Noticias externas

Resumen: Los modelos de lenguaje grande (LLM, por sus siglas en inglés) son pilares prometedores para los sistemas de recomendación generativos, sin embargo, un desafío clave sigue sin explorarse: la verbalización, es decir, convertir registros estructurados de interacción del usuario en entradas efectivas de lenguaje natural.

Resumen: La coordinación eficaz entre humanos e IA requiere agentes artificiales capaces de exhibir y responder a comportamientos similares a los humanos mientras se adaptan a contextos cambiantes. El aprendizaje por imitación ha surgido como uno de los enfoques destacados para construir dichos agentes entrenándolos para imitar comportamientos demostrados por humanos.

Resumen: Proponemos ActionEngine, un marco sin capacitación que pasa de la ejecución reactiva a la planificación programática a través de una novedosa arquitectura de dos agentes: un agente de rastreo que construye una memoria de máquina de estado actualizable de las GUI a través de la exploración fuera de línea, y un agente de ejecución que aprovecha esta memoria para sintetizar programas Python