Se propone un método en el que múltiples agentes de IA acumulan trabajo en un repositorio Git para resolver problemas

Contexto

Los problemas complejos y la investigación científica requieren que los cálculos y el conocimiento se acumulen a través de múltiples intentos. Sin embargo, la mayor parte de la inferencia de IA se realiza en unidades de intentos individuales o respuestas candidatas, lo que dificulta que las soluciones parciales o los enfoques fallidos se utilicen en trabajos posteriores. Este papel define el método en el que los productos de trabajo intermedios persisten y se reutilizan como 'inferencia compuesta' para resolver este problema.

Método

GitSwarm es una estructura donde agentes con el mismo rendimiento toman decisiones independientes y avanzan en el trabajo sin esperarse mutuamente. Los agentes exploran, experimentan, verifican, modifican y sintetizan a través de múltiples ramas (branches) en un repositorio Git compartido, preservando los resultados intermedios como commits de unidades pequeñas. También registran relaciones de dependencia explícitas que indican en qué trabajo anterior se basaron las tareas posteriores. Este método se aplicó a demostraciones matemáticas, tareas de programación y experimentos de redes neuronales utilizando GPUs.

Resultados principales

Se informó que resolvió los 30 problemas en una sola ejecución utilizando GPT-5.5 en IMOProofBench-Advanced. En ProgramBench registró un promedio de 79.4%, superior a la línea base del 65.1%. Además, el 94.7% de las contribuciones en esta tarea se reutilizaron en trabajos posteriores, y la ascendencia de la solución finalmente seleccionada representó entre el 82% y el 93% de todo el gráfico de contribuciones. En tres tareas de estructura de redes neuronales, se afirmó que a través de múltiples experimentos mejoró en comparación con la arquitectura de punto de partida.

Limitaciones y puntos abiertos

El resumen no detalla las condiciones detalladas de las líneas base de comparación, el costo y la escala de cálculo gastados en los experimentos, las cifras específicas que indican la magnitud de la mejora en las tareas de redes neuronales, ni la reproducibilidad. Por lo tanto, si estos resultados aparecerán al mismo nivel en otras tareas o entornos de servicio reales no se puede confirmar solo con el resumen.

Glosario

• inferencia (inference) — El proceso en el cual un modelo de IA ya entrenado resuelve problemas reales y produce respuestas.
• agente (agent) — Un programa de IA que establece planes por sí mismo hacia un objetivo y realiza tareas utilizando herramientas o datos.
• asíncrono (asynchronous) — Un método en el que múltiples tareas avanzan individualmente sin esperar a que las demás terminen.
• repositorio y rama Git — Git es una herramienta para gestionar el historial de cambios de archivos de software, un repositorio es su almacén y una rama es una línea de trabajo separada del original.
• commit — El acto de guardar los cambios de archivos como una sola unidad de registro.
• línea base (baseline) — Un método representativo existente utilizado para comparar el rendimiento de un nuevo método.
• ascendencia y gráfico de contribuciones — Una estructura similar a un árbol genealógico que conecta a través de qué trabajos anteriores se creó un resultado.