Destilación Constitucional Segura en Política
Descubre cómo COPSD logra un mejor equilibrio entre seguridad y utilidad en modelos de IA, reduciendo el costo de la seguridad en razonamiento general.
#política
OmniDreams: Modelo Generativo de Mundo para Simulación de Vehículos Autónomos
Descubre cómo OmniDreams, el modelo generativo de NVIDIA, revoluciona la simulación de vehículos autónomos en tiempo real con escenarios de conducción.
Mecanismos de salud con búsqueda de Policy-as-Code y respuesta estratégica
Optimiza mecanismos sanitarios con Policy-as-Code y simulación multiagente. Un programa evolutivo elimina la sobrecodificación y reduce rechazos. ¡Descubre cómo!
Destilación de feedback de LLM para demostración de teoremas en Lean
Aprende sobre Feedback Distillation, un método que mejora la demostración de teoremas en Lean4 superando al GRPO. Incrementa diversidad y eficiencia en el entrenamiento de modelos de razonamiento.
Optimización de políticas con recompensas híbridas eficientes en energía
Descubre cómo H-EARS mejora eficiencia energética y estabilidad en RL con recompensas híbridas guiadas por física. Resultados en benchmarks y simulaciones.
Actor-Critic convergente para MARL mediante aversión al riesgo
Descubre un algoritmo Actor-Critic que converge globalmente en juegos multiagente incorporando aversión al riesgo. Garantías de muestra finita y superioridad sobre métodos neutrales al riesgo.
IAPO: Optimización de Políticas Informada para Razonamiento Eficiente en Tokens
Descubre IAPO: asigna ventajas a cada token según información mutua. Reduce razonamiento hasta 36% sin perder precisión. Optimiza tus modelos de lenguaje.
Razonamiento visual con RL potenciado por intervención adversarial selectiva de entropía
Descubre cómo SaEI mejora el razonamiento visual en modelos de lenguaje-visión mediante intervención adversarial de entropía, aumentando la exploración y diversidad de respuestas en RL.
Trump firma orden ejecutiva de IA que podría elegir ganadores y perdedores
Trump firma orden ejecutiva de IA que permite al gobierno revisar modelos y seleccionar socios de confianza. Expertos alertan sobre favoritismo.
Identifica claves KMS de AWS no usadas y evita borrados accidentales
Descubre cómo identificar claves KMS no utilizadas en AWS y evitar borrados accidentales con la nueva API GetKeyLastUsage. Aprende a auditar y optimizar costos de manera sencilla.
Optimización de políticas sin valor mediante partición de recompensas
Descubre RPO, un método que elimina la función de valor en optimización de preferencias. Más estable, diverso y con menos toxicidad que DRO y KTO. Ideal para alinear LLMs.
El razonamiento latente en TRMs es un operador de mejora de política
En TRMs, el razonamiento latente actúa como operador de mejora de política. Con RL y difusión, reducimos 18x los pasos.
Internalizar la temperatura: autodestilación para recalentar políticas en RL
Descubre cómo TS-OPSD recalienta políticas en RL sin profesor externo, restaurando entropía colapsada para mejorar el razonamiento de LLMs.
Aprendizaje por imitación sin entrenamiento con políticas de difusión cerradas
Aprendizaje por imitación sin entrenamiento: políticas de difusión cerradas logran inferencia en tiempo real en CPU móvil con rendimiento competitivo.
SEArch: Selección optimista de políticas para búsqueda con radar UAV
SEArch reduce hasta un 30% el regret en búsqueda con radar UAV seleccionando dinámicamente la mejor política entre ruido y deriva.
Difusión Discreta VLA: Decodificación Adaptativa de Acciones Robóticas
Descubre cómo Difusión Discreta VLA decodifica acciones robóticas con orden adaptativo y corrección de errores. 96.4% éxito en LIBERO.
Relación señal-ruido no uniforme en REINFORCE
Descubre cómo la relación señal-ruido no uniforme en el estimador REINFORCE causa inestabilidad y colapso durante el entrenamiento en RL.
Transferencia Sim-to-Real con Redes de Actuadores Generalizadas
Primera transferencia sim-to-real exitosa para brazo robótico con músculos artificiales usando GenAN.
Aprendizaje automatizado de políticas para bienestar no lineal
Descubre un nuevo método de aprendizaje de políticas para bienestar no lineal con datos observacionales y corrección de sesgo vía reweighting.
Aprendizaje de bandidos robustos con mecanismos causales inciertos
Descubre cómo evaluar y aprender políticas de bandidos robustas frente a mecanismos causales inciertos usando modelos SEM. Optimiza tus decisiones con IA.