Toutes les news taguées avec ce sujet.
Des agents de codage basés sur des LLM surpassent les planificateurs conçus manuellement pour résoudre des problèmes complexes de planification de tâches et de mouvement généralisés.
Un système qui génère, vérifie et raffine automatiquement des programmes robotiques à partir d'une seule démonstration visuelle humaine, grâce à une boucle agentique itérative.
Contre le surapprentissage des agents LLM lors de l'auto-amélioration, RRSI introduit des régularisations pour favoriser des mécanismes réutilisables plutôt que des astuces spécifiques à un benchmark.
Analyse sceptique sur les limites fondamentales des grands modèles de langage et la pertinence des analogies physiques.
Un nouveau cadre théorique basé sur le transport optimal entropique pour mesurer les décalages de distribution et borner l'erreur d'apprentissage.