Traj-Evolve: Sistema multiagente autoevolutivo para detección de cáncer pulmonar
Traj-Evolve: un sistema autoevolutivo que mejora la detección temprana del cáncer de pulmón usando IA.
#aprendizaje por refuerzo
EvoTrainer: Coevolución de políticas LLM y arneses
Descubre EvoTrainer, un marco que coevoluciona políticas LLM y arneses de entrenamiento para superar al RL humano en tareas complejas de software.
Clarificación consciente de incertidumbre en agentes LLM
Aumenta un 3.7% la eficacia de agentes LLM con clarificación inteligente. Solo 0.3 interacciones extra. Optimiza tareas y reduce errores.
ThoughtFold: Plegado de Cadenas de Razonamiento con Aprendizaje Introspectivo
Descubre ThoughtFold, un framework que elimina exploraciones redundantes en modelos de razonamiento, reduciendo tokens hasta un 56% sin perder precisión.
Entropía no es suficiente: aprendizaje por refuerzo visual con tokens anclados
La entropía falla en RL visual: VEPO selecciona tokens visual-informativos y supera en hasta 3.15 puntos. Descubre cómo.
Margin Play: sistema multiagente para análisis de políticas en el Margen Ecuatorial Brasileño
Descubre cómo Margin Play usa MARL para analizar políticas públicas en el Margen Ecuatorial Brasileño y su impacto en el bienestar de Maranhão.
FSA-GRPO: Cómo entrenar LLMs auditivos con pocos ejemplos
Descubre cómo FSA-GRPO entrena modelos auditivos con aprendizaje por refuerzo para mejorar el reconocimiento de voz usando pocos ejemplos.
El exceso de sim2real puede perjudicar el aprendizaje de políticas: cómo evitarlo
¿Demasiado sim2real? Aprende cómo el nuevo paradigma sim2sim2real evita el bloqueo del simulador y mejora la exploración de políticas.
Guía local, impacto global: Región de confianza gaussiana
GTR: región de confianza Gaussiana para transiciones de comportamiento en aprendizaje por refuerzo no estacionario. Ideal para juegos, robótica y más.
Límites de arrepentimiento dependientes de datos y varianza en MDPs tabulares
Algoritmos que logran límites de arrepentimiento adaptativos a datos y varianza en MDPs tabulares online, óptimos en entornos adversariales y estocásticos.
Representaciones Laplacianas para Planificación en Tiempo de Decisión
Descubre cómo las representaciones Laplacianas mejoran la planificación en tiempo de decisión en RL, descomponiendo problemas complejos en subobjetivos. El algo
Estrategia Minimax Óptima para Observaciones Retrasadas en Aprendizaje por Refuerzo Online
Descubre la estrategia Minimax óptima para RL con observaciones retrasadas. Logra cotas de arrepentimiento ajustadas en MDPs tabulares.
Corrección cuántica autónoma de errores vía aprendizaje por refuerzo profundo
El aprendizaje por refuerzo profundo con currículo descubre códigos bosónicos óptimos para corrección cuántica autónoma, superando pérdidas de fotones.
LC-SAC: Control de trayectorias con Lyapunov y Koopman
Descubre LC-SAC, un algoritmo de RL que garantiza estabilidad en sistemas críticos usando Lyapunov y Koopman. Ideal para control de drones.
Apuestas adaptativas para pruebas con horizonte temporal
Descubre cómo un agente DQN aprende a apostar óptimamente en pruebas con horizonte, superando a métodos clásicos. Optimiza tus pruebas.
Conjunto semi-algebraico de valor en POMDPs
Aprende cómo el conjunto semi-algebraico de la función de valor en POMDPs revela una geometría no lineal y maximizadores locales.
Robustez post-hoc para aprendizaje por refuerzo basado en modelos
Mejora la robustez de agentes de RL en inferencia sin entrenar, usando control predictivo con rollouts adversariales y mitigando problemas fuera de distribución.
Verificación condicionada por confianza en RL en tiempo de prueba
Descubre cómo TTRL-CoCoV mejora Pass@k y Pass@1 en razonamiento complejo sin etiquetas, usando verificación condicionada por confianza.
Optimización con herramientas y entropía para RL agente eficiente
Descubre TAO-RL, el nuevo marco que combina filtrado de trayectorias con exploración guiada por entropía para optimizar el razonamiento de LLMs con herramientas. Mejora la eficiencia y precisión.
Intercambio de curación humana por aumentación sintética en RLVR
Descubre cómo la aumentación sintética de tareas sustituye la curación humana en RLVR, reduciendo costos sin perder rendimiento en benchmarks de código y razonamiento.