Observatorio de información y Publicaciones

Resumen: Los modelos de lenguajes grandes (LLM) se implementan cada vez más como agentes autónomos para tareas de toma de decisiones de múltiples turnos. Sin embargo, los agentes actuales suelen depender de patrones cognitivos fijos: los modelos no pensantes generan respuestas inmediatas, mientras que los modelos pensantes participan en un razonamiento profundo de manera uniforme.

Resumen: Estudiamos cómo los algoritmos OR, los LLM y los humanos pueden interactuar y complementarse entre sí en un entorno de control de inventario de múltiples períodos.

Resumen:Este artículo presenta GeoAgent, un modelo capaz de razonar estrechamente con los humanos y derivar conclusiones de direcciones detalladas.