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.
#mpe
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!
Soluciona problemas de micrófono y cámara tras instalar FFmpeg
¿Micrófono o cámara no funcionan tras instalar FFmpeg? Solución paso a paso: deshabilita servicios, actualiza controladores y más. Recupera tu audio y video.
Reino Unido obliga a Google a permitir exclusión de búsqueda con IA
La CMA del Reino Unido obliga a Google a dar control a editores sobre su contenido en funciones de IA como AI Overviews. Descubre los detalles.
Reino Unido impone reglas a Google para proteger a los editores
La CMA impone nuevas reglas a Google Search: los editores podrán negociar y optar por no participar en AI Overviews. Descubre los detalles.
CoMPAS3D: Dataset y Benchmark para Movimiento Interactivo en Robótica Social
Descubre CoMPAS3D, el dataset de captura de movimiento de salsa que permite evaluar robots humanoides en interacciones sociales con métricas objetivas.
¿De quién es el nombre? II: Auditoría de recomendaciones de académicos con LLM
Descubre cómo evaluamos la recomendación de expertos académicos con LLM, analizando intervenciones como temperatura, RAG y sesgos. Resultados sorprendentes.
CodeHacker: generación automatizada de pruebas para detectar vulnerabilidades
CodeHacker genera pruebas adversariales para detectar vulnerabilidades en soluciones de programación competitiva. Mejora benchmarks y entrena modelos de IA.
RESCAST-100K: Dataset completo para predicción de carga y temperatura en hogares
Dataset RESCAST-100K: 100,000 hogares simulados para predicción de carga y temperatura. Ideal para transferencia de aprendizaje y adaptación de dominio.
HARVE: Edición Robusta del Vector de Cabeza de Recompensa
Descubre HARVE, método sin entrenamiento que edita el vector de cabeza de recompensa para proteger modelos de lenguaje del hackeo, manteniendo su rendimiento.
HARVE: Edición de Vector de Recompensa para Robustez ante Hacking
Descubre HARVE, un método sin entrenamiento que edita el vector de recompensa para eliminar el reward hacking en modelos de lenguaje. Mejora robustez sin perder capacidad.
Alinear estados ocultos verificados mejora razonamiento en RL
Hidden-Align alinea estados ocultos verificados para mejorar el razonamiento en RL, logrando hasta 6.2 puntos de mejora en benchmarks.
El acierto hace la fuerza: alinear estados ocultos para RL
Hidden-Align alinea estados ocultos en modelos de lenguaje, mejorando el razonamiento matemático hasta un 6.2% en benchmarks. Técnica innovadora de RL.
Gobernanza multiagente para adaptación online de modelos termohidráulicos
Un sistema multiagente con validación por compuertas reduce un 19% el error en predicciones termohidráulicas bajo cambios de régimen operativo. Descubre cómo.
GEAR: Mitigando la propagación de crédito falso en RL con rubricas
GEAR mitiga la propagación de crédito falso en RL con rubricas, logrando mejoras del 15.5% y reduciendo errores un 96.5%. Conoce cómo.
Mitigación del Crédito Falso en RL con Rúbricas
GEAR soluciona la propagación de crédito falso en RL con rúbricas mediante agregación gráfica probabilística. Logra mejoras de hasta 15.5% en HealthBench, WritingBench y PLawBench.
Skill-RM: Unificando Criterios Heterogéneos con Habilidades de Agente
Skill-RM unifica criterios heterogéneos usando habilidades de agente para optimizar LLMs en entrenamiento posterior. ¡Prueba el nuevo modelo!
Métricas de equidad en DRL para descubrimiento de fármacos
Descubre cómo medir la equidad en deep reinforcement learning para descubrimiento de fármacos en salud, evaluando sesgos en datos, recompensas y diversidad química.
DriftSched: Programación adaptativa de QoS para inferencia GPU multiinquilino
DriftSched optimiza la programación GPU multi-inquilino con compensación adaptativa de deriva de tokens, reduciendo latencia un 42% y mejorando QoS.
Rompiendo el ciclo de autoconfirmación en RL autorrecompensante
Descubre cómo evitar el sesgo sistémico en RL auto-recompensante y mejorar el rendimiento de LLMs con nuestro método RLER. ¡Lee aquí!