Estimaciones de ventaja para gradientes de política Max@K
Descubre cómo MaxPO optimiza el post-entrenamiento de LLMs con una nueva línea base Leave-Two-Out que centra la ventaja y reduce la varianza del gradiente.
#razonamiento
PEEL: Andamio semiótico para investigación con IA responsable
La IA erosiona la responsabilidad epistémica. PEEL propone un andamio semiótico usando Voyant Tools y Claude para restaurarla. Conoce las implicaciones.
Consenso insuficiente: desacuerdo en trazas de razonamiento como señal
El consenso no basta. El desacuerdo en trazas de razonamiento es una señal valiosa para la representación del conocimiento en sistemas multiagente. Aplícalo en moderación de contenido.
VAMPS: Benchmark de resolución matemática con gráficos
Descubre VAMPS, un benchmark que revela por qué los modelos de IA rinden mejor sin herramientas visuales al resolver problemas matemáticos. Resultados sorprendentes.
No todos los errores son iguales: asignación de cómputo según consecuencias
Asigna cómputo según el costo real de errores, no solo dificultad. Reduce pérdidas hasta 33% con método consciente de consecuencias.
Razonamiento Científico con LLMs para Decisiones basadas en Simulación
Aprende cómo MechSim permite a los LLMs razonar sobre simuladores, logrando explicaciones transparentes y decisiones más fiables en entornos críticos.
SCI-PRM: Un modelo de recompensa de proceso para verificación científica
Descubre cómo Sci-PRM, un modelo de recompensa consciente de herramientas, mejora la verificación científica en biología, química y física.
Representación intermedia normativa para razonamiento de cumplimiento con ASP
Descubre cómo MONIR optimiza el razonamiento de cumplimiento normativo con ASP. Aplicación real en ADAS con LLM.
MIRAGE: Agentes móviles con razonamiento implícito y modelos generativos
MIRAGE permite a agentes móviles razonar internamente sin largas cadenas, reduciendo tokens hasta un 75% y mejorando precisión en interfaces.
FALSIFYBENCH: Evaluando razonamiento inductivo en LLMs con juegos de reglas
FALSIFYBENCH evalúa el razonamiento inductivo en LLMs, destacando que los modelos que buscan falsificar sus hipótesis obtienen mejores resultados.
R-APS: Búsqueda Adversarial Pareto Reflexiva para Diseño Restringido
R-APS: combina razonamiento composicional y meta-aprendizaje para diseño restringido, mejorando robustez y eficiencia. ¡Descúbrelo!
AgenticDiffusion: Navegación UAV con difusión y visión multiángulo
Descubre AgenticDiffusion: un marco que combina razonamiento lingüístico, visión multiángulo y difusión para lograr un 80% de éxito en navegación UAV en interiores.
Aprendizaje por Refuerzo desde Retroalimentación Rica con DAgger Distribucional
Descubre DistIL: aprendizaje por refuerzo con retroalimentación rica para razonamiento, código y matemáticas. ¡Lee más!
Aprendizaje por Refuerzo con Retroalimentación Enriquecida usando DAgger Distribucional
Descubre cómo DistIL optimiza el aprendizaje por refuerzo usando retroalimentación rica (trazas, correcciones, autoevaluación) para mejorar en razonamiento, código y matemáticas.
Comunicación streaming en razonamiento multiagente
Descubre cómo el streaming en el razonamiento multiagente reduce latencia y mejora precisión. Con StreamMA, cada paso se transmite en tiempo real.
StreamMA: Comunicación en streaming en razonamiento multiagente
Descubre StreamMA, el sistema de razonamiento multiagente que transmite pasos en streaming para reducir latencia y mejorar precisión. ¡+7.3 pp en benchmarks!
Contexto más largo, razonamiento más profundo
Descubre cómo mejorar la capacidad de contexto largo en modelos de lenguaje antes del fine-tuning supervisado incrementa significativamente la precisión en tare
Contexto largo y razonamiento profundo en modelos de lenguaje
Mejora el razonamiento de tu IA entrenando en contexto largo. Estudio revela beneficios incluso en entradas cortas. ¡Descubre cómo!
Alineando preferencias implícitas profundas mediante razonamiento defensivo
Alinea modelos de lenguaje con preferencias implícitas usando razonamiento defensivo y aprendizaje por refuerzo. CDRA mejora personalización y seguridad.
Alineando preferencias profundas mediante razonamiento defensivo
Descubre cómo CDRA alinea LLMs con las preferencias ocultas de los usuarios mediante razonamiento defensivo y crítico. Mejora personalización y seguridad.