Observatorio de información y Publicaciones

Resumen:La capacitación previa en políticas de robots escalables se ha visto obstaculizada por el alto costo de recopilar demostraciones de alta calidad para cada plataforma. En este estudio, abordamos este problema uniendo el aprendizaje por refuerzo fuera de línea (RL fuera de línea) con el aprendizaje entre encarnaciones.

Resumen: Los sistemas basados ​​en LLM generan cada vez más flujos de trabajo estructurados para tareas complejas. En la práctica, la evaluación automática de estos flujos de trabajo es difícil porque las puntuaciones de las métricas a menudo no están calibradas y los cambios en las puntuaciones no comunican directamente la gravedad de la degradación del flujo de trabajo.

Resumen:La alineación tradicional de la IA se centra principalmente en los resultados de los modelos individuales; sin embargo, los agentes autónomos en flujos de trabajo a largo plazo requieren una confiabilidad sostenida en todas las trayectorias de interacción.