Noticias externas

Resumen:Generar automáticamente ontologías formales a partir de lenguaje natural no estructurado sigue siendo un desafío central en la ingeniería del conocimiento. Si bien los modelos de lenguajes grandes (LLM) son prometedores, aún no está claro qué opciones de diseño arquitectónico impulsan la calidad de la generación y por qué fallan los enfoques actuales.

Resumen: Los agentes de modelos de lenguaje grande (LLM) tienen cada vez más tareas con análisis complejos del mundo real (por ejemplo, en pronósticos financieros, descubrimientos científicos), sin embargo, su razonamiento adolece de inestabilidad estocástica y carece de una estructura compositiva verificable.

Resumen: Investigamos si los gráficos de creencias explícitas mejoran el rendimiento del LLM en el razonamiento cooperativo de múltiples agentes. A través de más de 3000 ensayos controlados en cuatro familias de LLM en el juego de cartas cooperativo Hanabi, establecemos cuatro hallazgos.