PLN y ML
Procesamiento del lenguaje natural, aprendizaje automático y aprendizaje profundo.
15 published articles
Marcos de Agentes
El arnés de agente CUGA de código abierto de IBM se salta la fontanería y va directo al prompt
El marco CUGA de código abierto de IBM invierte el modelo típico de desarrollo de agentes al manejar la orquestación, la gestión de estado y la planificación. Los desarrolladores solo deben escribir una lista de herramientas y un prompt. Más de dos docenas de aplicaciones de un solo archivo demuestran el enfoque, desde un recomendador de películas hasta un sistema de generación de leads multiagente, todos desplegables en producción gobernada sin necesidad de reescribir.
2026-07-07
Investigación en Aprendizaje por Refuerzo
OPID brinda a los agentes de lenguaje una señal de recompensa lo suficientemente densa como para prescindir de la memoria externa
OPID extrae supervisión jerárquica de habilidades de trayectorias completadas dentro de la política, proporcionando guía densa a nivel de token para el entrenamiento de agentes de lenguaje sin memoria externa. Experimentos en ALFWorld, WebShop y Search-based QA muestran un rendimiento mejorado y eficiencia de muestreo frente al RL basado solo en resultados y los métodos existentes de destilación de habilidades.
2026-07-06
Datos sintéticos
Sin jefe, sin cuello de botella: por qué un marco peer-to-peer está repensando la generación de datos sintéticos
Matrix es un marco descentralizado que utiliza mensajes serializados enviados a través de colas distribuidas para la generación de datos sintéticos multiagente. Al eliminar el orquestador central, logra un rendimiento entre 2 y 15 veces mayor en hardware idéntico.
2026-06-06