Cuando los generalistas superan a los especialistas: lecciones de IA en juegos de información imperfecta
Investigadores del MIT y colaboradores presentan un benchmark que compara algoritmos para juegos de información imperfecta y encuentran que los métodos de policy gradient, más generales, obtienen mejor rendimiento que algoritmos teóricos especializados. El trabajo resalta la importancia de evaluaciones rigurosas y tiene implicaciones prácticas para agentes que toman decisiones en entornos con información parcial.