Evoluciona el Arnés, Luego el Modelo

A medida que los agentes de IA asumen flujos de trabajo más largos y complejos, surge una pregunta importante: ¿cómo pueden los sistemas de agentes aprender de la experiencia y mejorar con el tiempo? Construir ese tipo de bucle de aprendizaje implica más que el modelo en sí. Reúne el entorno del agente, herramientas, memoria, retroalimentación, evaluación y post-capacitación, y requiere elecciones cuidadosas sobre cómo funcionan juntos estos componentes. Únete a Hermes × AReno × Ant Ling para una conversación práctica sobre la evolución de los sistemas de agentes con Ling-3.0-tiny. Juntando perspectivas a través de los ecosistemas de agentes, modelos y capacitación, discutiremos las tecnologías, consideraciones de diseño y compromisos de ingeniería detrás de la construcción de sistemas de agentes más adaptativos. Ya sea que estés trabajando en agentes, modelos, capacitación o infraestructura de IA, esta sesión ofrece un vistazo más cercano a cómo el aprendizaje de agentes y la auto-mejora se están formando en la práctica.