Wavelet Fourier Diffuser: modelo de difusión consciente de frecuencias para RL
Descubre cómo Wavelet Fourier Diffuser mejora el aprendizaje por refuerzo offline al corregir desplazamientos de frecuencia. Resultados superiores en D4RL.
#aprendizaje por refuerzo
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
ACC-MARL: Aprendizaje por refuerzo multiagente cooperativo condicionado por autómatas. Entrena políticas descentralizadas y coordina tareas temporales. ¡Lee más!
Aprendizaje por refuerzo descubre nuevos números de beso
Descubre cómo un sistema de aprendizaje por refuerzo ha logrado mejorar los límites del número de beso, resolviendo un problema abierto desde Newton.
Modelos Locales y Globales para RL Eficiente de Primer Orden
Aprende cómo la técnica de modelos mundiales acoplados permite entrenar RL de forma eficiente sin simuladores, usando difusión y gradientes de primer orden para tareas de manipulación.
InftyThink+: Razonamiento eficiente en horizonte infinito con RL
Optimiza el razonamiento infinito-horizonte con InftyThink+ usando RL. Mejora precisión y eficiencia, superando limitaciones del chain-of-thought.
Agentes para LLMs: Arquitectura, Adquisición, Seguridad y Futuro
Habilidades modulares para LLMs: arquitectura, adquisición y seguridad. 26% de habilidades tienen vulnerabilidades. Marco de confianza propuesto. ¡Futuro de agentes!
RLVR: el costo oculto de olvidar problemas resueltos
Descubre el fenómeno de rotación del conjunto correcto en RLVR, donde modelos olvidan problemas resueltos. Conoce REMIND, una técnica que mejora la retención sin costo adicional.
Aprendiendo a ver con implantes epirretinianos y aprendizaje por refuerzo
El aprendizaje por refuerzo profundo optimiza la estimulación de implantes epirretinianos para generar imágenes claras. Un avance para restaurar la visión.
Aprender a resolver, olvidar retener: Rotación del conjunto correcto en RLVR
¿RLVR olvida lo que aprendió? Descubre la rotación del conjunto correcto y cómo Remind lo corrige sin coste. Mejora tus modelos.
FGRPO: Federated GRPO con Agregación Adaptativa en Datos No IID
FGRPO optimiza modelos de razonamiento con agregación adaptativa en datos no IID, preservando privacidad.
Estimulación epirretiniana con aprendizaje por refuerzo profundo
Descubre cómo el aprendizaje por refuerzo profundo optimiza los implantes epirretinianos para generar imágenes más claras. Un avance clave en visión artificial contra la degeneración retinal.
Alinear estados ocultos verificados mejora razonamiento en RL
Hidden-Align alinea estados ocultos verificados para mejorar el razonamiento en RL, logrando hasta 6.2 puntos de mejora en benchmarks.
El acierto hace la fuerza: alinear estados ocultos para RL
Hidden-Align alinea estados ocultos en modelos de lenguaje, mejorando el razonamiento matemático hasta un 6.2% en benchmarks. Técnica innovadora de RL.
GEAR: Mitigando la propagación de crédito falso en RL con rubricas
GEAR mitiga la propagación de crédito falso en RL con rubricas, logrando mejoras del 15.5% y reduciendo errores un 96.5%. Conoce cómo.
Mitigación del Crédito Falso en RL con Rúbricas
GEAR soluciona la propagación de crédito falso en RL con rúbricas mediante agregación gráfica probabilística. Logra mejoras de hasta 15.5% en HealthBench, WritingBench y PLawBench.
Multi²: Toma de Decisiones Multiagente Jerárquica con LLMs
Descubre cómo Multi², un marco jerárquico multiagente con LLMs, evita la deriva de objetivos y mejora la toma de decisiones en entornos interactivos. ¡Lee más!
Skill-RM: Unificando Criterios Heterogéneos con Habilidades de Agente
Skill-RM unifica criterios heterogéneos usando habilidades de agente para optimizar LLMs en entrenamiento posterior. ¡Prueba el nuevo modelo!
Métricas de equidad en DRL para descubrimiento de fármacos
Descubre cómo medir la equidad en deep reinforcement learning para descubrimiento de fármacos en salud, evaluando sesgos en datos, recompensas y diversidad química.
Actualizaciones de objetivo periódicas y suaves estabilizan el Q-learning lineal
Descubre cómo las actualizaciones periódicas y suaves de objetivo garantizan la convergencia del Q-learning lineal, según un riguroso análisis teórico.
ASymPO: Optimización Asimétrica para Post-Entrenamiento Asíncrono de LLMs
Descubre cómo ASymPO optimiza el post-entrenamiento asíncrono de LLMs sin probabilidades de comportamiento, mejorando estabilidad y rendimiento.