Noticias externas

Resumen: Los agentes de modelos de lenguaje grande (LLM) han surgido como herramientas poderosas para tareas complejas, pero su capacidad para adaptarse a usuarios individuales sigue siendo fundamentalmente limitada.

Resumen:Los modelos de lenguajes grandes se implementan cada vez más en sistemas multiagente, pero carecemos de puntos de referencia que prueben si pueden coordinarse bajo competencia de recursos.

Resumen: A nivel de contexto, proponemos RACE (Clasificación de explicaciones alineadas por razonamiento), un marco de conjunto de múltiples LLM que combina el razonamiento en cadena de pensamiento con mecanismos de autoconsistencia para clasificar de manera sólida las explicaciones en 32 categorías conscientes de escenarios.