Últimos artículos para Agentes

Un método nuevo mejora la adaptabilidad de los agentes en diferentes entornos sin tareas específicas.

La investigación explora estrategias de comunicación para mejorar el trabajo en equipo entre agentes autónomos y humanos.

Investigación sobre cómo los agentes dañinos pueden corromper a los buenos agentes en el RL descentralizado.

Este estudio explora cómo los agentes se comunican a través de la imitación de señales útiles.

La investigación aborda el problema de búsqueda de agujeros negros en redes cambiantes.

Un estudio sobre cómo los agentes toman decisiones en entornos competitivos usando juegos de campo medio.

Un estudio sobre cómo ajustar agentes de control de computadoras para mejorar el rendimiento en las tareas.

Un método para seleccionar puntos de datos valiosos en sistemas distribuidos.

Este estudio examina cómo la curiosidad afecta la eficiencia en la exploración de agentes artificiales.

Evaluando las capacidades de razonamiento estratégico de los LLMs usando juegos diversos.

Un estudio sobre el uso de aprendizaje por refuerzo y medidas de seguridad para inspecciones de naves espaciales.

Un enfoque nuevo para hacer que los asistentes digitales sean más inteligentes a través del aprendizaje continuo.

Este estudio se centra en mejorar modelos para simular el crecimiento neuronal usando métodos bayesianos.

Un nuevo marco mejora cómo los agentes LLM aprenden a través de una guía de procesos detallada.

Explorando el papel de la computación cuántica en la mejora de la eficiencia del aprendizaje multi-agente.

Un marco claro para evaluar la comprensión en los sistemas de IA.

Usando aprendizaje automático para mejorar el acoplamiento de luz láser en fibras ópticas.

Abordando la distribución de energía para sistemas cooperativos robustos.

Los intercambios de trueque permiten cambiar bienes sin dinero en el mundo en línea de hoy.

Explora cómo fomentar la transparencia en los contratos con múltiples agentes.

Examinando cómo la gente elige tecnologías basándose en la influencia social y las interacciones.

Examinando cómo los hiperparámetros moldean la efectividad de los agentes de RL profundo.

El estudio revela métodos para la búsqueda eficiente de objetivos por agentes móviles en áreas circulares.

Los modelos del mundo mejoran el entrenamiento de la IA al simular entornos para un aprendizaje más rápido.

Descubre cómo los sistemas multiagente mejoran la automatización de tareas y la resolución de problemas.

Presentamos GRASP, un estándar para evaluar el razonamiento espacial en modelos de lenguaje.

Este artículo examina cómo las emociones influyen en nuestro pensamiento y comportamiento a través de un modelo dimensional.

Este estudio explora cómo el aprendizaje de representación ayuda a los robots a adaptarse en entornos cambiantes.

Un estudio revela el impacto del entorno en las estrategias de navegación en agentes artificiales y humanos.

Craftium permite a los investigadores crear entornos 3D personalizados para entrenar agentes de IA.

RPO mejora la velocidad y seguridad en la toma de decisiones en el aprendizaje por refuerzo a través del aprendizaje reflexivo.

Un método para maximizar el valor en la coincidencia de agentes y artículos analizando preferencias.

Un estudio revela métodos para asignaciones estables en escenarios de colocación de agentes.

Un marco para mejorar las estrategias de inyección de dióxido de carbono en el almacenamiento subterráneo.

Explorando cómo las máquinas pueden seguir las instrucciones de los humanos en espacios reales.

Un nuevo método ayuda a los robots a encontrar objetos caídos usando sonido.

Un estudio sobre estrategias de emparejamiento efectivas teniendo en cuenta preferencias y limitaciones.

Investigación sobre interacciones en grupo en el aprendizaje de idiomas utilizando agentes neuronales avanzados.

Presentamos la Exploración Latente Aleatoria: un enfoque novedoso para mejorar la exploración de agentes.

Descubre cómo TaskGen mejora la gestión de tareas para programas y agentes.