Qué se hizo
El autor lanzó dos agentes Claude Code idénticos con la misma tarea: optimizar un modelo de lenguaje pequeño. Uno solo usaba su conocimiento interno; el otro estaba conectado a Paper Lantern, una herramienta de búsqueda vía MCP sobre más de 2 millones de artículos de informática de acceso abierto.
Antes de cada intento, el segundo agente buscaba en la literatura: revisó 520 artículos, extrajo 25 ideas y las aplicó con explicaciones legibles de qué paper inspiraba cada cambio.
Resultado
El agente con acceso a papers mejoró el modelo un 4,05 % frente al 3,67 % del agente base, y unas 15 de las 25 ideas funcionaron. El autor afirma que la mejor configuración se mantuvo más de 12 minutos por delante en una ejecución de 2 horas, aunque varios comentaristas cuestionaron lo generalizable del resultado.
A tener en cuenta
Leer artículos completos añade coste y tiempo; según el autor, compensa en áreas con comunidades de investigación activas.
Prompt para probarlo
Plantilla orientativa redactada por CasosAgentesIA a partir del caso; no es el prompt original. Sustituye lo que está entre corchetes.