Un nuevo paper de arXiv (2604.02460) demuestra que los sistemas multi-agente LLM no son intrínsecamente superiores a los de un solo agente. Con presupuestos de tokens igualados, un único agente iguala o supera a arquitecturas de múltiples agentes en razonamiento multi-hop. La superioridad aparente de los sistemas multi-agente era, en muchos casos, un artefacto de cómputo no contabilizado.
Paper de la Semana: s1 (Simple Test-Time Scaling) Paper: s1: Simple test-time scaling Autores: Muennighoff et al. (simplescaling) Publicación: Enero 2026 GitHub: simplescaling/s1 ¿Por qué es relevante? Mientras todos persiguen datasets masivos y clusters de entrenamiento gigantescos, s1 llega con una premisa rompedora: puedes lograr capacidades de razonamiento de vanguardia (SOTA) con solo 1,000 ejemplos de entrenamiento cuidadosamente curados. Este paper desafía la noción de que el razonamiento avanzado es una propiedad emergente exclusiva de modelos entrenados con RL a gran escala (como DeepSeek-R1 o OpenAI o1). En su lugar, demuestran que un modelo fuerte (Qwen2.5-32B) puede “desbloquear” estas capacidades mediante: ...