124 artículos
Este artículo presenta XR-DT, un marco de gemelo digital potenciado por realidad extendida que integra el modelo de control HA-MPPI y la predicción de trayectorias humanas ATLAS para lograr una planificación de movimiento segura, eficiente e interpretable en entornos compartidos entre humanos y robots.
Este trabajo aborda la fuga de información composicional en sistemas secuenciales de agentes LLM, proponiendo un marco de entrenamiento regularizado que demuestra que la privacidad debe gestionarse como una propiedad del sistema y no solo mediante restricciones locales.
El artículo presenta RACAS, un sistema agente basado en modelos de lenguaje que permite controlar robots de diversas plataformas mediante instrucciones en lenguaje natural sin necesidad de reentrenamiento ni modificaciones de código, demostrando su eficacia en robots terrestres, articulados y submarinos.
Este artículo introduce métricas de alternancia temporalmente sensibles para evaluar la coordinación en juegos multiagente, demostrando que las métricas tradicionales pueden ocultar graves deficiencias en la dinámica temporal al revelar que las políticas aprendidas, a pesar de altos rendimientos agregados, pueden tener un desempeño significativamente inferior al de políticas aleatorias.
Este trabajo presenta un análisis de caja blanca que demuestra que la representación interna de la confianza en el modelo de lenguaje GPT-J-6B se alinea más estrechamente con el modelo socio-cognitivo de Castelfranchi que con otros modelos humanos, lo que sugiere que las IA codifican constructos sociales de manera analizable para mejorar la colaboración humano-IA.
Este estudio utiliza simulaciones de mercados artificiales para demostrar que, durante caídas bruscas de precios, la arbitraje entre ETFs apalancados y futuros actúa como un mecanismo estabilizador que transfiere liquidez (específicamente profundidad de venta y estrechamiento) entre ambos mercados para mitigar los impactos de órdenes erróneas.
El artículo presenta MASFactory, un marco de trabajo centrado en grafos para orquestar sistemas multiagente basados en LLM que introduce la "Vibe Graphing" para convertir intenciones en lenguaje natural en flujos de trabajo ejecutables, facilitando la reutilización de componentes, la integración de contextos heterogéneos y la interacción humana.
Este artículo presenta la Respuesta a la Demanda Conversacional (CDR), un mecanismo de coordinación bidireccional basado en IA agente que permite a agregadores y prosumidores interactuar mediante lenguaje natural para optimizar la gestión energética residencial manteniendo la transparencia y la agencia del usuario.
El artículo propone una arquitectura de orquestación "gated" por esquemas que separa la flexibilidad conversacional de la ejecución determinista en flujos de trabajo científicos, validando que esta aproximación resuelve la tensión entre adaptabilidad y reproducibilidad mediante un marco de evaluación basado en múltiples modelos de lenguaje.
Este trabajo presenta el Sistema de Revisión de Diseño Agente (AgenticDRS), un marco colaborativo orquestado por un agente meta que utiliza selección de ejemplos basada en coincidencia de grafos y expansión de prompts para evaluar diseños gráficos de manera holística, validado mediante el nuevo benchmark DRS-BENCH.
El artículo presenta WideSeek-R1, un marco de agentes múltiples entrenado mediante aprendizaje por refuerzo que demuestra que la escalabilidad en ancho (mediante la ejecución paralela de subagentes) puede igualar el rendimiento de modelos de un solo agente mucho más grandes en tareas de búsqueda de información amplia.
El estudio revela que los agentes basados en modelos de lenguaje no logran un acuerdo fiable en escenarios de consenso, incluso en condiciones benignas, ya que sus fallos se deben principalmente a la pérdida de actividad (como tiempos de espera) en lugar a la corrupción de valores, lo que sugiere que la coordinación robusta aún no es una capacidad emergente confiable.
Este trabajo presenta VAS-CFA, un marco que mejora la alineación de valores en los modelos de lenguaje mediante la fusión de múltiples agentes morales con perspectivas normativas diversas utilizando análisis de fusión combinatoria.
El artículo presenta iSWE Agent, un sistema automatizado que combina técnicas basadas en reglas de análisis estático de Java con modelos de lenguaje para resolver problemas en repositorios de código, logrando un rendimiento superior al estado del arte específicamente en proyectos escritos en Java.
Este artículo presenta VMAO, un marco de orquestación multiagente que mejora la resolución de consultas complejas mediante la descomposición en un grafo acíclico dirigido, la ejecución paralela de agentes especializados y un bucle iterativo de verificación y replanificación que optimiza la completitud y la calidad de las fuentes.
Este trabajo presenta un marco neuro-simbólico basado en un Árbol de Lógica de Eventos (ELT) que permite a agentes de Modelos de Lenguaje Visuales (VLM) detectar eventos en series temporales multivariadas a partir de descripciones en lenguaje natural, logrando una mayor precisión y explicabilidad que los enfoques existentes al mitigar las alucinaciones mediante la estructuración de la lógica temporal.
Este artículo presenta una teoría dinámica que explica cómo emerge la inteligencia en sistemas multiagente como una propiedad estructural de la coordinación adaptativa mediada por incentivos dentro de un entorno persistente, demostrando que dicha viabilidad y complejidad surgen sin necesidad de optimización global, expectativas racionales o diseño centralizado.
Este estudio presenta un marco de aprendizaje por refuerzo multiagente que utiliza drones con nodos de anclaje virtuales para localizar con mayor precisión y eficiencia fuentes de emisiones de metano, superando a los métodos tradicionales como el fluxotaxis.
El artículo presenta la Inteligencia Colectiva Deliberativa (DCI), un marco estructurado que utiliza actos epistémicos tipificados y un algoritmo de flujo convergente para mejorar la toma de decisiones en tareas complejas mediante la integración de perspectivas y la preservación de disensos, aunque su alto costo computacional y la superioridad de los agentes individuales en tareas rutinarias limitan su aplicabilidad a contextos donde la rendición de cuentas del proceso justifica el gasto.
Este estudio demuestra que la introducción de agentes artificiales capaces de utilizar señales observables globalmente puede fomentar la coordinación cooperativa en dilemas sociales de gestión energética, mejorando los resultados agregados incluso durante las fases de adopción parcial, aunque esto puede generar beneficios asimétricos para los no adoptantes.