EnvRL: Aprendizaje por Refuerzo Agentivo con Dinámicas del Entorno
Descubre EnvRL, un marco que mejora el aprendizaje por refuerzo agentivo al integrar dinámicas del entorno. Logra tasas de éxito superiores en ALFWorld y
#benchmarks de agentes
Fortalecimiento de benchmarks de agentes con bucles hacker-fixer
Descubre cómo el bucle hacker-fixer protege benchmarks de agentes contra reward hacking, eliminando el 100% de exploits en KernelBench. Una solución