Observatorio de información y Publicaciones

Resumen: Los agentes de modelos de lenguaje grandes sufren problemas arquitectónicos fundamentales: razonamiento y ejecución enredados, volatilidad de la memoria y secuencias de acción incontroladas.

Resumen: La dirección de activación ofrece un enfoque prometedor para el control del comportamiento de los LLM. Nos centramos en la cuestión de cómo varía la eficacia de la dirección entre diferentes tipos de comportamiento y si la naturaleza de las conductas objetivo puede predecir el éxito de la dirección.

Resumen: A medida que se desarrollan contenidos generados por IA (AIGC), los modelos de lenguajes grandes (LLM) multimodales luchan por identificar las entradas visuales generadas a partir de las reales.