Libra: Gestión eficiente de recursos en post-entrenamiento RL agéntico
Optimiza la gestión de recursos en post-entrenamiento de RL agéntico con Libra. Logra hasta 3x más throughput y convergencia 2.5x más rápida.
#alimentación
Cuando RLHF falla: taxonomía de reward hacking, colapso y manipulación
Descubre cómo clasificar y predecir fallos en RLHF como reward hacking y colapso. Estudio empírico con PPO y DPO que revela dinámicas ocultas.
El bucle de feedback inteligente: construido en Momen
Transforma comentarios caóticos en datos estructurados con el clasificador de contenido IA en Momen. Automatiza triaje, ahorra tiempo y mejora la experiencia del usuario.
Destilación de feedback de LLM para demostración de teoremas en Lean
Aprende sobre Feedback Distillation, un método que mejora la demostración de teoremas en Lean4 superando al GRPO. Incrementa diversidad y eficiencia en el entrenamiento de modelos de razonamiento.
Arrepentimiento dinámico sin parámetros: costos de movimiento variables
Aprende sobre nuevo algoritmo que logra arrepentimiento dinámico adaptativo sin parámetros para optimización convexa online con costos de movimiento variables.
MulFeRL: Retroalimentación verbal para aprendizaje por refuerzo en multiturno
MulFeRL mejora el aprendizaje por refuerzo usando retroalimentación verbal en múltiples turnos para superar recompensas escalares y potenciar el razonamiento.
LLM4Cov: Aprendizaje agéntico eficiente para testbench de alta cobertura
Descubre LLM4Cov, un marco de aprendizaje offline con agentes que logra un 90% de cobertura en verificación de hardware, superando modelos más grandes.
¿Cómo la retroalimentación mejora al reemplazar Access por app moderna?
Aprende a integrar la retroalimentación de usuarios en tu migración de Access a una app moderna. Mejora la seguridad, usabilidad y adopción con Q2BSTUDIO.
T-POP: Personalización en tiempo real con preferencias en línea
Descubre T-POP, personalización rápida de LLMs sin reentrenamiento usando preferencias en línea y bandidos duelistas.
Ataques backdoor generalizables en RLHF con triggers emocionales
Descubre cómo GREAT genera ataques backdoor en RLHF usando desencadenantes emocionales. Revela nuevas vulnerabilidades en seguridad de IA.
Cómo influir en la decisión de una IA sin tocarla
La información que un agente de IA lee antes de decidir puede sesgar sus decisiones. Pruebas revelan riesgos. Aprende defensas como datos balanceados y advertencias.
CUPID en el Zoológico de Modelos: Matchmaking Online para Elegir tu LLM Ideal
CUPID: algoritmo de bandidos duelistas para seleccionar tu LLM ideal mediante aprendizaje activo, ahorrando tiempo y costos.
Aprendizaje on-policy enfocado en decisiones para optimización lineal contextual
Nuevo método de gradiente híbrido para optimización lineal contextual con retroalimentación parcial que reduce el arrepentimiento.
Nuevo método conecta representaciones sin recompensa con preferencias en RL offline
Nuevo marco de aprendizaje por refuerzo offline que aprende representaciones sin recompensa y las afina con preferencias humanas, superando a métodos tradicionales en eficiencia.
DAGGER: Redes Amplificadoras Transitorias sin Gradiente
Descubre DAGGER, el nuevo algoritmo sin gradiente que construye redes amplificadoras transitorias con restricciones de conectividad. Hasta 100 veces más rápido.
Refinamiento Selectivo Hacia Atrás para Aprendizaje Continuo Eficiente
SABER permite transferencia positiva de conocimiento hacia atrás en aprendizaje continuo sin olvidar, usando refinamiento selectivo eficiente.
¿Cómo mejora el feedback de usuarios la modernización de apps heredadas?
El feedback de usuarios es clave para modernizar apps heredadas. Descubre herramientas, métricas y cómo priorizar cambios.
Modelo bayesiano no negativo para mitigar hackeo de recompensas en RLHF
Descubre cómo el modelo bayesiano no negativo (BNRM) mitiga el hackeo de recompensas en RLHF, mejorando la robustez y la interpretabilidad de los modelos de lenguaje.
Optimización de ánodos de grafito guiada por IA con retroalimentación experimental
Descubre cómo un flujo de trabajo iterativo con IA transformó datos imperfectos en ánodos de grafito: 84.8% de celdas con alta capacidad, retención del 97.3%.
SIRIUS-SQL: Anclando Múltiples Candidatos con Feedback de Ejecución
SIRIUS-SQL mejora Texto-SQL anclando múltiples candidatos con feedback de ejecución. Logra 75.88% en BIRD y 91.20% en SPIDER. ¡Descubre cómo!