Ribbon

355 materiales

Clasificación
Noticias5 noviembre 2026

Evaluación de agentes de programación en el desarrollo interactivo de XR: resultados de GenXR-Bench

Se ha publicado GenXR-Bench, un conjunto de 112 tareas expertas para evaluar de forma integral agentes de programación en el desarrollo interactivo de XR: desde la mejora de funciones y la corrección de defectos hasta la creación de aplicaciones con verificación del comportamiento en dispositivos de consumo. Entre los diez modelos probados, el mejor resultado fue un 50,9 % en Pass@1; los fallos recurrentes incluyeron la gestión de eventos asíncronos de sensores, el anclaje de objetos al espacio real y la comprensión de las interacciones en un contexto físico.

Evaluación de agentes de programación en el desarrollo interactivo de XR: resultados de GenXR-Bench
Leer
Noticias5 noviembre 2026

De la recompensa escalar al frente de Pareto: síntesis RTL de LLM mediante aprendizaje por refuerzo multiobjetivo

Se propone un método para entrenar un modelo de lenguaje para que genere no un solo diseño, sino un conjunto de candidatos RTL con distintos compromisos entre área, latencia y consumo energético; la recompensa se basa en la contribución de cada variante al hipervolumen del frente de Pareto. En RTLLM v2, el hipervolumen relativo aumentó 13,3 puntos porcentuales frente a la versión base sin optimización PPA y 14,4 puntos porcentuales frente al entrenamiento por refuerzo con un único objetivo.

De la recompensa escalar al frente de Pareto: síntesis RTL de LLM mediante aprendizaje por refuerzo multiobjetivo
Leer
Noticias4 noviembre 2026

Los LLM médicos se enteran de que se han revisado las recomendaciones, pero a menudo responden según las pautas anteriores

El estudio de ChronoEvo sobre 1709 cambios en las guías clínicas muestra que, en el modelo principal, el 90,8 % de las respuestas detectaba la novedad, pero solo el 58,5 % la aplicaba por completo; la brecha de 32,3 puntos porcentuales se mantuvo en 14 modelos. Ni siquiera aumentar la visibilidad de las actualizaciones produjo una mejora significativa en la incorporación completa de las nuevas reglas a las recomendaciones clínicas.

Los LLM médicos se enteran de que se han revisado las recomendaciones, pero a menudo responden según las pautas anteriores
Leer
Noticias4 noviembre 2026

Modelo del mundo para agentes basados en LLM cerrados: corrección en puntos de riesgo

Se propone PAWM, un predictor externo que no duplica la observación paso a paso, sino que se activa cuando es probable que ocurra un fallo y desvía al agente de una acción equivocada. Tras el ajuste fino supervisado (SFT) con escenarios sintéticos y el coentrenamiento con GRPO, el método logró una mejora del 24,3 % en ScienceWorld y del 7,7 % en WebArena-Lite para Claude Sonnet 4.5.

Modelo del mundo para agentes basados en LLM cerrados: corrección en puntos de riesgo
Leer
Noticias4 noviembre 2026

De las puntuaciones individuales a los conjuntos admisibles: decodificación global bajo restricciones DDI

El artículo compara la selección global exacta de un conjunto compatible de medicamentos, implementada mediante programación lineal entera mixta, con varios esquemas locales para resolver conflictos de DDI con puntuaciones FLAME fijas en MIMIC-III. En el conjunto de prueba, la opción global ofrece una mejora pequeña pero constante en Jaccard, que aumenta al endurecer las restricciones y alcanza +0.0064 frente al método local de referencia más sólido.

De las puntuaciones individuales a los conjuntos admisibles: decodificación global bajo restricciones DDI
Leer
Noticias3 noviembre 2026

Cómo ActionRAG reevalúa las evidencias durante la difusión por el grafo de memoria de los agentes LLM

Se propone una arquitectura de memoria basada en grafos que armoniza cuidadosamente las entidades durante la indexación y vuelve a evaluar las relaciones al realizar una consulta, basándose en la estructura local. En MemoryAgentBench, el método alcanzó una precisión media de 55,1 y superó en 5,4 puntos porcentuales a la referencia de recuperación más sólida, con un coste de síntesis reducido por consulta.

Cómo ActionRAG reevalúa las evidencias durante la difusión por el grafo de memoria de los agentes LLM
Leer
Noticias1 noviembre 2026

Desarrollo gestionado de agentes LLM en inversiones autónomas: arquitectura multiagente con un perímetro de seguridad inmutable

El artículo describe Steward, un sistema de nueve agentes LLM con roles definidos, donde las decisiones de cartera pasan por la revisión de un gestor de riesgos y los cambios en los prompts solo se permiten mediante un control reversible y la reproducción de datos registrados. La conclusión clave es que un núcleo inmutable y los procedimientos de auditoría permiten desarrollar los agentes sin cederles el control de las reglas de riesgo ni de la ejecución de órdenes.

Desarrollo gestionado de agentes LLM en inversiones autónomas: arquitectura multiagente con un perímetro de seguridad inmutable
Leer