Chunking the Critic: SAC con Transformer y retornos N-paso
Descubre cómo un crítico con Transformer y retornos N-paso mejora el SAC en tareas de horizonte largo y recompensas dispersas, superando métodos estándar.
#aprendizaje por refuerzo
Doppler: Aprendizaje de Política Dual para Asignación de Dispositivos
Doppler usa dos políticas (SEL y PLC) para asignar tareas y minimizar tiempos en grafos asíncronos.
Algoritmo de evolución dirigida impulsa predicción neuronal
Mejora la predicción neuronal con el algoritmo de evolución dirigida para niños con implantes cocleares, superando escasez de etiquetas y cambio de dominio.
Actor-Critic con Kernel Guiado por SHAP para Aprendizaje por Refuerzo Explicable
Mejora la interpretabilidad del aprendizaje por refuerzo con RSA2C, un algoritmo kernelizado que usa atribuciones SHAP para entrenar actores y críticos con estabilidad y eficiencia.
SlimSearcher: Agentes Web Eficientes con Puertas de Recompensa Adaptativas
Descubre cómo SlimSearcher optimiza agentes de búsqueda profunda, reduciendo costos computacionales hasta 58% sin sacrificar precisión.
CHDP: Políticas Cooperativas de Difusión para Espacios de Acción Híbridos
Descubre CHDP, un marco que combina políticas de difusión cooperativas para optimizar acciones híbridas en RL, mejorando el rendimiento hasta un 19.3%.
Harness-1: Agente de búsqueda 20B con entrenamiento por refuerzo
Descubre Harness-1, un subagente de búsqueda de 20B que separa decisiones semánticas de la contabilidad. Logra un 0.730 de recall, superando a otros modelos abiertos.
Razonamiento paso a paso estilo optimización en LLMs para espacios de búsqueda
Descubre cómo OPT* entrena LLMs con razonamiento paso a paso en optimización. Usa recompensas verificables y RL para espacios de búsqueda complejos.
Cuando la IA dice sentir
¿Puede una IA expresar emociones? Un experimento con LLMs logra que digan sentir. Descubre los avances, riesgos y el impacto en la veracidad y ética.
TAPO: Optimización de Políticas Consciente de Herramientas
¿Sabías que los agentes de búsqueda multimodal penalizan herramientas útiles? TAPO corrige este error con transferencia de crédito, mejorando el aprendizaje sin costo extra.
Edit-R2: Aprendizaje por Refuerzo Contextual para Edición de Imágenes Multiturno
Edit-R2 usa RL contextual para edición de imágenes multiturno. Evita errores acumulados y dilución de contexto. Incluye benchmark MICE-Bench.
De Hackeos de Recompensa a Estados de Riesgo: Monitoreo Contextual en Agentes
Aprende cómo la calibración por contexto y la entropía mejoran la detección de riesgos en agentes LLM frente a hackeos de recompensa.
CoT-Space: Un marco teórico para el pensamiento lento interno mediante RL
CoT-Space explica el escalado interno del pensamiento lento en IA. Aprende cómo el aprendizaje por refuerzo optimiza las trayectorias de razonamiento en LLMs.
Aprendizaje por refuerzo descompuesto para videojuegos de rol inmersivos
Descubre cómo EBM-RL optimiza el aprendizaje por refuerzo descompuesto para crear diálogos inmersivos en videojuegos de rol, mejorando atmósfera y autenticidad.
Agentes Adversarios: Ataques de Evasión con Aprendizaje por Refuerzo
Descubre cómo un agente de aprendizaje por refuerzo aprende a atacar modelos de IA con mayor eficacia, aumentando el éxito de ataques de evasión hasta un 13.2%.
Mejora de respuestas cardíacas en LLMs con recompensas de rúbrica y GRPO
GRPO y recompensas de rúbrica mejoran respuestas cardíacas en LLMs pequeños: precisión sube a 50.2%, compitiendo con modelos 8x mayores.
De la cinemática a la dinámica: planes híbridos factibles
Descubre cómo el aprendizaje por refuerzo refina planes híbridos de robots para garantizar una ejecución dinámicamente factible, superando las limitaciones de los planificadores tradicionales.
EEGDancer: Predicción emocional continua con EEG y aprendizaje por refuerzo
EEGDancer revoluciona la predicción de emociones continuas con EEG combinando VQ-VAE y aprendizaje por refuerzo. ¡Supera a métodos tradicionales!
Traducción literaria mejorada: generación de datos y entrenamiento de LLM
Descubre cómo un enfoque multiaspecto genera datos de alta calidad y entrena LLMs para superar a Claude Sonnet en traducción literaria.
Aprendizaje de políticas de seguridad robótica con escenarios sintéticos adversariales
Descubre cómo un marco gamificado con agentes rojo y azul descubre fallos ocultos y mejora la seguridad de robots en entornos reales.