WRIT: Trayectorias intensivas en escritura-lectura para agentes multi-turno
WRIT genera trayectorias sintéticas para entrenar agentes multi-turno con decisiones basadas en evidencia, y con solo 2K ejemplos supera a GPT-5.1.
#razonamiento
MUSE: Un arnés agéntico unificado para MLLMs
Potencia MLLMs con MUSE, un arnés agéntico unificado que mejora tareas complejas sin reentrenar, usando verificación y reparación guiada.
ASymPO: Optimización Asimétrica para Post-Entrenamiento Asíncrono de LLMs
Descubre cómo ASymPO optimiza el post-entrenamiento asíncrono de LLMs sin probabilidades de comportamiento, mejorando estabilidad y rendimiento.
PhotoCraft: Razonamiento Agentivo con Memoria Jerárquica para Búsqueda Visual
Descubre PhotoCraft, un sistema de memoria jerárquica que potencia la búsqueda de imágenes con razonamiento agentivo, logrando mejoras de 18.5% en precisión.
VistaHop: Evaluando razonamiento multi-salto para Visual DeepSearch
Descubre VistaHop, el benchmark que evalúa el razonamiento visual multi-salto. Solo el 24% de aciertos revela grandes desafíos para la IA.
MAVEN: Generalización mejorada en llamadas a herramientas de agentes
Descubre cómo MAVEN, un scaffold ligero de verificación, mejora la generalización en agentes de IA, logrando un 71% de precisión sin entrenamiento adicional y a 1/10 del coste.
Reglas tipo grafo para razonamiento en KGs con modelos de difusión
Descubre cómo GRiD usa modelos de difusión y aprendizaje por refuerzo para generar reglas tipo grafo, mejorando el razonamiento en grafos de conocimiento con resultados competitivos.
SLAT: Recorte Adaptativo de Segmentos en Razonamiento CoT
SLAT: recorte adaptativo por segmentos reduce un 50% la longitud del razonamiento CoT sin perder precisión.
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.
BilliardPhys-Bench: evaluando el razonamiento físico de los LLM multimodales
BilliardPhys-Bench expone los límites de los LLM multimodales en razonamiento físico, revelando el 'sesgo de estasis' en predicciones de billar sintético.
Más allá de la memoria en tiempo de test: control óptimo para LLM
Descubre cómo la nueva capa TTC integra control óptimo en LLMs, mejorando el razonamiento matemático hasta un 27.8% en benchmarks como MATH-500. Una innovación
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.
REBot: De RAG a CatRAG con enriquecimiento semántico y enrutamiento por grafos
Descubre REBot, un chatbot impulsado por CatRAG que combina RAG y razonamiento con grafos para asesoramiento académico preciso. ¡Resultados de vanguardia!
Vectores funcionales multimodales para relaciones visuales
Descubre cómo los vectores de función multimodal permiten extraer y optimizar relaciones visuales en modelos de IA, mejorando el razonamiento sin necesidad de reentrenar.
LocalSearchBench: Evaluación de búsqueda agéntica en servicios locales reales
¿Sabías que los mejores modelos de IA solo aciertan el 35% en búsquedas locales? Descubre LocalSearchBench, el primer benchmark de búsqueda agéntica. ¡Entra!
ReasonBENCH: La inestabilidad del razonamiento en LLMs
ReasonBENCH revela: la inestabilidad en el razonamiento de LLMs no es ruido, es estructura. Un solo test puede engañar. ¡Evalúa con distribuciones!
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.
MulFeRL: Retroalimentación verbal para aprendizaje por refuerzo en multiturno
MulFeRL mejora el aprendizaje por refuerzo usando retroalimentación verbal en múltiples turnos para superar recompensas escalares y potenciar el razonamiento.
PolarMem: Memoria latente polarizada sin entrenamiento para VLMs verificables
PolarMem: sistema de memoria gráfica polarizada sin entrenamiento que verifica y reduce contradicciones en modelos de visión-lenguaje para un razonamiento multimodal confiable.
La estructura permite la autolocalización efectiva de errores en LLMs
La estructura permite a los LLMs localizar errores y autocorregirse. Thought-ICS logra un 20-40% de mejora.