Optimización Autónoma de Artefactos con Hypothesis Tree Refinement (Arbor)
Skill orquestadora que mejora iterativamente cualquier artefacto (código, agente, prompt, pipeline de datos) contra un objetivo medible usando el método HTR del paper Arbor, sin supervisión humana paso a paso y sin sobreajuste al evaluador de desarrollo. Ideal para tareas de optimización larga duración tipo MLE-bench o Kaggle.
Incluida en el Pase · para Claude Code, Git, Python
// qué_hace
Orquesta un bucle de optimización autónoma que mejora artefactos (código, agentes, prompts) a través de múltiples experimentos ramificados sin sobreajustar el evaluador.
// cómo_lo_hace
Mantiene un árbol de hipótesis persistente; Claude actúa como coordinador mientras subagentes ejecutan experimentos en worktrees git aislados; una puerta de fusión con evaluador de test separado valida cada mejora antes de adoptarla.
// ejemplo_de_uso
Úsala cuando llevas horas mejorando un prompt o agente a mano y los cambios no convergen: deja que el sistema explore ramas en paralelo y solo adopte lo que realmente funciona. Ej.: optimiza el prompt de clasificación de soporte sin sobreajustar el benchmark.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…