R2D-RL conecta clientes basados en RCSS2D y HELIOS con una interfaz MARL en Python utilizando memoria compartida y sincronización a nivel de ciclo. Permite entrenamiento en campo completo y basado en escenarios con oponentes configurables, máscaras de acción, conformación de recompensas basada en EPV y ejecución paralela, incluyendo escenarios de gol frontal y un benchmark 11 contra 11 con resultados base.
Este artículo propone un marco de Dirección Dual que utiliza Ortogonalización de Gram-Schmidt para desacoplar el control del Tono y la Duración en la generación musical simbólica. Al aislar direcciones latentes mediante DiffMean y aplicar retroalimentación PID, permite una modulación determinista e independiente de los atributos de la señal sin reentrenamiento, reduciendo la interferencia conceptual y la degradación de la señal.
SHIFT es un método libre de entrenamiento que mitiga el sesgo lingüístico en la recuperación de información multilingüe utilizando pares de traducción paralela para estimar vectores de lenguaje relativos. Corrige los desplazamientos específicos del idioma en las incrustaciones de documentos durante la indexación, mejorando el rendimiento de la recuperación a través de diversos modelos y conjuntos de pruebas.
ProfiLLM introduce una canalización LLM agente que extrae señales conductuales de los registros de viajes compartidos para generar perfiles de usuario. Logra hasta un +6.14% de mejora relativa en AUC y hasta un +4.35% de ganancia en GMV en simulaciones de despacho, con resultados consistentes en pruebas A/B en línea que muestran mejoras del +0.47% en GMV, +0.33% en Tasa de Finalización y -0.82% en tasa de Cancelación antes de la aceptación.
SC-GRPO utiliza la divergencia KL por token desde trayectorias autocondicionadas para ponderar gradientes en el aprendizaje por refuerzo. Supera a GRPO en un 8.1% y a DAPO en un 5.9% en tareas de matemáticas, código y agentes, con un rendimiento superior fuera de la distribución y mejores resultados que OPD.
Un estudio encuentra que las normas grandes de la cabeza MLM en codificadores preentrenados degradan el rendimiento de la recuperación dispersa en SPLADE. Introducir un reescalado simple en el momento de la inicialización de la cabeza MLM estabiliza el entrenamiento y mejora el rendimiento, igualando o superando a BERT-SPLADE en múltiples benchmarks.
El aprendizaje por refuerzo carece de modelos base a pesar de que los MDPs sintéticos son viables. Una prueba de concepto muestra que un único modelo entrenado en MDPs sintéticos resuelve benchmarks tabulares sin ajuste, superando a los métodos existentes en entornos online y igualándolos en entornos offline.
SwitchBraidNet es una arquitectura de clasificación EEG consciente de la cuantización que logra alta precisión en tareas de imaginación motora y SSVEP. Supera a cuatro líneas base en FP16 y FP32, con una precisión de MI del 69.49%, una precisión de SSVEP del 93.48% y una tasa híbrida de transferencia de información de 64.82 bits/min en FP16. El modelo se ejecuta eficientemente con solo 3.03 KB de almacenamiento INT8, permitiendo un despliegue integrado de bajo consumo.
Los Procesos de Decisión de Markov Maduros (MMDPs) modelan la evolución asimétrica de la información y la disponibilidad de acciones en decisiones secuenciales. Introduce un principio de prioridad de acción expirante y un marco de aprendizaje por refuerzo consciente de la estructura que mejora la eficiencia del aprendizaje, especialmente en problemas de decisión complejos y escalables.
La inteligencia está incrustada en el propio espacio, donde las escenas inducen una métrica riemanniana en los espacios de configuración. Una única red Encoder-Router utiliza superposición de semigrupos para generar esta métrica, permitiendo generalización zero-shot a través de configuraciones de obstáculos no vistas con grandes diferencias de costo entre rutas libres de colisiones y aquellas que penetran los obstáculos.
Un enfoque centrado en los datos mejora el razonamiento de contexto largo en modelos de lenguaje grandes, utilizando ocho conjuntos de datos curados con 14K ejemplos en tareas de recuperación, síntesis multi-evidencia y razonamiento. Al combinarse con entrenamiento GRPO basado mínimamente en resultados, logra ganancias promedio de +7.2 a +6.4 puntos en siete benchmarks, superando conjuntos de entrenamiento RL previos, y mejora el rendimiento agénico en +4.8 y +7.0 puntos en GAIA y BrowseComp respectivamente.
TRUST permite a los usuarios especificar la confianza de predicción deseada al generar explicaciones contrafácticas. Al optimizar directamente para objetivos de confianza utilizando una Máquina Tsetlin Probabilística y optimización bayesiana, TRUST produce un recurso más robusto e interpretable que los métodos tradicionales basados en fronteras, logrando una robustez perfecta con bajo costo y alta confianza en conjuntos de datos del mundo real.
Un robot inicializado con un patrón de colaboración previo seleccionado mejoró el éxito en rescates del 25.7% al 41.3% en tareas de búsqueda y rescate urbano. Esta mejora redujo el tiempo promedio de la tarea en 283 segundos, con los mayores beneficios observados al inicio de las interacciones, lo que indica una transferencia efectiva del conocimiento de la tarea temprana a través de la memoria episódica.
Skill-MAS introduce un nuevo enfoque que desacopla la retención de experiencia de las actualizaciones paramétricas modelando la orquestación como una Meta-Habilidad evolutiva. Utiliza un proceso de bucle cerrado que involucra rollouts multi-trayectoria y reflexión selectiva para destilar principios de estrategia reutilizables, logrando fuertes mejoras de rendimiento y transferibilidad robusta entre tareas y LLMs.
WorldLines presenta una evaluación basada en proyectos para la asistencia doméstica encarnada en horizontes temporales largos, capturando secuencias extendidas del hogar con diálogos, acciones y cambios de estado. Permite muestras vinculadas a evidencia para Memoria QA y Planificación de Tareas Encarnadas, y propone ObsMem, un marco de memoria basado en observadores que soporta memorias conscientes de la visibilidad y decisiones conscientes del estado. Los experimentos destacan los desafíos en la observabilidad parcial y la traducción de memoria, con ObsMem proporcionando una arquitectura de referencia más sólida para este tipo de entornos.
ImpSH, un marco basado en tripletes, alinea publicaciones con declaraciones implícitas y utiliza negativos semi-duros acotados por contexto para mejorar la detección de discurso de odio implícito. Evaluado en IHC, SBIC y DynaHate con BERT y HateBERT, ImpSH supera a los métodos contrastivos supervisados estándar en configuraciones de dominio cruzado, mostrando una generalización y estabilidad mejoradas.
KinemaForge infiere conjuntamente la forma a nivel de partes, la topología de las articulaciones y los parámetros a partir de secuencias RGB-D utilizando un grafo de restricciones cinemáticas y un solucionador de ejes de tornillo diferenciable. Valida los resultados con un verificador consistente en energía, reduciendo el error del eje de la articulación y la deriva de la simulación, mientras mejora el éxito de la manipulación en bucle cerrado en 14,6 puntos porcentuales sobre Ditto.
Un marco de aprendizaje semi-supervisado de meta-retroalimentación permite escalar el frenado automático de emergencia utilizando datos masivos de flotas no etiquetados. El enfoque estabilizado reduce los errores de pseudo-etiquetas mediante desacoplamiento consciente del ruido y pseudo-etiquetado con compuerta cinemática, mejorando la seguridad con una relación de activaciones positivas a falsas de 100:1 y un 35% más de kilómetros de conducción sin accidentes en comparación con los sistemas basados en reglas.
Xcientist presenta un marco de investigación que externaliza y hace visibles los procesos de razonamiento en los científicos de IA. Preserva artefactos de investigación trazables y gobernados por contratos, desde la formulación del problema hasta la validación, abordando la deriva de las afirmaciones y asegurando la responsabilidad científica.
Se propone una red neuronal consciente del cambio de dominio para estimar masas desbalanceadas en sistemas rotativos bajo condiciones variables. El modelo utiliza la discrepancia media máxima para alinear las representaciones de características entre diferentes dominios operativos, mejorando la precisión de la predicción cuando los comportamientos del sistema difieren de las condiciones de entrenamiento. Los resultados muestran su efectividad en aplicaciones de monitoreo de salud estructural.