Noticias externas

Resumen: Los agentes de modelos de lenguaje grande (LLM) han demostrado capacidades notables en el uso de herramientas, el razonamiento y la generación de código; sin embargo, los sistemas de agente único exhiben limitaciones fundamentales cuando se enfrentan a tareas de investigación complejas que exigen síntesis de múltiples fuentes, verificación adversaria y entrega personalizada.

Resumen: Proponemos un marco basado en agentes para el filtrado personalizado de comunicaciones categorizadas de acoso en redes sociales en línea. A diferencia de los sistemas de moderación global que aplican reglas de filtrado uniformes, nuestro enfoque modela niveles de tolerancia y preferencias específicos del usuario a través de agentes de filtrado adaptativos.

Resumen:A medida que los modelos de lenguajes grandes (LLM) continúan creciendo en tamaño, sus capacidades para abordar tareas complejas han mejorado significativamente. Sin embargo, cuestiones como las alucinaciones y la falta de conocimientos actualizados siguen sin resolverse en gran medida.