Hexo Labs publicó SIA — un agente que se actualiza a sí mismo durante el funcionamiento

La empresa Hexo Labs lanzó públicamente SIA — un sistema de agente automejorable basado en el modelo gpt-oss-120b. El proyecto se publicó bajo la licencia MIT, lo que permite a los desarrolladores usar y modificar libremente el código.

Cómo funciona el sistema

SIA implementa un enfoque inusual para la automejora. Después de cada ejecución, un Feedback-Agent especial analiza la trayectoria de ejecución de la tarea e identifica dónde el agente cometió errores o soluciones subóptimas. Basándose en este análisis, el sistema decide cuál de los dos mecanismos de mejora utilizar.

Dos mecanismos de mejora

Hexo Labs implementó dos formas independientes mediante las cuales el agente puede mejorar su propio desempeño:

• Reescritura de scaffold — cambio de instrucciones, lógica y estructura del funcionamiento del agente
• Actualización de pesos LoRA — ajuste fino de los pesos de la red neuronal sin reentrenamiento completo
• Enfoque combinado — uso simultáneo de ambos mecanismos para obtener resultados máximos

Hallazgo clave: cuando el agente puede cambiar tanto las instrucciones como los pesos simultáneamente, se mejora mucho más rápido que si solo aplica uno de los métodos.

Resultados en tareas reales

El equipo probó SIA en tres puntos de referencia complejos. En LawBench (donde el sistema debe resolver tareas legales), el enfoque combinado superó significativamente los resultados. Lo mismo sucedió en TriMul — un conjunto de núcleos de GPU que requieren optimización. La tercera prueba: denoising de datos de secuenciación de ARN de una sola célula (scRNA-seq) — mostró que el sistema es capaz de trabajar con bioinformática.

«Esto abre el camino hacia agentes que no solo ejecutan tareas, sino que aprenden y mejoran en el proceso de trabajo», dice la publicación de

Hexo Labs.

Qué significa esto

El lanzamiento de SIA al acceso público es una señal de que los agentes automejorados están transitando de la categoría de experimentos a una herramienta de desarrollo. Para los investigadores, es la oportunidad de probar nuevas ideas más rápido. Para las empresas, significa que pronto podrán ejecutar sistemas que no solo realizan tareas, sino que se vuelven más eficientes con cada experiencia.