media Hugging Face Forums · 1 jam lalu · open_models

SEMA mengeksplorasi arsitektur AI non-transformer menggunakan Arsitektur Simbol Vektor

Diterjemahkan dari English → Bahasa Indonesia

SEMA adalah arsitektur AI eksperimental yang menyelidiki apakah pemahaman bahasa dan penalaran dapat muncul dari struktur semantik eksplisit daripada prediksi token berikutnya. Ini berfungsi sebagai sistem penalaran berbasis contoh non-parametrik yang memanfaatkan Arsitektur Simbol Vektor (VSA/HDC) di atas memori yang dapat dialamatkan berdasarkan konten.

Desain berfokus CPU dengan dukungan multibahasa sejak awal.
Menggunakan representasi internal yang transparan alih-alih embedding yang tidak transparan.
Mengimplementasikan memori relasional eksplisit daripada menyimpan pengetahuan hanya dalam bobot neural.
Memanfaatkan representasi semantik yang dapat dikomposisikan melalui VSA/HDC.
Menggunakan penalaran berbasis graf alih-alih generasi autoregresif.

Proyek ini tersedia sumbernya untuk memungkinkan peneliti mempelajari, mereproduksi, dan menantang arsitektur sambil melindungi kesinambungan penelitian independen.

Kepentingan 1/3 Kepercayaan 1/3 Hugging Face Forums AI agents Research paper

Baca aslinya

HealthClaw: agen sumber terbuka dengan memori yang berevolusi sendiri untuk manajemen kesehatan pribadi longitudinal

Para peneliti mengembangkan HealthClaw, sebuah arsitektur agen sumber terbuka yang dirancang untuk memperbarui dukungan seiring berubahnya rutinitas, preferensi, pengukuran, dan risiko seseorang seiring waktu. Ini memisahkan aturan keselamatan bersama dan pengetahuan medis dari memori longitudinal pribadi yang berisi fakta profil, prosedur yang dapat digunakan kembali, dan jejak episodik.

arxiv arXiv cs.LG · 5 hari lalu

TRACE meningkatkan penggunaan alat agen jangka panjang melalui estimasi kredit per giliran

Para penulis mengusulkan TRACE (Turn-level Reward Assignment via Credit Estimation), sebuah metode penugasan kredit padat untuk pembelajaran penguatan agentic yang mengatasi kelangkaan dan varians tinggi dari reward hasil dalam tugas jangka panjang. Dengan merepresentasikan rollout sebagai transisi keadaan pada batas panggilan alat dan menurunkan reward per aksi dari nilai keadaan rasio log, TRACE memungkinkan pelatihan efektif tanpa kritikus tambahan atau tahap fine-tuning terawasi.

arxiv arXiv cs.AI · 5 hari lalu

Model DVM-HALL dan metrik NHAS mengatasi loyalitas perdagangan otonom

Artikel ini memperkenalkan model Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) untuk mengatasi bagaimana paradigma loyalitas pelanggan tradisional gagal ketika agen AI mengeksekusi keputusan pembelian secara otonom. Artikel ini mengusulkan kerangka kerja di mana pilihan merek ditentukan oleh ekuitas emosional manusia, utilitas agentic, kepercayaan yang dikalibrasi, dan risiko eksekusi yang dapat diverifikasi dalam lingkungan keuangan terdesentralisasi.

media Latent Space · 6 hari lalu

Lila Sciences bertujuan untuk superkecerdasan ilmiah melalui lab basah yang dipandu AI

Lila Sciences sedang membangun infrastruktur laboratorium otomatis yang dirancang untuk berfungsi seperti pusat data, dengan tujuan mencapai superkecerdasan ilmiah dengan menghasilkan sejumlah besar data yang divalidasi secara eksperimental. Perusahaan tersebut memperlakukan laboratorium sebagai generator token tak terbatas, menggunakan robotika yang dipandu AI dan model bahasa-penglihatan untuk menjalankan eksperimen 24/7 di bidang biologi, kimia, penemuan obat, dan ilmu material.

arxiv arXiv cs.CL · 6 hari lalu · 1 tayangan

MemCon belajar manajemen memori adaptif untuk agen LLM

Para peneliti memperkenalkan MemCon, sebuah kerangka kerja yang memodelkan operasi memori sebagai Proses Keputusan Markov untuk mempelajari kebijakan daring untuk pengambilan dan pengonsolidasian adaptif pada agen LLM. Berbeda dengan heuristik statis, pendekatan ini secara dinamis memutuskan kapan dan berapa banyak untuk mengambil berdasarkan konteks.