Observatorio de información y Publicaciones

Resumen: Investigamos si los gráficos de creencias explícitas mejoran el rendimiento del LLM en el razonamiento cooperativo de múltiples agentes. A través de más de 3000 ensayos controlados en cuatro familias de LLM en el juego de cartas cooperativo Hanabi, establecemos cuatro hallazgos.

Resumen:Este artículo presenta una arquitectura de sistema HITL desacoplada que trata la supervisión humana como un componente independiente del sistema dentro del entorno operativo del agente. El diseño propuesto separa la gestión de la interacción humana de los flujos de trabajo de las aplicaciones a través de interfaces explícitas y un modelo de ejecución estructurado.

Resumen: Los modelos de lenguajes grandes (LLM) se han vuelto fundamentales para los flujos de trabajo de IA modernos, impulsando aplicaciones desde la generación de texto abierto hasta el razonamiento complejo basado en agentes.