Diagnóstico de fallos en colaboración visual con recursos limitados
Descubre cómo estado compartido amplifica alucinaciones en agentes visuales limitados. Dos modos de fallo y marco CoSee para mejorar la fiabilidad comunicativa.
#refuerzo
Abstracciones con Answer-Set Programming para Aprendizaje por Refuerzo
Exploramos cómo ASP crea abstracciones potentes para Reinforcement Learning usando el framework CARCASS. Casos en Blocks World y Minigrid.
Monte Carlo secuencial reforzado para muestreo amortizado
Descubre cómo el Monte Carlo secuencial reforzado mejora el muestreo amortizado de distribuciones complejas. Entrenamiento off-policy y temperado adaptativo para mayor precisión.
Aprendizaje por refuerzo multiagente escalable con restricciones
Descubre cómo el aprendizaje por refuerzo multiagente escalable resuelve restricciones globales mediante consenso distribuido, superando limitaciones de CTDE.
Modelado latente de compañeros en modelos mundiales para MARL
¿Cómo mejoran los modelos mundiales con teoría de la mente la coordinación multiagente en entornos parcialmente observables?
Pronosticadores GPU: Modelos de lenguaje como sustitutos selectivos
Los LLMs pueden pronosticar el rendimiento de kernels GPU funcionando como sustitutos selectivos. Esto permite explorar más candidatos y hallar kernels más rápidos con menor costo de medición.
Reutilización de habilidades como compresión en RL agentivo
ReuseRL aplica el principio de compresión para que agentes de IA generalicen mejor. Aumenta el éxito en ALFWorld y TextWorld. ¡Descúbrelo!
LongTraceRL: Razón de largo contexto con recompensas de rúbrica
LongTraceRL mejora el razonamiento en contexto largo usando recompensas de rúbrica y distractores por niveles desde trayectorias de agentes de búsqueda.
Inferir eventos de series temporales con modelos de lenguaje
Descubre cómo los modelos de lenguaje infieren eventos a partir de series temporales usando datos deportivos. Un nuevo benchmark y técnicas de destilación mejoran el rendimiento.
Notas sobre Aprendizaje por Refuerzo Inverso Offline y DDC
Descubre cómo dos comunidades unifican enfoques para recuperar recompensas desde datos offline. Análisis de identificación y algoritmos IRL/DDC.
Colapso Cero: fallo de gradientes de política en recompensas discontinuas
El 'colapso cero' es un fallo crítico en métodos de gradiente de política en subastas. Aprende a evitarlo con estrategias prácticas de inicialización y arquitectura.
Automatización de verificación formal con RL e inferencia recursiva
Aprendizaje por refuerzo e inferencia recursiva automatizan verificación formal. Logros: del 2% al 58% en Dafny y mejoras en Lean.
SDM-Q: Aprendizaje por refuerzo con coste para clasificación multi-ómica
Descubre cómo SDM-Q usa aprendizaje por refuerzo para clasificar enfermedades con menos datos ómicos, reduciendo costes y manteniendo precisión.
Desafíos del aprendizaje por refuerzo en sistemas energéticos industriales
Analizamos los desafíos del RL en sistemas energéticos reales: observabilidad, diseño de acciones, recompensa y la brecha simulación-realidad.
Convergencia de aproximaciones bi-escala markovianas en RL
Descubre cómo se demuestra la convergencia de algoritmos bi-escala bajo ruido markoviano, un avance clave para el aprendizaje por refuerzo off-policy.
Aprendizaje por Refuerzo Distribucional Multivariante mediante Divergencias Cortadas
Descubre SDRL, un nuevo método de aprendizaje por refuerzo distribucional que usa divergencias cortadas para manejar distribuciones multivariantes. Mejora en juegos Atari y entornos complejos.
Aprendizaje por Refuerzo de Supervivencia: Hacia RL Auto-Supervisado Escalable
Descubre cómo Survival RL supera el dilema del contraste, logrando 2x a 8x mejor rendimiento en robótica de largo plazo. ¡Auto-supervisado y escalable!
Convergencia no asintótica de algoritmos estocásticos: marco de Lyapunov
Descubre cómo el marco de Lyapunov permite analizar la convergencia en tiempo finito de algoritmos estocásticos como Q-learning y SGD. Ideal para IA y RL.
Convergencia no asintótica de algoritmos estocásticos: marco de Lyapunov
Descubre cómo las funciones de Lyapunov permiten analizar la convergencia finita de algoritmos estocásticos en aprendizaje automático y refuerzo.
Aprendizaje por refuerzo multiobjetivo con restricciones y criterio max-min
Descubre cómo el nuevo marco MORL con criterio max-min logra equidad y cumple restricciones en control térmico, locomoción y tráfico. ¡Optimiza decisiones multiobjetivo!