Noticias externas

Resumen: Proponemos un marco basado en la madurez para certificar sistemas de IA incorporados a través de mecanismos de medición explícitos. Sostenemos que la IA incorporada certificable requiere marcos de evaluación estructurados, mecanismos de puntuación cuantitativa y métodos para navegar las compensaciones multiobjetivos inherentes a la evaluación de la confiabilidad.

Resumen: Los modelos de lenguajes grandes (LLM) pueden lograr un sólido rendimiento de razonamiento con suficiente computación, pero no saben inherentemente cuánto cálculo requiere una tarea.

Resumen:Comprender cómo los agentes artificiales modelan los estados mentales internos es fundamental para avanzar en la Teoría de la Mente en la IA. La evidencia apunta a un sistema unificado para la conciencia de uno mismo y de los demás. Exploramos esta autoconciencia haciendo que agentes de aprendizaje por refuerzo infieren sus propios estados internos en entornos de gridworld.