Taiji: Optimización Pareto para Recomendación Industrial con LLM
Descubre cómo Taiji optimiza recomendaciones industriales con LLM, equilibrando semántica e IDs de usuario. Resultados reales en Kuaishou.
#aprendizaje por refuerzo
Sintetizar y Recompensar: Aprendizaje por Refuerzo para Herramientas Multi-Paso
Descubre PROVE: recompensas programáticas para mejorar el uso de herramientas multi-paso en LLMs. Resultados en BFCL, tau2-bench y T-Eval.
Aprendizaje por refuerzo con agente autorrefinado para navegación UAV con visión
AgenticRL usa un agente GPT para diseñar recompensas y refinar la navegación UAV con visión, logrando un 91% de éxito real y un 94% de precisión sim-real.
Assistax: Benchmark de RL multiagente acelerado por hardware para robótica asistencial
Conoce Assistax, un benchmark open-source que acelera el entrenamiento de robots asistenciales con RL multiagente usando JAX. Hasta 370x más rápido que alternativas CPU.
Portero humano con aprendizaje por refuerzo eficiente en fútbol
Nuevo método de aprendizaje por refuerzo crea porteros humanos en EA Sports FC 25. Supera a la IA nativa un 10% y entrena 50% más rápido.
SHARP: ¿Quién merece la recompensa en sistemas multiagente?
Descubre SHARP: optimización con crédito Shapley para sistemas multiagente. Mejora resultados un 23% frente a métodos tradicionales. ¡Aprende más!
ASAP: Cómo mejorar la generalización en optimización combinatoria con IA
Descubre ASAP, un marco de IA que mejora la generalización en optimización combinatoria mediante adaptación rápida. Ideal para 3D-BPP, TSP y VRP.
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
Descubre ACC-MARL: un nuevo enfoque de aprendizaje por refuerzo multiagente que utiliza autómatas para coordinar tareas complejas de forma óptima y eficiente.
Escalando MARL para Seguimiento Acústico Submarino con Vehículos Autónomos
Descubre cómo aceleración GPU 30,000x y Transformers entrenan flotas de vehículos autónomos para seguimiento acústico submarino con errores <5m.
Aprendizaje por refuerzo robusto con currículo para UAV en entornos hostiles
Novedoso aprendizaje por refuerzo robusto con currículo adaptativo protege UAV contra suplantación GNSS, logrando 100% éxito.
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 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.