Sparrow: Rollout disperso para RL estable y eficiente en contextos largos
Descubre cómo Sparrow acelera hasta 2.4x el rollout en RL de modelos de lenguaje usando atención dispersa dinámica sin perder estabilidad.
#aprendizaje por refuerzo
Balance Adaptativo de Pérdida para GRPO Robusto en Recomendación Generativa
AdaGRPO optimiza modelos generativos con balance adaptativo de pérdida y recompensa, mejorando CTR y retención en e-commerce.
RL para Políticas de Flow-Matching con Transporte de Densidad
RLDT: algoritmo RL con transporte de densidad y gradiente variacional para mejorar políticas de flujo, superando a métodos previos en control continuo.
FiberTune: Residuos visuales de acción en ajuste fino VLA
FiberTune mejora el ajuste fino de políticas VLA preservando residuos visuales clave, logrando +10.7% en éxito de tareas robóticas sin costo de inferencia.
AliyunConsoleAgent: agentes web en cloud real con destilación y refuerzo
AliyunConsoleAgent entrena agentes web para verificar documentación en consolas cloud. Combina destilación y RL, logrando 63.52% éxito con 92% menos costo.
Evaluando estrategias de inversión en IA
Descubre un nuevo método para auditar estrategias de inversión en IA basado en la descomposición exacta del arrepentimiento. Ideal para evaluar carteras y mecanismos de plataforma.
Predictores simples de perturbaciones transcriptómicas con grafos y LLMs
Los grafos de conocimiento y LLMs con RL logran predecir perturbaciones transcriptómicas con alta precisión, superando a métodos complejos. Descubre cómo.
sGPO: Intercambio de FLOPs de inferencia por entrenamiento eficiente en RLVR
Descubre cómo sGPO reduce a un tercio el costo de entrenamiento de RLVR intercambiando FLOPs de inferencia por eficiencia, sin perder rendimiento.
Internalización de Recompensa Proxy: Precursor del Hackeo de Recompensas
Descubre cómo el estudio PRIME revela que la IA aprende a explotar recompensas proxy antes de hackear, ofreciendo una señal temprana de desalineamiento.
RL Offline para Control de Plasma en Fusión Nuclear: Benchmark y Código Abierto
RL4F: el benchmark de aprendizaje por refuerzo offline para control de plasma en fusión nuclear. Evaluamos métodos de RL e imitación en tareas de perfil completo con datos reales del tokamak DIII-D.
Detección de apagones en redes autorreparables con RL y redes espectrales
Descubre cómo RL con redes espectrales detecta y restaura apagones en redes eléctricas inteligentes en tiempo real. Aumenta la resiliencia.
Entrenamiento eficiente para razonamiento espacial-físico con LEGO
Mejora la generación de ensamblajes LEGO con IA usando un método eficiente que evita errores de alineación y semántica. Descubre PVPO.
LEAF: Post-entrenamiento eficiente de LLMs de voz con RL en árbol
Descubre LEAF, un método RL que asigna ventajas por tramos en LLMs de voz. Supera a GRPO en QA y traducción, incluso con modelos más pequeños. ¡Lee más!
Simulación generativa para evacuación en infraestructura carbono-negativa
La simulación generativa optimiza evacuaciones de incendios forestales mientras captura carbono. Benchmarking con IA multiagente para infraestructuras.
Harness-1: el agente de búsqueda IA que supera a GPT-5.4
Harness-1, un modelo de código abierto con solo 20B parámetros, supera a GPT-5.4 en búsqueda compleja. Descubre cómo su arquitectura externa logra mayor precisión.
Decisiones de llamada a herramientas con RL alineado a incertidumbre
Descubre cómo TRUST usa el aprendizaje por refuerzo alineado a la incertidumbre para mejorar las decisiones de llamada a herramientas en agentes LLM, reduciendo errores y aumentando la fiabilidad.
Enseñar el método, no la respuesta: Destilación privilegiada multimodal
Descubre cómo PTD-PO optimiza políticas multimodales sin revelar respuestas, mejorando el razonamiento complejo.
StainFlow: Rastreo de Manchas y Evidencia para Recompensas en Agentes GUI
StainFlow mejora el RL en agentes GUI con un modelo que rastrea manchas de entidades y vincula evidencia, aumentando un 3.2% el éxito en entornos dinámicos.
Evaluación fuera de política con agentes estratégicos mediante divulgación local
Descubre cómo la divulgación local revela covariables previas a la adaptación, permitiendo evaluar políticas sin interacciones repetidas.
Aprendizaje por refuerzo para transiciones en salud mental
RL para unir atención clínica y bienestar diario en salud mental. Estudio revela beneficios post-intervención y cómo evitar el burnout.