Noticias externas

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

Resumen: Impulsados ​​por las demandas cada vez más complejas y orientadas a la toma de decisiones del análisis de series de tiempo, presentamos la tarea de Razonamiento de series de tiempo semántico-condicional, que extiende el análisis de series de tiempo convencional más allá del modelado puramente numérico para incorporar comprensión contextual y semántica.