25631 पेपर
यह शोध पत्र DiffMAS प्रस्तुत करता है, जो एक ऐसा प्रशिक्षण ढांचा है जो लेटेंट कम्युनिकेशन (latent communication) को एक सीखने योग्य घटक मानकर मल्टी-एजेंट सिस्टम को अनुकूलित करता है, जिससे टेक्स्ट-आधारित और पूर्ववर्ती लेटेंट दृष्टिकोणों की तुलना में विविध बेंचमार्क पर तर्क संबंधी सटीकता और स्थिरता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक PAC-लर्निंग फ्रेमवर्क प्रस्तावित करता है जो उच्च-आयामी डेटा से प्राप्त एक-आयामी मत (ओपिनियन) स्पेस में सर्वसम्मति को एक इष्टतम अंतराल के रूप में मॉडल करता है, जो एक कुशल एम्पिरिकल रिस्क मिनिमाइजेशन एल्गोरिदम और चयनात्मक उपयोगकर्ता पूछताछ के माध्यम से मुद्दों की प्रसांगिकता (सेलिएंस) को ध्यान में रखते हुए मुद्दों पर अपेक्षित सहमति को अधिकतम करता है।
यह शोध पत्र "टूल अटेंशन" (Tool Attention) को प्रस्तुत करता है, जो एक मिडलवेयर तंत्र है जो इरादे (intent) और स्थिति (state) के आधार पर टूल स्कीमा को गतिशील रूप से गेटिंग करके मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) के महत्वपूर्ण टोकन ओवरहेड को समाप्त करता है, जिससे प्रति-टर्न टोकन उपयोग में 95% की कमी आती है और अधिक स्केलेबल एजेंटिक वर्कफ़्लो सक्षम होते हैं।
यह शोध पत्र तर्क देता है कि वर्तमान एआई अलाइनमेंट (AI alignment) अनुसंधान उपयोगकर्ताओं के अक्सर अपरिपक्व लक्ष्योंों को ध्यान में रखने में विफल रहता है, जिससे "फैंटासिया इंटरैक्शन" (Fantasia interactions) उत्पन्न होते हैं, और एक नए अंतर-विषयक अनुसंधान एजेंडे का प्रस्ताव करता है जहाँ एआई सिस्टम प्रॉम्प्ट्स को तर्कसंगत इरादे की पूर्ण अभिव्यक्ति मानने के बजाय, समय के साथ उपयोगकर्ता के इरादे को परिष्कृत करने में सक्रिय रूप से सहायता करते हैं।
यह शोध पत्र यह प्रदर्शित करने के लिए 'जनरलाइज्ड प्रोक्रस्टेस एल्गोरिदम' का उपयोग करते हुए एक एकल-उद्दीपन पद्धति प्रस्तुत करता है कि विज़न मॉडलों के बीच इंट्रा-मोडल रिप्रजेंटेशनल डिस्पर्शन (intra-modal representational dispersion), लैंग्वेज मॉडलों के साथ क्रॉस-मोडल अलाइनमेंट को दृढ़ता से नियंत्रित करता है, जहाँ विज़न मॉडलों के बीच उच्च सहमति वाले उद्दीपन काफी अधिक क्रॉस-मोडल अभिसरण (cross-modal convergence) उत्पन्न करते हैं।
यह शोध पत्र ट्रांजिएंट टर्न इंजेक्शन (TTI) को प्रस्तुत करता है, जो एक नवीन मल्टी-टर्न हमला तकनीक है जो अलग-थलग अंतःक्रियाओं में प्रतिकूल इरादे को वितरित करके स्टेटलेस मॉडरेशन का लाभ उठाती है, जो अग्रणी लार्ज लैंग्वेज मॉडल्स में महत्वपूर्ण सुरक्षा कमजोरियों को उजागर करती है और संदर्भ-जागरूक रक्षा प्रणालियों की तत्काल आवश्यकता पर बल देती है।
यह शोध पत्र एक बहु-चरणीय डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो यूनिट कमिटमेंट समस्या के लिए व्यवहार्य, लागत प्रभावी वॉर्म-स्टार्ट समाधान उत्पन्न करने हेतु ट्रांसफार्मर-आधारित प्रेडिक्टर को नियततावादी ह्यूरिस्टिक्स (deterministic heuristics) के साथ जोड़ता है, जो गणना समय को महत्वपूर्ण रूप से तेज करता है और कभी-कभी पारंपरिक MILP सॉल्वर से बेहतर प्रदर्शन भी करता है।
यह शोध पत्र नेमोबॉट (Nemobot) का परिचय देता है, जो एक संवादात्मक एजेंटिक वातावरण है जो शैनन के गेम-प्लेइंग मशीनों के वर्गीकरण को विस्तारित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे गणितीय तर्क, क्राउड-सोर्स्ड डेटा सिंथेसिस और ह्यूमन फीडबैक के साथ सुदृढीकरण शिक्षण (reinforcement learning) जैसी विधियों के माध्यम से डिक्शनरी-आधारित, समाधान योग्य, ह्यूरिस्टिक और लर्निंग-आधारित खेलों में रणनीतिक एआई एजेंटों के निर्माण और स्व-प्रोग्रामिंग को सक्षम बनाया जा सके।
यह शोधपत्र एक स्केल-अनुकूली ढांचे (scale-adaptive framework) को प्रस्तुत करता है जो विविध स्थानिक और कालिक कारकों के माध्यम से एकल आर्किटेक्चर का उपयोग करके संयुक्त स्थानिक-कालिक वीडियो सुपर-रिज़ॉल्यूशन को एकीकृत करता है, जो इस कार्य को प्रदर्शन और द्रव्यमान संरक्षण (mass conservation) बनाए रखने के लिए प्रमुख हाइपरपैरामीटर्स को समायोजित करते हुए एक नियतात्मक सशर्त माध्य भविष्यवाणी (deterministic conditional mean prediction) और एक अवशिष्ट प्रसार मॉडल (residual diffusion model) में विभाजित करता है।
हर्मेन्यूटिक दर्शन और एपिस्टेमिक इनजस्टिस थ्योरी (ज्ञान संबंधी अन्याय के सिद्धांत) पर आधारित, यह शोध पत्र "इक्विटी बायस" (समता पक्षपात) का प्रस्ताव करता है, जो एक ढांचा है जो एआई पक्षपात को समाप्त करने योग्य त्रुटि के बजाय एनकोडेड ज्ञान के एक पारदर्शी प्रतिबिंब के रूप में पुनर्गठित करता है, और नैतिक रूप से जवाबदेह एवं समतापूर्ण एआई प्रणालियों को बढ़ावा देने के लिए पुरातत्व, सहभागी डिजाइन और निरंतर जवाबदेही के तीन चरणों वाले जीवन चक्र का उपयोग करता है।