Adaptación de la IA Agéntica
Adaptation of Agentic AI
December 18, 2025
Autores: Pengcheng Jiang, Jiacheng Lin, Zhiyi Shi, Zifeng Wang, Luxi He, Yichen Wu, Ming Zhong, Peiyang Song, Qizheng Zhang, Heng Wang, Xueqiang Xu, Hanwen Xu, Pengrui Han, Dylan Zhang, Jiashuo Sun, Chaoqi Yang, Kun Qian, Tian Wang, Changran Hu, Manling Li, Quanzheng Li, Hao Peng, Sheng Wang, Jingbo Shang, Chao Zhang, Jiaxuan You, Liyuan Liu, Pan Lu, Yu Zhang, Heng Ji, Yejin Choi, Dawn Song, Jimeng Sun, Jiawei Han
cs.AI
Resumen
Los sistemas de IA agentes más avanzados se construyen sobre modelos de base que pueden adaptarse para planificar, razonar e interactuar con herramientas externas con el fin de realizar tareas cada vez más complejas y especializadas. A medida que estos sistemas aumentan en capacidad y alcance, la adaptación se convierte en un mecanismo central para mejorar el rendimiento, la fiabilidad y la generalización. En este artículo, unificamos el panorama de investigación en rápida expansión en un marco sistemático que abarca tanto las adaptaciones del agente como las adaptaciones de las herramientas. Además, descomponemos estas adaptaciones en formas señalizadas por la ejecución de herramientas y señalizadas por la salida del agente para la adaptación del agente, así como en formas independientes del agente y supervisadas por el agente para la adaptación de las herramientas. Demostramos que este marco ayuda a clarificar el espacio de diseño de las estrategias de adaptación en la IA agente, explicita sus compensaciones y proporciona una guía práctica para seleccionar o cambiar entre estrategias durante el diseño del sistema. A continuación, revisamos los enfoques representativos en cada categoría, analizamos sus fortalezas y limitaciones, y destacamos los principales desafíos abiertos y las oportunidades futuras. En general, este artículo pretende ofrecer una base conceptual y una hoja de ruta práctica para investigadores y profesionales que buscan construir sistemas de IA agentes más capaces, eficientes y fiables.
English
Cutting-edge agentic AI systems are built on foundation models that can be adapted to plan, reason, and interact with external tools to perform increasingly complex and specialized tasks. As these systems grow in capability and scope, adaptation becomes a central mechanism for improving performance, reliability, and generalization. In this paper, we unify the rapidly expanding research landscape into a systematic framework that spans both agent adaptations and tool adaptations. We further decompose these into tool-execution-signaled and agent-output-signaled forms of agent adaptation, as well as agent-agnostic and agent-supervised forms of tool adaptation. We demonstrate that this framework helps clarify the design space of adaptation strategies in agentic AI, makes their trade-offs explicit, and provides practical guidance for selecting or switching among strategies during system design. We then review the representative approaches in each category, analyze their strengths and limitations, and highlight key open challenges and future opportunities. Overall, this paper aims to offer a conceptual foundation and practical roadmap for researchers and practitioners seeking to build more capable, efficient, and reliable agentic AI systems.