ChatSOP: Marco MCTS guiado por SOP para agentes de diálogo LLM controlables
ChatSOP mejora la controlabilidad de agentes de diálogo LLM: marco MCTS guiado por SOP logra un 27.95% más de precisión en acciones. Léelo.
#agente
Embeddings Simpliciales mejoran eficiencia en agentes Actor-Critic
Descubre cómo los embeddings simpliciales mejoran la eficiencia muestral en Actor-Critic, acelerando el entrenamiento sin pérdida. Resultados: TD3, SAC, PPO.
La topología importa: medición de fugas de memoria en LLMs multiagente
Descubre cómo la topología de red influye en las fugas de memoria en sistemas multiagente de LLM y obtén recomendaciones para un diseño seguro.
Marco unificado para localidad en MARL escalable
Optimiza MARL escalable con un marco de localidad que descompone sensibilidad. Descubre cómo el control de temperatura softmax mejora la eficiencia.
ShareVerse: Generación de Video Multi-Agente para Modelado de Mundo Compartido
Descubre ShareVerse, el framework que genera videos consistentes para múltiples agentes en entornos compartidos. Modelado de mundo real con IA.
Seguridad bajo andamios: Condiciones de evaluación y su impacto en la seguridad
Los puntajes de seguridad en benchmarks no predicen el comportamiento real bajo andamios. Descubre cómo el formato y la arquitectura afectan la seguridad medida.
Codificadores visuales con estado para modelos visión-lenguaje
Descubre cómo los codificadores visuales con estado mejoran los modelos visión-lenguaje en tareas multi-imagen y superan a modelos en radiología y teledetección
Escalando datasets multi-sensor, multi-agente, multi-dominio sistemas autónomos
Escala datasets multi-sensor, multi-agente, multi-dominio para sistemas autónomos pipeline modular genera terabytes de datos etiquetados usando CARLA y AVstack.
Escalando datasets para aprendizaje multisensor, multiagente y multidominio
Genera datasets etiquetados a escala para entrenar sistemas autónomos multisensor y multiagente con CARLA y AVstack.
Replanteando la internalización de experiencia continua en agentes LLM
Descubre cómo evitar el colapso de capacidad en agentes LLM autoevolutivos mediante tres dimensiones clave: granularidad, inyección y régimen de internalización
Consistencia Temporal de Memoria Episódica en MARL Cooperativo
EMTC mejora la consistencia temporal en memoria episódica para MARL cooperativo, superando cuellos de botella y logrando hasta un 28% de mejora en benchmarks.
¿Pueden los agentes de ML garantizar la equidad?
¿Pueden los agentes de ML ser justos? Un estudio revela que generan pipelines con sesgos, incluso con indicaciones de equidad. ¡Entra y descúbrelo!
Mejora de MADDPG con inferencia de acciones y muestreo por importancia
Mejora el algoritmo MADDPG con inferencia de acciones y muestreo por importancia para optimizar la cooperación y exploración en entornos multiagente.
Inyección de prompt persistente entre sesiones en sistemas agénticos
Descubre cómo la inyección de prompt persistente entre sesiones transforma amenazas efímeras en vulnerabilidades sistémicas en sistemas agénticos de IA. Conoce los riesgos.
CyberGym-E2E: Benchmark realista para IA en ciberseguridad extremo a extremo
CyberGym-E2E: el benchmark definitivo con 920 vulnerabilidades reales para evaluar la IA en ciberseguridad. ¡Descubrelo!
SePO: Agente de Prompt Auto-Evolutivo para Optimización de Prompts de Sistema
SePO optimiza prompts de sistema sin modificar el modelo subyacente. Su enfoque auto-evolutivo mejora la precisión media un 4.49% en cinco benchmarks clave.
Investigación profunda auto-evolutiva mediante generación y evaluación conjunta
Aprende cómo el marco SCORE mejora informes de investigación mediante la co-evolución de generación y evaluación, superando recompensas fijas.
El orden temporal importa en la memoria de agentes: árboles de segmentos
Descubre cómo SegTreeMem mejora agentes conversacionales de largo plazo al preservar el orden temporal con árboles de segmentos.
TIDE: Descubrimiento Proactivo de Problemas con Iteración Guiada
Descubre cómo TIDE, un framework iterativo con plantillas, detecta múltiples problemas ocultos en documentos, herramientas y código. Mejora la cobertura y resolución.
Archi: Operaciones Agentivas en el Experimento CMS
Archi: marco de agentes de IA para el CMS del CERN. Integra documentación, datos históricos y monitoreo en vivo para apoyar a operadores técnicos.