Posición: El aprendizaje por refuerzo desplegado debe ser continuo
¿Por qué los agentes de RL desplegados deben aprender continuamente? Descubre las razones y ventajas frente al modelo entrenar-luego-arreglar.
#agentes inteligentes
Acciones de Agente con Pruebas: Gobernanza Agnóstica para Sistemas Heterogéneos
Descubre cómo los certificados de acción permiten gobernar agentes heterogéneos de forma agnóstica al modelo, asegurando autorizaciones y pruebas replicables.
Adaptive Minds: Empoderando Agentes con LoRA como Herramientas
Descubre cómo modelos de lenguaje usan adaptadores LoRA como herramientas dinámicas, con 98.3% precisión al enrutar y mejoras 84 puntos en tareas específicas.
Inconsistencia descripción-código en MCP: medición, detección y seguridad
Descubre cómo las inconsistencias entre descripciones y código en servidores MCP afectan la seguridad de los LLMs y cómo DCIChecker las detecta.
Coralogix recauda $200M para monitorear agentes de IA
Coralogix obtiene 200M para monitorizar agentes de IA en producción. Conoce cómo esta inversión impulsa la observabilidad y la seguridad en la nube.
SkillDAG: Gráficos de Habilidades Tipados Auto-Evolutivos para Selección de LLM
Descubre SkillDAG: un sistema de grafos auto-evolutivos que optimiza la selección de habilidades en LLM, mejorando el éxito hasta un 67.1% en pruebas.
Collab-REC: Marco agentivo con LLM para equilibrar recomendaciones turísticas
Collab-REC, un marco multiagente basado en LLM, equilibra popularidad y diversidad en recomendaciones turísticas, destacando destinos menos visitados.
FutureWeaver: Optimización de Cómputo en Tiempo de Prueba Multi-Agente
Descubre FutureWeaver: optimiza cómputo en tiempo de prueba para sistemas multi-agente con planificación dual y colaboración modular. Con presupuesto limitado.
El primer día del agente: Evaluando aprendizaje, exploración y planificación
Descubre EvoEnv, el nuevo benchmark que evalúa a los agentes IA en entornos laborales dinámicos: planificación, exploración y aprendizaje continuo.
Agentes de IA: mercado de limones y capa de confianza
Descubre cómo el mercado de limones afecta a los agentes de IA y cómo una capa de confianza permite distinguir agentes fiables de impostores.
PhotoCraft: Razonamiento Agentivo con Memoria Jerárquica para Búsqueda Visual
Descubre PhotoCraft, un sistema de memoria jerárquica que potencia la búsqueda de imágenes con razonamiento agentivo, logrando mejoras de 18.5% en precisión.
OpenAgenet/OAN: Infraestructura abierta para interconexión confiable de agentes
OpenAgenet (OAN): infraestructura abierta para confianza en interconexión de agentes. Identidad, gobernanza y descubrimiento seguro.
AgentProcessBench: Evaluación de Calidad de Procesos en Agentes
AgentProcessBench: el primer benchmark para evaluar la calidad de cada paso en agentes. Mejora la supervisión de procesos en IA.
OpenHospital: Arena para evolucionar y evaluar inteligencia colectiva con LLM
OpenHospital: arena para evolucionar inteligencia colectiva con LLM en medicina. Agentes médicos mejoran capacidades mediante interacciones con pacientes.
MARFT: Ajuste Fino de Refuerzo Multi-Agente
Descubre MARFT, un nuevo marco de ajuste fino por refuerzo multi-agente para optimizar sistemas de agentes LLM. Mejora colaboración y razonamiento.
TuneAgent: Ajuste de kernel con aprendizaje por refuerzo
Descubre cómo TuneAgent utiliza aprendizaje por refuerzo para ajustar el kernel de Linux, mejorando el rendimiento hasta un 5.6% de forma autónoma y precisa.
OpenAI lanza nuevas herramientas Codex para el trabajo de oficina
Descubre las nuevas herramientas de OpenAI Codex para profesionales. Aumenta tu productividad con IA diseñada para el trabajo de cuello blanco. ¡Lee más!
Agent Guide: Marco Simple de Marcado Conductual para Agentes
Descubre Agent Guide, un marco innovador que marca el comportamiento de agentes IA para rastrear y proteger sistemas digitales. Baja tasa de falsos positivos.
Selección dinámica de estrategias de coordinación para empresas multi-agente
Descubre cómo seleccionar dinámicamente la estrategia de coordinación en sistemas multi-agente: consenso, debate, síntesis o agente único. Resultados clave.
MobEvolve: Agente Auto-evolutivo para Movilidad Humana Interpretable
Descubre MobEvolve, el primer sistema heurístico auto-evolutivo con agentes que genera trayectorias de movilidad humana interpretables y realistas, superando modelos profundos y LLM.