Observatorio de información y Publicaciones

Resumen: Los puntos de referencia como SWE Bench y Arc-AGI demuestran cómo los conjuntos de datos compartidos aceleran el progreso hacia la inteligencia general artificial (AGI).

Resumen: presentamos funciones que cuantifican la contribución de un conjunto de argumentos en gráficos de argumentación bipolar cuantitativa a (la fuerza final de) un argumento de interés, un llamado tema. Nuestras funciones de contribución establecida son generalizaciones de las funciones existentes que cuantifican la contribución de un solo argumento contribuyente a un tema.

Resumen: Los agentes web alimentados por grandes modelos de lenguaje (LLM) pueden realizar tareas complejas de varios pasos en entornos web dinámicos. Sin embargo, las evaluaciones actuales se centran principalmente en el éxito general al tiempo que pasan por alto los errores intermedios. Esto limita la visión de los modos de falla y dificulta la mejora sistemática.