Últimos artículos para Agentes

Una mirada a cómo estos sistemas guían las interacciones de los agentes.

Nuevos métodos mejoran la comprensión del comportamiento de los agentes artificiales a través de la síntesis de programas.

La investigación muestra que los agentes artificiales pueden entender y actuar en tareas de lenguaje de manera efectiva.

Una nueva arquitectura diseñada para mejorar la equidad en los procesos de recomendación.

La investigación explora cómo los agentes entienden su entorno a través de la interacción y la acción.

Nueva fuente de datos mejora los modelos de aprendizaje automático en tareas de razonamiento.

Estudiando cómo varios robots pueden moverse en formación para ser más eficientes.

Un marco que utiliza enmascaramiento aleatorio mejora la predicción de los movimientos de vehículos y peatones.

Este artículo habla sobre la optimización distribuida de auto-sanación para una resiliencia efectiva en redes.

Este artículo habla sobre cómo usar el lenguaje natural para ayudar a las computadoras a aprender en tareas complejas.

El nuevo marco SurrealDriver mejora la simulación de agentes de conducción para entornos urbanos.

Investigación sobre un agente gerente para una delegación efectiva de tareas entre humanos y IA.

Un nuevo enfoque para compartir datos de manera segura, asegurando la privacidad y el cumplimiento.

SpeechAgents mejora la comunicación de IA con voz y señales para interacciones más realistas.

Los transformers mejoran la planificación de rutas y el mapeo cognitivo en entornos complejos.

Un nuevo enfoque para fábricas inteligentes centradas en las personas a través de la ontología SemIoE.

Examinando cómo factores externos influyen en las opiniones en grupos donde chocan las opiniones mayoritarias y las contrarias.

Aprende cómo el backbone de controlabilidad ayuda a manejar agentes en red de manera efectiva.

ModaVerse simplifica cómo transformamos e interpretamos diferentes tipos de datos.

Un nuevo enfoque simplifica la creación de enjambres robóticos para varias tareas.

Aprende cómo los agentes exploran redes sin chocar en visibilidad limitada.

Un estudio revela cómo un entrenamiento variado mejora la adaptabilidad de los agentes de RL en entornos cambiantes.

La investigación explora un método para formar formas complejas con piezas simples.

Descubre cómo los agentes pueden mejorar los modelos base para obtener mejores resultados de IA.

Este documento habla sobre el papel de los LLMs en el análisis de series temporales.

Explora cómo el aprendizaje por refuerzo offline mejora la toma de decisiones a través del análisis de experiencias pasadas.

Este estudio investiga cómo los sesgos en los LLMs afectan las simulaciones de interacción humana.

Un nuevo método mejora los motores de búsqueda usando imágenes para sugerencias de consultas.

Este artículo habla sobre cómo mejorar el aprendizaje de agentes en entornos conectados a través de un nuevo modelo.

Un nuevo marco mejora el aprendizaje a pesar de la falta de retroalimentación.

Un nuevo enfoque para las negociaciones en la nube mejora la asignación de recursos y reduce costos.

Estrategias para reasignar agentes de manera eficiente a trabajos de alta prioridad.

Este artículo examina la amenaza de ataques encubiertos en agentes de modelos de lenguaje.

Un estudio muestra que los agentes de IA pueden polarizarse en entornos parecidos a cámaras de eco.

Este estudio examina los contratos entre los principales y los agentes de aprendizaje a través de interacciones repetidas.

Investigando contratos y el rendimiento de los agentes en situaciones de contratación repetida.

Una mirada a cómo las inspecciones mejoran el rendimiento de los contratos y la motivación de los agentes.

Un nuevo modelo para analizar cómo los sesgos afectan las opiniones en las redes sociales.

Un nuevo conjunto de datos mejora la capacidad de los agentes computacionales para realizar varias tareas.

La investigación muestra que los métodos de regularización general mejoran el rendimiento de los agentes de RL off-policy en varias tareas.