideal para tareas con criterios de aceptación bien definidos, como si los haikus tienen las sílabas correctas, si las pruebas pasan tras la reestructuración del código, o si el informe incluye todas las partes necesarias. Para usuarios comunes, su valor no radica en hacer que el agente hable mejor, sino en convertirlo en un ejecutor que entrega tareas siguiendo una lista de verificación. (Fuente: MLion)
Descargo de responsabilidad: La información contenida en esta página puede proceder de terceros y no refleja necesariamente los puntos de vista u opiniones de KuCoin. Este contenido se proporciona solo con fines informativos generales, sin ninguna representación o garantía de ningún tipo, y tampoco debe interpretarse como asesoramiento financiero o de inversión. KuCoin no es responsable de ningún error u omisión, ni de ningún resultado derivado del uso de esta información.
Las inversiones en activos digitales pueden ser arriesgadas. Evalúa con cuidado los riesgos de un producto y tu tolerancia al riesgo en función de tus propias circunstancias financieras. Para más información, consulta nuestras Condiciones de uso y la Declaración de riesgos.
KuCoinFlash
Resumen