24607 पेपर
ऑक्टोपस प्रोटोकॉल (Octopus Protocol) एक लैंग्वेज-मॉडल-संचालित कोडिंग एजेंट का उपयोग करके विविध हार्डवेयर के लिए टाइप किए गए कंट्रोल टूल्स को स्वचालित रूप से खोजने, इंटरफेस करने और तैनात करने के माध्यम से, एकल शेल कमांड द्वारा क्लोज्ड-लूप विजुअल-मोटर कंट्रोल को सक्षम बनाकर, AI एजेंट्स के लिए हार्डवेयर इंटीग्रेशन की इंजीनियरिंग लागत को समाप्त करता है।
यह स्थिति पत्र तर्क देता है कि एकल-कॉन्फ़िगरेशन सफलता दरों पर निर्भर वर्तमान जेलब्रेक मूल्यांकन खतरों को चित्रित करने के लिए अपर्याप्त हैं और पैरामीटर विविधताओं के माध्यम से हमले के प्रदर्शन के पूर्ण दायरे को बेहतर ढंग से पकड़ने के लिए वेरिएंट सेंसिटिविटी मेजर (VSM) और यूनियन कवरेज (UC) जैसे वितरण संबंधी मेट्रिक्स को अपनाने का प्रस्ताव देता है।
यह शोध पत्र सेल्फ-एंकोर्ड कंसेंसस (SAC) को प्रस्तुत करता है, जो एक पूर्णतः विकेंद्रीकृत इटरेटिव फ़िल्टर-एंड-रिफ़ाइन प्रोटोकॉल है जो लार्ज लैंग्वेज मॉडल मल्टी-एजेंट सिस्टम को असुरक्षित लीडर-आधारित समन्वय या स्व-रिपोर्टेड कॉन्फिडेंस पर निर्भर रहे बिना, विविध संचार टोपोलॉजी में बायज़ेंटाइन दोषों का मजबूती से प्रतिरोध करने और विश्वसनीय प्रदर्शन बनाए रखने में सक्षम बनाता है।
CauSim एक ऐसा फ्रेमवर्क है जो LLMs को तेजी से जटिल, निष्पादन योग्य स्ट्रक्चरल कॉज़ल मॉडल्स (SCMs) बनाने में सक्षम बनाकर कॉज़ल रीजनिंग डेटा की कमी को दूर करता है, जो सत्यापन योग्य प्रशिक्षण डेटा उत्पन्न करने के लिए स्केलेबल सिम्युलेटर्स के रूप में कार्य करते हैं और विविध प्रस्तुतियों (representations) में मॉडल के प्रदर्शन में सुधार करते हैं।
यह शोधपत्र कॉन्स्टेंट-टारगेट एनर्जी मैचिंग (CTEM) को प्रस्तुत करता है, जो एक एकीकृत ऊर्जा-आधारित ढांचा है जो अनबाउंडेड रेश्यो रिग्रेशन को 1 के कॉन्स्टेंट टार्गेट वाले बाउंडेड एनर्जी-डिफरेंस ऑब्जेक्टिव में बदलकर निरंतर (continuous), असतत (discrete) और मिश्रित-चर डोमेन में स्थिर और प्रभावी डेंसिटी एस्टीमेशन को सक्षम बनाता है।
यह शोध पत्र FLiD का प्रस्ताव करता है, जो एक हल्का फील्ड-लोकलाइज्ड फ्रेमवर्क है जो विशिष्ट चेहरे और टेक्स्ट क्षेत्रों को लक्षित करके डिजिटल पहचान दस्तावेजों में जालसाजी का पता लगाता है, और मौजूदा फुल-डॉक्यूमेंट और सामान्य-उद्देश्य वाले मैनिपुलेशन डिटेक्टरों की तुलना में बेहतर सटीकता और काफी कम कम्प्यूटेशनल लागत प्राप्त करता है।
यह शोध पत्र एक साझा बैकबोन और व्यापक बेंचमार्क पर क्वेरी-टाइम विशेषज्ञ-निर्देशित सुदृढीकरण सीखने (रिनफोर्समेंट लर्निंग) विधियों के मूल्यांकन को सामंजस्यपूर्ण बनाता है ताकि तीन विशिष्ट विफलता मोड की पहचान की जा सके, यह प्रदर्शित करते हुए कि कोई भी एकल दृष्टिकोण सभी स्थितियों में हावी नहीं होता है और विशेषज्ञ की गुणवत्ता एवं कार्य विशेषताओं के आधार पर विधि चयन के मार्गदर्शन के लिए एक निर्णय नियम प्रदान करता है।
यह शोध पत्र कॉन्टेक्स्टुअल प्लैकेट-लूस (CPL) का प्रस्ताव करता है, जो एक कुशल न्यूरल मॉडल है जो अस्पष्ट, मल्टी-मोडल अनुक्रम भविष्यवाणी कार्यों को प्रभावी ढंग से संभालने के लिए समानांतर स्कोरिंग को एक हल्के ऑटोरेग्रेसिव चयन प्रक्रिया के साथ जोड़ता है और साथ ही गणनात्मक दक्षता बनाए रखता है।
यह शोध पत्र एक नियंत्रित तुलना प्रस्तुत करता है जो यह दर्शाता है कि जहाँ बाहरी विकासवादी अनुकूलन (external evolutionary optimization) प्रभावी दंड तंत्र की खोज करके सामूहिक-कार्रवाई परिवेशों में आंतरिक एजेंट विचार-विमर्श (internal agent deliberation) से काफी बेहतर प्रदर्शन करता है, वहीं यह लाभ उन विशिष्ट प्रोत्साहन स्थितियों के तहत उलट जाता है जहाँ विकास मूल्य-विनाशकारी सहयोग को मजबूर करता है, जो बहु-एजेंट संवैधानिक डिजाइन में अनुकूलन शिखरों (optimization peaks) और संरचनात्मक प्रतिक्रियाशीलता के बीच एक मौलिक व्यापार-व्यवहार (trade-off) को रेखांकित करता है।
यह शोध पत्र डेटासेट-विशिष्ट सर्किट उत्पन्न करने वाली मौजूदा परिकल्पना-संचालित सर्किट खोज विधियों की आलोचना करता है जो भाषा मॉडलों की वास्तविक यांत्रिक विविधता को पकड़ने में विफल रहती हैं, और डेटा-संचालित सर्किट डिस्कवरी (DCD) का प्रस्ताव करता है, जो एक नया ढांचा है जो प्रसंस्करण समानता द्वारा उदाहरणों को क्लस्टर करता है ताकि एक ही कार्य के लिए कई विशिष्ट, उच्च-सटीक सर्किटों को प्रकट किया जा सके।