Un nuevo artículo refuta el "Teorema Ingenia", que afirmaba probar la imposibilidad de la IAG mediante ML utilizando la teoría de la complejidad. La refutación argumenta que la prueba original es defectuosa debido a una definición inadecuada de "clasificador de nivel humano" y un cambio en las definiciones formales.
Este artículo ofrece una explicación teórica sobre la eficiencia de los modelos de difusión al aprender la función de score para datos de alta dimensión en variedades de baja dimensión. Identifica un mecanismo de "colapso y refinamiento" impulsado por la geometría de la función de score, donde el mapa de eliminación de ruido se proyecta en la variedad de datos y refina la densidad intrínseca.
Esta investigación introduce el Proceso de Decisión de Markov Aumentado por Herramientas (TA-MDP) para modelar formalmente la toma de decisiones agénticas multimodales, abordando las lagunas teóricas en el ajuste fino por refuerzo para Grandes Modelos de Visión-Lenguaje (LVLMs). Examina cómo las recompensas verificables compuestas afectan la convergencia de GRPO y por qué el entrenamiento en pequeños conjuntos de datos se generaliza a dominios fuera de distribución para LVLMs agénticos.