Redes neuronales para agentes: el código fijo sale más barato que los modelos de razonamiento

El benchmark cerrado PAC1 para agentes de IA mostró que los costosos modelos de razonamiento no siempre son mejores: un participante de un hackathon creó Zero-Cost Agent a partir de algoritmos simples, que los superó en coste y resolvió las tareas con más eficiencia.

¿Por qué un algoritmo simple superó a un modelo de IA en coste?

Los algoritmos rígidos evitan los errores típicos de las redes neuronales en tareas estructuradas, como el trabajo con registros, archivos y correos. Las redes neuronales son vulnerables a las Indirect Prompt Injections, en las que una instrucción maliciosa se oculta dentro de los datos. Ante esas trampas, las reglas rígidas funcionan con más fiabilidad y a menor coste.

¿Por qué el código fijo es más barato que las redes neuronales?

Porque no requiere llamadas a la API de costosos modelos de razonamiento y emplea algoritmos rígidos para tareas como leer registros, buscar archivos y enviar correos.