Análisis de fallos en agentes de investigación profunda | Localización de precisión para errores en trayectorias de agentes de IA | Diagnóstico de fiabilidad en sistemas agénticos complejos

Abstract

PROBLEMA: Los agentes de IA especializados en investigación profunda suelen fallar en tareas complejas de larga duración, pero identificar el punto exacto y la causa del error en sus trayectorias es extremadamente difícil. SOLUCIÓN: Este paper propone un marco para la localización de errores a nivel de intervalo (span-level) en las trayectorias de los agentes, permitiendo un diagnóstico preciso de los fallos de razonamiento y acción. METODOLOGÍA: Se analiza un conjunto diverso de trayectorias de agentes interactuando con herramientas web y de código, categorizando los errores mediante una taxonomía sistemática de desviaciones semánticas y procedimentales. RESULTADOS: El estudio revela patrones críticos de degradación en la memoria operativa de los agentes y picos de error asociados a la integración de herramientas externas obsoletas. RELEVANCIA: Este trabajo es vital para mejorar la robustez de los sistemas agénticos y automatizar la corrección de errores en workflows de investigación autónoma.