Últimos artículos para Agentes

Un estudio examina la comunicación y la enseñanza en sistemas de agentes bajo diferentes modelos de gobernanza.

Examinando cómo las interacciones estratégicas afectan el rendimiento de los modelos de aprendizaje automático.

Un método para que los agentes estimen funciones sin compartir datos directamente.

GPT-4 demuestra su capacidad para interactuar con el clásico juego DOOM.

Abordando la sobreestimación del valor y el sesgo de primacía para mejorar el rendimiento del agente.

Un nuevo enfoque para entender la dinámica del mercado cripto a través de técnicas de modelado avanzadas.

Explora soluciones para que los agentes se muevan por espacios compartidos sin chocar.

Explorando cómo el deep learning nos ayuda a estudiar la aparición del lenguaje.

Optimizando el comportamiento de los agentes a través de normas y sanciones en sistemas complejos.

MA4DIV mejora los resultados de búsqueda en línea al aumentar la diversidad de documentos a través de un enfoque multi-agente.

Un nuevo método mejora el entrenamiento de coches autónomos a través de una interacción parecida a la humana.

Un nuevo método mejora la colaboración entre agentes en entornos de aprendizaje diversos, manteniendo la privacidad de los datos.

Un nuevo marco que ayuda a la investigación en el complicado mercado del arte.

Un estudio explora cómo los modelos de lenguaje trabajan con los humanos y entre ellos para completar tareas.

Un sistema que ayuda a los robots a detectar y arreglar fallos en las tareas en tiempo real.

Una mirada a cómo los agentes adaptan su aprendizaje para recolectar comida.

Examinando cómo los agentes y los principales comparten info sobre métricas de rendimiento.

Un marco que usa agentes le da a los usuarios el poder de manejar la seguridad y las preferencias de privacidad de IoT.

Los algoritmos de consenso por modo agilizan el acuerdo en sistemas multiagente de manera eficiente.

Explora cómo reglas básicas pueden ayudar a los agentes a navegar laberintos con información mínima.

Un enfoque en métodos para evaluar y mejorar el rendimiento de los agentes digitales.

Este estudio aborda los desafíos en las estrategias de pujas utilizando monedas artificiales.

Este trabajo presenta una estrategia para que los agentes diagnostiquen y resuelvan problemas de forma independiente.

Explorando maneras efectivas de ubicar instalaciones de servicios según la demanda de los usuarios.

Un sistema que simula batallas para revelar las experiencias de los soldados.

Este artículo habla sobre estrategias para encontrar agujeros negros en redes.

EasyLAN simplifica el desarrollo de redes LLM colaborativas para tareas complejas.

Descubre cómo el Q-Learning Recursivo hacia Atrás mejora la toma de decisiones en la IA.

Un método para que los agentes mantengan formas con mínima comunicación.

Este artículo examina los problemas de confianza en equipos de robots para la recolección de datos de forma confiable.

Aprende cómo los grupos de agentes pueden llegar a un acuerdo a pesar de tener miembros poco confiables.

Explora principios económicos a través de ideas científicas simples para tener una mejor comprensión.

Explorando cómo se desarrolla la confianza en las interacciones entre humanos y agentes con el tiempo.

Un nuevo método mejora la eficiencia del entrenamiento de machine learning mientras protege la privacidad de los datos.

WorkBench prueba la habilidad de los agentes para realizar tareas de oficina realistas con un método de evaluación único.

Descubre cómo la ingeniería de la percepción crea experiencias creíbles a través de la manipulación sensorial.

Un nuevo método asegura la privacidad mientras permite compartir recursos de manera eficiente entre agentes.

Nuevo algoritmo mejora el aprendizaje en tareas del mundo real sin reinicios.

Presentamos T-PoP, un método para comprobar la ubicación con enfoque en la privacidad.

Los agentes toman decisiones en un entorno de múltiples agentes usando predicciones para obtener mejores resultados.