Resumen: Los sistemas de memoria son fundamentales para los agentes de IA, sin embargo, el trabajo existente a menudo carece de adaptabilidad a diversas tareas y pasa por alto el papel constructivo y orientado a las tareas de la memoria de los agentes de IA.
Leer más →
Resumen: Los modelos de lenguajes grandes (LLM), como OpenAI-o1 y DeepSeek-R1, han demostrado sólidas capacidades de razonamiento. Para mejorar aún más las capacidades de LLM, los sistemas agentes recientes, como Deep Research, incorporan interacciones web en el razonamiento de LLM para mitigar las incertidumbres y reducir posibles errores.
Leer más →
Resumen: Los ciudadanos tienen el potencial de apoyar el aprendizaje regulatorio al ofrecer entornos virtuales inmersivos para experimentar con escenarios de políticas y tecnologías.
Leer más →