26898 पेपर
AutoSurfer एक नवीन वेब प्रक्षेपवक्र जनरेटर (web trajectory generator) है जो डेटा की कमी और मतिभ्रम (hallucination) की समस्याओं को दूर करने के लिए व्यवस्थित ब्रैडथ-फर्स्ट एक्सप्लोरेशन, एक्सप्लोरेशन-गाइडेड टास्क सिंथेसिस और प्रक्षेपवक्र-आधारित परिशोधन का उपयोग करता है, जिससे WebArena बेंचमार्क पर वेब एजेंट के प्रदर्शन और कार्य विविधता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक स्व-विकसित (self-evolving) सॉफ्टवेयर एजेंट आर्किटेक्चर प्रस्तुत करता है जो गतिशील मल्टी-एजेंट परिवेशों में अनुभव के आधार पर लक्ष्यों, तर्क और निष्पादन योग्य कोड को स्वायत्त रूप से अपडेट करने के लिए BDI रीजनिंग को लार्ज लैंग्वेज मॉडल्स (LLMs) के साथ एकीकृत करता है, जो LLM-संचालित सॉफ्टवेयर विकास की व्यवहार्यता और वर्तमान सीमाओं दोनों को प्रदर्शित करता है।
OptimusKG एक बड़े पैमाने का, स्कीमा-प्रवर्तित (schema-enforced) मल्टीमॉडल बायोमेडिकल नॉलेज ग्राफ है जो मशीन लर्निंग और परिकल्पना सृजन (hypothesis generation) का समर्थन करने के लिए 18 ऑन्टोलॉजी से संरचित और अर्ध-संरचित डेटा को एकीकृत करता है, जो प्रयोगात्मक संसाधनों से उभरते ज्ञान को कैप्चर करते हुए साहित्य-समर्थित साक्ष्यों के माध्यम से उच्च वैधता प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि 2D संरचित कार्यों को 1D टोकन अनुक्रमों के रूप में प्रस्तुत करने से "सीरियलाइजेशन फ्रिक्शन" (serialization friction) उत्पन्न होता है जो प्रदर्शन में बाधा डालता है, जबकि एक विजन-ऑगमेंटेड पाथवे के माध्यम से मूल 2D लेआउट को बनाए रखने से मैट्रिक्स ट्रांसपोज़, कॉनवेज़ गेम ऑफ लाइफ और LU डिकंपोजिशन जैसे कार्यों में सटीकता में उल्लेखनीय सुधार होता है और स्थानिक रूप से संरचित त्रुटियों में कमी आती है।
यह शोध पत्र इस धारणा को चुनौती देता है कि मल्टी-एजेंट सिस्टम स्वाभाविक रूप से सहयोग से लाभान्वित होते हैं, और व्यापक प्रयोगों के माध्यम से यह प्रदर्शित करता है कि "आर्किटेक्चरल ट्राइबलिज्म" (स्थापत्य संबंधी कबीलावाद) एजेंटिक स्वार्म्स को तथ्यात्मक सत्य के बजाय आंतरिक सहमति को प्राथमिकता देने के लिए प्रेरित करता है, जो अंततः एक "कंसेंसस पैराडॉक्स" (सहमति विरोधाभास) की ओर ले जाता है जहाँ एजेंटों के बीच बढ़ती सहमति त्रुटियों को सुधारने के बजाय उन्हें बढ़ा देती है।
यह शोध पत्र "TextWalk" नामक एक न्यूनतम एआई पठन प्रोटोटाइप का व्यवहार संबंधी ऑडिट प्रस्तुत करता है, जो यह दर्शाता है कि जबकि प्रणाली दबाव के तहत स्थिरता बनाए रखती है, इसका सबसे महत्वपूर्ण ज्ञानमीमांसीय जोखिम उस सूक्ष्म "मध्य क्षेत्र" में निहित है जहाँ यह पूरी तरह से ढहने के बजाय अनजाने में व्याख्यात्मक श्रम को पाठक से प्रणाली की ओर स्थानांतरित कर देता है।
यह शोधपत्र संज्ञानात्मक वर्कफ़्लो प्रणालियों (cognitive workflow systems) में संरचनात्मक शासन के लिए एक व्यापक रूपरेखा प्रस्तुत करता है, जिसमें सुरक्षा, अपरिवर्तनीयता और अभिव्यक्तता पर पाँच औपचारिक परिणाम शामिल हैं जिन्हें Coq में यांत्रिक (mechanized) किया गया है और एक सत्यापित BEAM रनटाइम कार्यान्वयन द्वारा व्यापक संपत्ति-आधारित परीक्षण (property-based testing) के माध्यम से मान्य किया गया है।
यह शोध पत्र तर्क देता है कि व्यवहारिक एआई गवर्नेंस (behavioral AI governance) संरचनात्मक रूप से विफल होता है क्योंकि नीतियों के विरुद्ध मनमाने प्रोग्राम प्रभावों को सत्यापित करना अनिर्णायक (undecidable) है (राइस के प्रमेय के अनुसार), और "कोटर्मिनस गवर्नेंस" (coterminous governance) का प्रस्ताव देता है—जो कंप्यूटेशन को प्रभावों से अलग करने वाला एक वास्तुशिल्प पृथक्करण है जहाँ गवर्नेंस को निष्पादन पाइपलाइन में अंतर्निहित किया जाता है—जो क्षमता और नीति सीमाओं के मिसअलाइनमेंट से उत्पन्न होने वाले अपरिहार्य जोखिमों और अक्षमताओं को समाप्त करने का एकमात्र समाधान है।
BoostLoRA एक नवीन पैरामीटर-कुशल फाइन-ट्यूनिंग फ्रेमवर्क है जो कठिन उदाहरणों पर ऑर्थोगोनल मिनिमल एडेप्टर्स को पुनरावृत्ति से प्रशिक्षित और मर्ज करके अल्ट्रा-लो-रैंक एडेप्टर्स की अभिव्यक्ति सीमाओं को दूर करता है, जिससे प्रशिक्षण के दौरान प्रभावी रैंक रैखिक रूप से बढ़ती है और शून्य इन्फरेंस ओवरहेड बना रहता है, तथा गणितीय और कोडिंग बेंचमार्क पर फुल फाइन-ट्यूनिंग और सिंगल-शॉट विधियों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र हाइपरस्क्राइब (Hyperscribe), जो एक EHR-एम्बेडेड एआई एजेंट है, के निरंतर मूल्यांकन और सुधार के लिए एक एंड-टू-एंड गवर्नेंस फ्रेमवर्क प्रस्तुत करता है, जो नियंत्रित प्रयोगों और लाइव फीडबैक के माध्यम से यह प्रदर्शित करता है कि पुनरावृत्ति निगरानी और इंजीनियरिंग हस्तक्षेपों ने उच्च विश्वसनीयता बनाए रखते हुए नैदानिक प्रदर्शन स्कोर को 84% से बढ़ाकर 95% करने में सफलतापूर्वक वृद्धि की।