Control de espacio de creencias para tratamiento personalizado del cáncer
Descubre cómo la inferencia activa optimiza tratamientos oncológicos personalizados, mejorando la eficacia bajo restricciones reales de medición y presupuesto.
#aprendizaje por refuerzo
Marco unificado multimodal para sistemas financieros inteligentes
Descubre el marco unificado: RL, trading de alta frecuencia y teoría de juegos con análisis multimodal. Mejoras del 31% en predicción y 23% en carteras.
Role-Agent: Agentes LLM con evolución de doble rol
Role-Agent: un framework que impulsa agentes LLM mediante evolución de doble rol, mejorando el rendimiento en más de un 4%.
Decodificación Bellman-Taylor para MDP con acciones estado-dependientes
La decodificación Bellman-Taylor optimiza políticas en MDP con acciones estado-dependientes, superando RL tradicional. Resultados óptimos en control de colas.
Self-EmoQ: Planificación emocional guiada por Plutchik para TTS en streaming
Explora Self-EmoQ: un sistema que usa aprendizaje por refuerzo y la rueda de Plutchik para decidir emociones y generar voz expresiva en tiempo real.
Modos de fallo del RL multiagente en precios asíncronos: diagnóstico y solución parcial
Estudio de fallos en RL multiagente para precios asíncronos: la asincronía reduce colusión un 48% y análisis de trazas. Solución parcial.
Consenso oculto: compresión de validez en feedback humano
El paper 'Hidden Consensus' revela cómo la agregación mayoritaria en RLHF oculta preferencias plurales. Descubre por qué la mayoría no mide alineación real.
Convergencia de la iteración optimista Monte Carlo: más allá de la uniformidad
Descubre cómo la iteración optimista Monte Carlo converge a la optimalidad con actualizaciones uniformes solo por acción. Un avance clave.
Dmsh: Marco de aprendizaje por refuerzo multiagente para mallas cuadrangulares
Descubre Dmsh, el primer marco de aprendizaje por refuerzo multiagente para generar mallas cuadrangulares de alta calidad de forma totalmente automatizada.
Aprendizaje rápido y expresivo para RL offline con Bootstrapped Flow Q-Learning
BFQ revoluciona el RL offline: genera acciones en un solo paso sin denoising, más rápido y expresivo que modelos de difusión. Mejora rendimiento en D4RL.
Aprendizaje por refuerzo basado en eventos en fabricación de semiconductores
Descubre cómo el aprendizaje por refuerzo basado en eventos optimiza el control a largo plazo en la fabricación de semiconductores, mejorando rendimiento y eficiencia.
Reciclaje de Consultas de Varianza Cero para Búsqueda Agéntica
Descubre cómo reciclar consultas de varianza cero en entrenamiento mejora eficiencia y rendimiento de búsqueda agéntica, logrando resultados sobresalientes.
Actualizaciones de objetivo duro promediadas geométricamente para Q-learning lineal
Descubre cómo el promedio geométrico de actualizaciones de objetivo duro estabiliza el Q-learning lineal. Un nuevo enfoque para mejorar el aprendizaje por refuerzo.
Más allá de la región de confianza uniforme por token en RL para LLMs
CPPO mejora la estabilidad y precisión del razonamiento en LLMs al superar las regiones de confianza uniformes. Nuevo enfoque de optimización.
Más allá de la confianza uniforme en tokens en RL para LLM
CPPO mejora el razonamiento de LLM al reemplazar la confianza uniforme por divergencia de prefijo acumulativa. Mayor estabilidad y precisión.
RoboNaldo: Tiro de fútbol humanoide preciso y potente con RL curricular
RoboNaldo logra tiros de fútbol humanoide precisos y potentes con RL curricular. Error reducido 48.6% y velocidad 2.96x.
RoboNaldo: Disparo Preciso y Estable en Fútbol Humanoide con RL Guiado por Movimiento
Descubre RoboNaldo, un novedoso marco de RL que logra disparos precisos y potentes en fútbol humanoide. Reduce el error un 48.6% y alcanza 13.10 m/s. ¡Lee más!
TRACE: Marco de asignación de presupuesto para RL agente eficiente
Descubre TRACE, un marco que optimiza la asignación de presupuesto de rollout en RL agente, mejorando el contraste de recompensas y la eficiencia en benchmarks.
TRACE: Marco de asignación de rollout para RL agente eficiente
Descubre cómo TRACE asigna presupuesto de rollout a nodos prometedores en RL agente multi-turno, mejorando contraste de recompensas y rendimiento.
Estimación de ventaja basada en representaciones: más que recompensa escalar
GraphAE usa representaciones ocultas del RM para estimar ventajas con grafos. Mejora el RLHF hasta +6.3 en Arena-Hard.