El problema del auto-bloqueo de información en RL para agentes LLM
Descubre cómo el auto-bloqueo de información afecta el razonamiento activo de agentes LLM y cómo el método AREW lo mitiga, logrando mejoras de hasta 60 puntos.
#reweighting
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.