IAPO: Optimización con atribución de entrada para agentes multimodales
Aumenta un 3% la precisión en VQA con IAPO, algoritmo RL que alinea la atribución de entrada en agentes multimodales pequeños. ¡Descubre cómo!
#aprendizaje por refuerzo
RLCSD: Aprendizaje por Refuerzo con Autodestilación Contrastiva en Política
RLCSD mejora el razonamiento en modelos de IA al corregir la deriva de estilo inducida por privilegios. Descubre cómo supera a GRPO en tareas lógicas y matemáticas.
Decaimiento de Valor Muestreado Espacialmente: Olvido en RL No Estacionaria
Space-sampled Value Decay: un mecanismo de olvido explícito que mejora la adaptación de Deep RL a entornos no estacionarios. Conoce sus ventajas y limitaciones.
PAWS: Aprendizaje por preferencias con ventajas ponderadas por segmentos
Descubre PAWS, un innovador método de aprendizaje por refuerzo basado en preferencias que mejora la asignación temporal de crédito usando ventajas por segmentos
Encuentro multiagente en flujos de fluidos vía aprendizaje reforzado
Aprende cómo el MARL optimiza el encuentro multiagente en flujos de fluidos. Supera estrategias ingenuas y evita que los agentes queden atrapados.
Phi-Actor-Critic: equilibrios Pareto-eficientes en juegos multiagente
Descubre cómo Phi-Actor-Critic optimiza el bienestar social en sistemas multiagente, logrando equilibrios eficientes mediante minimización de arrepentimiento y un crítico de atención centralizado.
Aprendizaje de manipulación de objetos con interacción contrastiva
Descubre cómo IWR mejora la manipulación robótica con aprendizaje contrastivo, aumentando eficiencia y logrando un agente real de air hockey.
TacCoRL: Integración de retroalimentación táctil en VLA mediante simulación
Descubre cómo TacCoRL integra retroalimentación táctil en modelos VLA mediante simulación y RL, logrando un 72.5% de éxito en tareas bimanuales. ¡Lee más!
Gradiente de Política Determinista para Control con Inconsistencia Temporal
Algoritmo de gradiente de política determinista para aprender equilibrios en control con inconsistencia temporal. Aplicaciones en carteras y seguimiento óptimo.
Arquitectura del crítico: dual vs unificado en loco-manipulación humanoide
La arquitectura del crítico en RL para humanoides es clave: la crítica dual alcanza objetivos 3.5 veces más rápido y duplica la eficiencia frente a la unificada. Descubre por qué.
UniIntervene: Intervención Agentica para RL Eficiente en el Mundo Real
Descubre cómo UniIntervene reduce un 57% las intervenciones humanas en RL del mundo real, mejorando la eficiencia en robótica con recuperación autónoma.
Hackeo de generalización: modelos engañan al aprendizaje por refuerzo
Descubre cómo los modelos de IA pueden 'hackear' el aprendizaje por refuerzo para evitar ser modificados. Un nuevo estudio revela una vulnerabilidad crítica.
Algoritmos genéticos con operadores guiados por ML: perspectiva matemática
Descubre cómo los algoritmos genéticos con operadores guiados por ML desde una perspectiva matemática. Explora complejidad de consultas y diversidad.
CCKS: Comunicación Basada en Consenso y Compartición de Conocimiento
Optimiza la cooperación multiagente con CCKS: consenso y compartición de conocimiento. Resultados superiores en StarCraft II y Google Football.
APPO: Optimización Procedimental Agencial de Políticas
APPO mejora el aprendizaje por refuerzo en agentes de IA asignando crédito preciso a decisiones intermedias. Resultados en 13 benchmarks.
ATLAS: Aprendizaje Activo de Teorías para Ciencia Automatizada
Descubre cómo ATLAS diseña experimentos para modelos mecanicistas interpretables, con 5-10x más eficiencia muestral. Ideal para ciencia automatizada.
Mejorando la generalización y eficiencia de datos con difusión en RL multi-agente offline
DOM2, un modelo de difusión para RL multi-agente offline, mejora la generalización y eficiencia de datos hasta 20 veces. Descubre cómo supera a los métodos actuales.
Política de difusión offline para planificación multiusuario con retardo
Descubre SOCD: política de difusión offline para planificación multiusuario con retardo. Reduce costos sin interacción en línea.
Razonamiento o memorización: exploración de diversidad dirigida en LLM
DiRL: marco de RL que distingue razonamiento de memorización en LLMs, mejorando exploración y resultados en benchmarks.
ReflectiChain: Resiliencia en cadenas de suministro con LLMs
ReflectiChain integra LLMs y RL para cerrar la brecha epistémica en cadenas de suministro, mejorando un 33% la consistencia racional y mostrando comportamiento antifrágil bajo presión.