Sangue e Grafi: Enseñando a un modelo pequeño a leer el linaje
Un modelo de solo 4B parámetros supera a los gigantes en puzzles de herencia gracias a ontologías ejecutables. La estructura entrenable es la clave. ¡Pruébalo!
#recompensa
ProFact: Optimización multi-etapa de verificación de hechos con RL agéntico
Descubre cómo ProFact optimiza la verificación de hechos multi-etapa con aprendizaje por refuerzo agéntico y recompensas de proceso. ¡Lee más!
ReSum: Sinergia entre Razonamiento y Resumen de LLMs con RL
Descubre cómo ReSum, un nuevo marco de RL, mejora el razonamiento de LLMs un 4% y reduce el largo de las cadenas un 18.6% mediante auto-resúmenes.
ReSum: Sinergizando Razonamiento de LLM y Resumen con Aprendizaje por Refuerzo
Descubre ReSum, que combina aprendizaje por refuerzo y autosummarización para mejorar el razonamiento de LLMs reduciendo su longitud en un 18.6%.
Modelado de Recompensa para Orquestación Multi-Agente
Descubre OrchRM, un marco auto-supervisado que mejora hasta 10x la eficiencia de tokens y un 8% la precisión en orquestación multi-agente sin anotaciones humanas.
EurekAgent: Ingeniería del entorno para descubrimiento científico autónomo
Descubre cómo EurekAgent revoluciona el descubrimiento científico autónomo mediante ingeniería del entorno, logrando récords con menos de $11 en costos de API. ¡Lee más!
ReCal: Calibración de recompensas para enrutamiento de LLMs con RL
ReCal calibra recompensas para enrutamiento de LLMs con RL, mejorando asignación de crédito y reduciendo sesgos. Aumenta rendimiento y estabilidad.
De lo digital a lo físico: Agentes digitales autónomos como entrenadores
Los agentes autónomos de IA superan en un 26.5% a los ingenieros humanos en el diseño de políticas robóticas, según el benchmark EmboCoach-Bench.
CMI-RewardBench: Evaluación de modelos de recompensa musical multimodal
Descubre cómo CMI-RewardBench evalúa modelos de recompensa musical con instrucciones multimodales, mejorando la generación y alineación de música con IA.
Optimización Estocástica Eficiente mediante Monte Carlo Secuencial
Descubre cómo el Monte Carlo Secuencial optimiza funciones con gradientes intratables, reduciendo costos computacionales y mejorando la eficiencia en machine learning y estadística.
ProcessThinker: mejora el razonamiento multimodal con recompensas de proceso
ProcessThinker mejora el razonamiento multimodal mediante recompensas de proceso paso a paso, sin entrenar un PRM. Supera en benchmarks de video.
Progreso de compresión con signo en auditoría sellada: resistente a Goodhart
La compresión con signo en auditoría sellada resiste la ley de Goodhart. Descubre cómo asegura aprendizaje genuino sin sobreajuste.
Optimización Pass@K: resuelve problemas complejos de RL
Optimiza problemas complejos de RL con PKPO. Aprende cómo esta técnica mejora pass@k y pass@1, impulsando la exploración y el rendimiento colectivo.
Optimización de políticas Pass@K: Resolviendo problemas más difíciles de RL
Aprende cómo PKPO transforma la recompensa para optimizar conjuntos de muestras, resolviendo problemas de RL más difíciles con mejor exploración.
Phi-Actor-Critic: equilibrios Pareto-eficientes en juegos multiagente
Descubre cómo Phi-Actor-Critic optimiza el bienestar social en sistemas multiagente, logrando equilibrios eficientes mediante minimización de arrepentimiento y un crítico de atención centralizado.
Arquitectura del crítico: dual vs unificado en loco-manipulación humanoide
La arquitectura del crítico en RL para humanoides es clave: la crítica dual alcanza objetivos 3.5 veces más rápido y duplica la eficiencia frente a la unificada. Descubre por qué.
Gana $1000 en tarjetas de supermercado
Gana $1000 en tarjetas de supermercado con un proceso rápido y fácil. Oferta limitada. ¡Ahorra en tus compras hoy!
Los 7 mejores programas de fidelización en 2024
Conoce los 7 programas de lealtad más destacados de 2024. Obtén recompensas, descuentos y experiencias exclusivas con marcas como Adidas y Starbucks.
HIPIF: Planificación Jerárquica y Plegado de Información para Agentes LLM
Descubre cómo HIPIF optimiza agentes LLM mediante planificación jerárquica y plegado de información, reduciendo interferencias en tareas largas. Mejora el razonamiento y la toma de decisiones.
Role-Agent: Agentes LLM con evolución de doble rol
Role-Agent: un framework que impulsa agentes LLM mediante evolución de doble rol, mejorando el rendimiento en más de un 4%.