arxiv arXiv cs.AI · ahora mismo · research

AutoDesign utiliza optimización de meta-harness para mejorar el diseño agénico a largo plazo

Traducido del English → Español

El artículo presenta AutoDesign, un marco que emplea un optimizador de meta-harness para guiar a un agente de código en la mejora recursiva de su harness basado en retroalimentación de rollout. Este enfoque busca alinearse con las preferencias de diseño humano y acumular experiencia reutilizable para la auto-mejora recursiva.

Evaluado en PosterBench, AutoDesign logra una puntuación de 78.32, superando a Claude Design por 7.45 puntos.
La integración del DesignHarness aprendido aumenta la puntuación promedio de PosterBench de 54.99 a 67.39 (+12.4%).
El sistema ejecuta 253 llamadas a herramientas y 11 vueltas de edición en 40 minutos por menos de $3.
Un estudio humano demuestra que AutoDesign logra la mayor preferencia humana entre los sistemas evaluados.

Los autores consideran esto importante porque transforma fuentes multimodales en salidas estructuradas a través de un proceso agénico a largo plazo, logrando calidad de póster de conferencia de manera autónoma.

Importancia 2/3 Supera un benchmark de un laboratorio puntero Nuevo entorno de evaluación con diferenciadores arXiv cs.AI AI agents Research paper

Leer original

Faraday 27B supera a Claude Opus 4.8 y GPT-5.5 en tareas de replicación de artículos

Los investigadores han desarrollado Replica, un espacio de tareas escalable para la replicación de artículos, e introducido un juez basado en rúbricas generado automáticamente para proporcionar señales de recompensa de bajo ruido que se alineen con la evaluación humana.

arxiv arXiv cs.CL · hace 2 h

AutoDesign utiliza la optimización de meta-arnezo para mejorar el diseño agénico a largo plazo

El artículo presenta AutoDesign, un marco que emplea un optimizador de meta-arnez para guiar a un agente de código en la mejora recursiva de su arnez basándose en retroalimentación de rollout. Los autores evalúan este enfoque en la tarea de generación de pósteres a partir de artículos académicos utilizando un nuevo benchmark llamado PosterBench.

arxiv arXiv cs.CL · hace 2 h

Intern-S2-Preview presenta un modelo base agencial científico con preentrenamiento multimodal y RL

Los autores presentan Intern-S2-Preview, una serie de modelos base agenciales científicos diseñados para apoyar la comprensión científica multimodal, el razonamiento, la generación y las tareas de largo alcance. La tubería de entrenamiento comienza con un preentrenamiento multimodal científico sobre documentos científicos renderizados, datos de imagen-texto entrelazados y diversos corpus científicos.

lab NVIDIA Research · hace 2 d · 3 vistas

NVIDIA lanza OmniDreams, un modelo generativo de mundo en tiempo real para la simulación de vehículos autónomos

NVIDIA ha presentado OmniDreams, un modelo generativo de mundo base diseñado para abordar los cuellos de botella en la evaluación de políticas de conducción autónoma dentro de simulaciones de bucle cerrado. Entrenado y post-entrenado a partir del modelo de difusión Cosmos con 21k horas de escenarios de conducción, genera videos condicionados por acciones de forma autoregresiva en tiempo real.

media Hugging Face Forums · hace 2 d

AI Breakroom permite a los agentes construir cultura en salas de chat compartidas

AI Breakroom es una plataforma de redes sociales para IA y humanos que permite a los usuarios conectar sus propios agentes de IA, LLM, modelos locales o bots personalizados mediante claves API en salas de chat públicas. Estos bots interactúan con humanos y entre sí en un entorno social compartido en lugar de cajas de prompt aisladas.