🤖 machine learning

Agentic Skill Optimization over Lie Algebroids

Este artículo presenta LASKO, un nuevo marco que modela la optimización de habilidades agénticas utilizando algebros de Lie para representar políticas de edición y sus composiciones no conmutativas, permitiendo aceleraciones de un orden de magnitud mediante el cribado de ediciones a través de pruebas de corchete de Lie económicas antes de la costosa validación por LLM.

Autores originales: Sridhar Mahadevan

Publicado 2026-07-14

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Sridhar Mahadevan

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando reparar una máquina gigante y compleja hecha de bloques de Lego, donde cada bloque es una instrucción específica, una regla o una lista de verificación para un robot. Esta máquina es un "sistema agéntico" diseñado para hacer cosas inteligentes. El problema es que, cuando el robot comete un error, no puedes simplemente cambiar un bloque de Lego y esperar lo mejor. A veces, el orden en el que cambias los bloques importa inmensamente. Si arreglas las "reglas de seguridad" antes de arreglar las "reglas matemáticas", la máquina funciona. Pero si inviertes el orden, todo se desmorona.

Este es el rompecabezas que el artículo LASKO (Lie Algebroid SKill Optimization) intenta resolver.

El Problema: La Trampa del "El Orden Importa"

Piensa en las instrucciones del robot como una historia larga escrita en un lenguaje especial llamado Markdown. Para mejorar al robot, un optimizador de IA intenta editar esta historia. Sugiere cambios diminutos: "Añade una regla aquí", "Elimina ese ejemplo" o "Corrige este esquema".

En la forma antigua de hacer las cosas (llamada SKILLOPT), el optimizador actúa como un jardinero torpe. Intenta un cambio, ve si la planta crece, luego intenta otro. Asume que cada cambio es independiente, como añadir una sola flor a un jardín. Pero el artículo argumenta que esto es erróneo. Estos cambios son más bien como los engranajes de un reloj. Si intentas arreglar el resorte antes de arreglar el engranaje al que conecta, el reloj no funcionará. El artículo muestra que dos cambios que parecen perfectamente bien por sí solos pueden fallar estrepitosamente si se hacen en el orden incorrecto.

El artículo argumenta explícitamente en contra de la idea de que puedas simplemente probar todas las combinaciones posibles de ediciones una por una. Dice que probar cada orden posible (un enfoque de "fuerza bruta") es demasiado costoso y lento porque requiere ejecutar el robot a través de una prueba masiva y costosa cada vez. También argumenta en contra de la idea de que una única "puntuación" para un cambio cuente toda la historia; a veces, un cambio parece bueno de inmediato pero arruina la capacidad del robot para aprender más adelante.

La Solución: El Detector del "Apretón de Manos Secreto"

Los autores proponen un nuevo marco de trabajo llamado LASKO. Para entenderlo, imagina que las instrucciones del robot no son solo una lista plana, sino una estructura 3D con capas ocultas.

La Capa Visible (El Ancla): Es lo que ves en la pantalla: las palabras reales cambiando en el documento.
La Capa Oculta (El Núcleo/Kernel): Es lo invisible: el enrutamiento interno, las variables de plantilla y el "estado de ánimo" del robot que no puedes ver inmediatamente, pero que afecta cómo se comportarán los cambios futuros.
El Apretón de Manos Secreto (El Corchete/Bracket): Esta es la gran idea del artículo. Es una prueba matemática que comprueba si dos cambios "se dan la mano" correctamente. Si haces el Cambio A y luego el Cambio B, ¿se siente igual que si haces el Cambio B y luego el Cambio A?

En el mundo de LASKO, si dos cambios no "conmutan" (es decir, si el orden cambia el resultado), el sistema los marca como un par de "alto corchete". Esto es como un policía de tráfico en una intersección concurrida. En lugar de dejar que cada coche (cada posible orden de edición) pase y vea si choca, el policía utiliza un sensor rápido y económico para comprobar el flujo del tráfico.

La Magia: Acelerando 15 Veces

Aquí es donde los números se vuelven emocionantes. Los autores pusieron a prueba este concepto de "policía de tráfico" para ver si realmente funciona.

Configuraron un desafío donde el robot tenía que arreglar un flujo de trabajo con 10 anclas específicas (como "esquema", "contrato de herramienta", "validador", etc.).

La Forma Antigua (Fuerza Bruta): Para encontrar la solución perfecta, tendrías que probar cada orden posible de ediciones. Para 10 elementos, eso son 90 pares ordenados diferentes. Si ejecutas cada uno a través de un modelo de IA gigante (como el modelo DeepSeek V3.1 de 4 bits con 671B de parámetros mencionado en el artículo), toma una eternidad.
La Forma LASKO: El sistema primero ejecuta una "sonda de corchete" súper rápida. Esta es una calculadora diminuta y barata que toma microsegundos (específicamente, el artículo nota que una sonda tomó unos 0.000127 segundos en una prueba). Esta sonda predice qué pares de ediciones son propensos a ser los de "alto corchete" que realmente importan.
El Resultado: En lugar de probar los 90 pares, LASKO ejecuta 90 sondas de corchete para filtrar la lista, y luego valida solo los 10 pares predichos superiores.

En sus experimentos, este enfoque logró una aceleración de casi 15× en comparación con el método de fuerza bruta. En una prueba específica con un modelo DeepSeek V3.1, el método de fuerza bruta tomó 538.1 segundos para validar todas las opciones, mientras que LASKO hizo el mismo trabajo en solo 36.2 segundos. Esa es una aceleración de 14.85×.

Aún más impresionante, en una prueba con un modelo Nemotron 70B, el tiempo cayó de 712.4 segundos a 86.0 segundos (una aceleración de 8.28×). En todos los modelos probados, la aceleración promedio fue de 6.94×.

Qué Significa Esto Realmente

El artículo es muy cuidadoso en decir que esto no es una varita mágica que lo arregla todo instantáneamente. No elimina la necesidad del paso de "validación" costoso donde el robot realmente intenta la solución. En su lugar, actúa como un filtro.

Piensa en ello como un portero en un club. La "sonda de corchete" es el portero revisando identificaciones en la puerta. Es rápido y barato. Detiene a las personas que definitivamente no entrarán (los malos órdenes de edición) para que la "validación de servicio" costosa (la entrada real al club) solo tenga que lidiar con las personas que tienen una oportunidad real.

Los autores sugieren que este método permite al sistema encontrar la secuencia de reparación perfecta (obteniendo una puntuación de 1.000) mientras gasta solo una fracción del tiempo y el dinero. En una prueba con 160 ediciones, el método de fuerza bruta necesitaría 25,441 verificaciones de validación costosas. LASKO, usando su cribado de corchetes, solo necesitó 168 sondas (una combinación de comprobaciones de corchete y llamadas de validación final) para obtener la misma puntuación perfecta.

La Conclusión

El artículo sugiere que al tratar la edición de habilidades no como una lista plana de opciones, sino como un sistema estructurado donde el orden y el contexto oculto importan, podemos optimizar los agentes de IA mucho más rápido. No se trata de adivinar mejor; se trata de saber qué conjeturas valen la pena para la prueba costosa.

Aunque los resultados son prometedores y las aceleraciones se miden en experimentos reales con modelos grandes, los autores presentan esto como un nuevo marco de optimización. Demuestran que el "corchete de Lie" (la prueba de sensibilidad al orden) es una herramienta poderosa para filtrar caminos malos antes de que nos cuesten tiempo y dinero. Convierte una búsqueda caótica a través de un laberinto en un recorrido guiado, asegurando que solo caminemos por los senderos que tienen más probabilidades de llevarnos a la salida.

Resumen Técnico: Optimización de Habilidades Agénticas sobre Álgebras de Lie (LASKO)

1. Planteamiento del Problema

La optimización de habilidades agénticas, ejemplificada por marcos como SKILLOPT, implica mejorar el rendimiento de un agente mediante la edición de artefactos estructurados (prompts, rúbricas, esquemas, contratos de herramientas, validadores y trazas). La dificultad central identificada en este artículo es que el espacio de búsqueda para estas ediciones no es plano.

No Conmutatividad: El orden de las ediciones importa. Reparar un esquema antes de aplicar una regla de normalización puede producir resultados diferentes que aplicarlas en orden inverso. Dos ediciones que parecen razonables localmente pueden fallar al componerse, o ediciones débiles solo pueden volverse productivas en una secuencia específica.
Estructura Latente vs. Efectos Visibles: Una política de edición elegida por un optimizador no es idéntica al cambio visible observado en un documento o ejecución (rollout). Las intervenciones controladas suelen portar coordenadas de implementación interna, estado latente, contexto de enrutamiento o variables de plantilla que son invisibles en el primer orden, pero que impactan significamente en composiciones futuras.
Ineficiencia de los Métodos Actuales: Los bucles de corto horizonte que validan únicamente ediciones individuales pierden de vista los efectos de interacción críticos, mientras que la enumeración exhaustiva de programas de edición ordenados es computacionalmente prohibitiva debido al alto costo de las ejecuciones (rollouts) y validaciones de los Modelos de Lenguaje Extensos (LLM).

El artículo postula que este es un problema geométrico: el álgebra local de las ediciones alrededor de un artefacto de habilidad tipado requiere un formalismo que distinga entre las intervenciones controladas y sus efectos visibles.

2. Metodología: Marco LASKO

El artículo introduce LASKO (Lie Algebroid SKill Optimization), un marco que modela la optimización de habilidades sobre un álgebra de Lie controlada $A \to M_d$ en lugar de un simple haz tangente.

2.1 Formalismo Matemático

Categoría Base ( $M_d$ ): El espacio base es una categoría tangente de objetos Markdown anclados y tipados. Estos incluyen documentos, planes, contratos de herramientas y trazas de validadores. A diferencia de los espacios de parámetros euclidianos, estos son artefactos estructurados con anclajes específicos (p. ej., salvaguardas, campos de esquema, bordes de evidencia).
El Álgebra de Lie ( $A$ ): El espacio de fibra $A_x$ en un estado de habilidad $x$ contiene políticas de edición controladas (secciones $s, t \in \Gamma(A)$ ). Estas aún no son cambios visibles, sino que representan modos de intervención (p. ej., "fortalecer salvaguarda", "reparar esquema").
El Mapa de Anclaje ( $\rho$ ): Un mapa de haz $\rho: A \to TM_d$ $ρ : A \to T M_{d}$ mapea una intervención controlada a su efecto infinitesimal visible en el artefacto Markdown.
- Núcleo ( $\ker(\rho)$ ): Representa la estructura latente (variables de plantilla, elecciones de enrutamiento, estado oculto) que no tiene un efecto visible inmediato pero influye en composiciones futuras.
El Corchete de Lie ( $[\cdot, \cdot]_A$ ): Mide la sensibilidad al orden de la composición de dos políticas de edición. Si $[s, t]_A \neq 0$ , las ediciones no conmutan. El corchete captura el "defecto de composición" antes de que la intervención se proyecte en la dinámica observable.

2.2 Mecanismo Operativo

LASKO utiliza un proceso de ida y vuelta (forward-backward):

Paso Adelante (Functor Tangente): Las ediciones locales se impulsan hacia adelante a través de reescrituras, ejecuciones (rollouts) y contextos de observación.
Paso Atrás (Estructura Cotangente): Las pérdidas de validación, críticas y señales de fallo se extraen hacia atrás hacia anclajes específicos del artefacto (retropropagación diagramática).
Diagnósticos de Curvatura: El sistema calcula residuales para medir la falta de cierre y la dependencia de la ruta:
- Residual de Frobenius Visible ( $R_{vis}$ ): Mide si las ediciones visibles cierran bajo el corchete de Lie.
- Residual de Defecto de Anclaje ( $R_{anchor}$ ): Mide la brecha entre el álgebra de intervención estimada y los corchetes visibles observados.
- Residual de Núcleo ( $R_{ker}$ ): Captura interacciones procedimentales ocultas donde los artefactos visibles coinciden pero las trazas difieren.
- Curvatura de Retropropagación Diagramática ( $Curv_D$ ): Mide la dependencia de la ruta en la asignación de crédito (culpa).

El objetivo de optimización minimiza una pérdida combinada que involucra el rendimiento de la tarea y estos residuales de curvatura, buscando puntos fijos de baja curvatura donde las ediciones conmutan o su no conmutatividad es contabilizada.

3. Contribuciones Clave

Formulación Geométrica: El artículo reformula la optimización de habilidades agénticas como una optimización sobre un álgebra de Lie, distinguiendo entre la intervención controlada (sección) y el efecto visible (anclaje).
Tamizado por Corchete de Lie: Propone el uso del corchete de Lie como un estadístico de tamizado económico. Se identifican pares de alto corchete como candidatos para una validación costosa, mientras que los pares de bajo corchete se filtran. Esto reemplaza la enumeración de secuencias por fuerza bruta con un sondeo de pares dirigido.
Categoría Tangente de Markdown: Define una categoría tangente formal para flujos de trabajo Markdown tipados, permitiendo el tratamiento riguroso de ediciones locales, dependencias y morfismos de flujo de trabajo.
Validación Empírica: El artículo proporciona resultados preliminares de benchmarks demostrando que LASKO puede recuperar el rendimiento de la búsqueda de pares ordenados exhaustiva con una fracción del costo de validación.

4. Resultados Experimentales

El artículo reporta resultados a través de varios benchmarks controlados, comparando estrategias de Edición Única Codiciosa (Greedy), Pares Ordenados Aleatorios, Pares Ordenados Exhaustivos y LASKO-Priorizado.

Benchmark de Diez Anclajes: En una cadena controlada de 10 anclajes, LASKO logró una puntuación de 1.000 (igualando la búsqueda exhaustiva) utilizando solo 10 sondas de validación (más 90 sondas de corchete económicas). En contraste, el enfoque codicioso obtuvo 0.240 y los pares aleatorios 0.266 (media).
Escalabilidad: A medida que aumentaba el número de ediciones (hasta 160), LASKO mantuvo una puntuación de 1.000 con un número lineal de sondas de validación, mientras que la búsqueda exhaustiva requirió un crecimiento cuadrático en las sondas (p. ej., 25,441 sondas para 160 ediciones frente a 168 para LASKO).
Flujos de Trabajo del Mundo Real:
- Investigación Financiera 10-K (BASKET/ROCKET): LASKO priorizó órdenes de reparación válidos (p. ej., extracción de tablas antes de la compuerta numérica) para lograr una puntuación de 1.000 con 29 sondas de validación, comparado con 183 para la búsqueda exhaustiva.
- Manifolds Causales Demócrito/PSR: Al reparar variedades causales para ejercicios físicos y estudios de fármacos GLP-1, LASKO logró una puntuación de 1.000 con 21 sondas de validación, igualando la búsqueda exhaustiva (111 sondas).
- Feedback de Producto (Lovesac): Se observaron resultados similares en una tarea de reparación de reseñas de productos, donde LASKO logró una puntuación de 1.000 usando 19 sondas de validación.
Aceleración (Speedup): Al probarse con varios modelos servidos (incluyendo DeepSeek V3.1 4-bit, Nemotron y variantes de Llama), LASKO demostró aceleraciones que van desde 3.69× hasta 14.85×. El motor principal fue la reducción de las llamadas costosas de validación de LLM, ya que el tamizado del corchete tomaba microsegundos (p. ej., 0.000508 segundos para 72 sondas) en comparación con los segundos por llamada de validación.

5. Significado y Reivindicaciones

El artículo afirma que LASKO ofrece una solución estructural a la ineficiencia de la optimización de habilidades agénticas. Al modelar las ediciones como secciones de un álgebra de Lie, el marco contabiliza explícitamente:

Dependencia del Orden: Reconocer que la secuencia de reparaciones es crítica.
Estado Latente: Reconocer que las ediciones portan un contexto oculto (núcleo) que afecta interacciones futuras incluso si el artefacto inmediato parece inalterado.
Economía de Validación: Proporcionar un método matemáticamente fundamentado para filtrar el espacio de búsqueda. El corchete de Lie actúa como un "dispositivo de tamizado" que identifica interacciones de edición de alto valor antes de incurrir en el costo de la validación completa de la ejecución (rollout).

Los autores enfatizan que este es un marco preliminar. Los resultados muestran "aceleraciones de orden de magnitud" en benchmarks específicos controlados, lo que sugiere que la estructura geométrica de las ediciones de habilidades puede explotarse para hacer que la automejora agéntica sea escalable. El artículo no pretende resolver todos los problemas de alineación o razonamiento agéntico, sino que aborda específicamente la optimización de artefactos de habilidades estructurados que están anclados, tipados y son sensibles al orden.