19742 पेपर
यह शोध पत्र AoA को प्रस्तुत करता है, जो एक नवीन इंटरैक्टिव थ्योरम प्रूविंग एजेंट है जो सीरियलाइज्ड सोर्स टेक्स्ट के बजाय एक पुनर्गठित भाषा (Minilang) के एब्स्ट्रैक्ट सिंटैक्स ट्री (AST) पर सीधे कार्य करता है, जिससे सत्यापन बेंचमार्क पर समाधान की गति और सफलता दर में सुधार करते हुए API लागत, टोकन उपयोग और टूल कॉल्स को काफी कम किया जाता है।
यह शोध पत्र AdaMAST को प्रस्तुत करता है, जो एजेंट निष्पादन ट्रेसेस (execution traces) से संक्षिप्त, साक्ष्य-आधारित विफलता वर्गीकरण (failure taxonomies) को स्वचालित रूप से प्रेरित करने के लिए एक प्रणाली है ताकि एक पुन: प्रयोज्य फीडबैक इंटरफेस के रूप में कार्य किया जा सके, जो पारंपरिक मुक्त-रूप प्रतिबिंब (free-form reflection) विधियों की तुलना में खोज, रनटाइम और प्रक्षेपवक्र चयन (trajectory selection) कार्यों में एजेंट के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र अस्पष्ट अंतःक्रियाओं से गुप्त उपयोगकर्ता इरादे का अनुमान लगाने के रूप में कार्य संरेखण (task alignment) को औपचारिक रूप देने के लिए एक POMDP ढांचे का प्रस्ताव करता है, जो यह प्रकट करता है कि वर्तमान भाषा मॉडल अनिश्चितता को सुलझाने में मनुष्यों की तुलना में काफी खराब प्रदर्शन करते हैं और अक्सर समय से पूर्व कार्य करते हैं, जो उपयोगकर्ता के लक्ष्यों के साथ विश्वसनीय रूप से संरेखित होने की उनकी क्षमता में एक महत्वपूर्ण अंतर को उजागर करता है।
यह शोध पत्र एक मेटा-रीज़निंग नीति को प्रशिक्षित करने के लिए एक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) विधि प्रस्तुत करता है जो एक रिएक्टिव-पॉलिसी अनिश्चितता स्कोर का उपयोग करके यह अनुमान लगाती है कि नियोजन (प्लानिंग) कब आवश्यक है, जिससे तेज़ प्रतिक्रियात्मक नियंत्रण और धीमी विचारशील योजना के बीच गणना को गतिशील रूप से आवंटित किया जाता है, और इस प्रकार नेविगेशन कार्यों में प्रदर्शन को अनुकूलित करते हुए रिएक्टिव पॉलिसी के बेहतर होने के साथ अनुकूलित होता है।
यह शोध पत्र HARP को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free), टूल-उपयोग करने वाला एजेंट है जो परिकल्पनाओं को उत्पन्न करने और उन्हें सत्यापित करने के लिए एक्टिवेशन डेटाबेस से रिट्रीवल का लाभ उठाता है, और यह प्रदर्शित करता है कि यह कॉन्सेप्ट डिस्कवरी, डिटेक्शन, स्टीयरिंग और सीक्रेट एलिसिटेशन में महंगी प्रशिक्षण-आधारित व्याख्यात्मकता (interpretability) विधियों से बेहतर प्रदर्शन कर सकता है।
यह शोध पत्र K-IPO को प्रस्तुत करता है, जो एक जनरेटर-अज्ञेय (generator-agnostic) ओवरसैंपलिंग फ्रेमवर्क है जो केंडल के टॉ (Kendall's tau) सहसंबंध बाधा के आधार पर सिंथेटिक नमूनों को पुनरावृत्ति से उत्पन्न करके और चुनिंदा रूप से स्वीकार करके असंतुलित सारणीबद्ध डेटा में फीचर महत्व रैंकिंग को संरक्षित करता है।
यह शोध पत्र पूर्व में कारावास में रहे 31 व्यक्तियों के एक अध्ययन को प्रस्तुत करता है जो एआई-संचालित पैरोल प्रौद्योगिकियों को जेल प्रणाली को ध्वस्त करने वाले उपकरणों के रूप में नहीं, बल्कि रणनीतिक संसाधनों के रूप में देखते हैं जो उन्हें और उनके परिवारों को कानूनी अवधारणाओं का अनुवाद करने, व्यक्तिगत परिवर्तन को प्रलेखित करने और अदृश्य श्रम को पहचानने के माध्यम से जटिल कारागार शक्ति संरचनाओं को समझने में मदद कर सकें।
यह शोध पत्र "नॉन-यूनिफॉर्मिटी सिद्धांत" (nonuniformity principle) का प्रस्ताव और अनुभवजन्य रूप से सत्यापन करता है, जो यह निर्देश देता है कि गुणवत्ता आश्वासन और संसाधन दक्षता के बीच संतुलन बनाने के लिए जनरेटिव एआई वर्कफ़्लो में इष्टतम मानवीय निरीक्षण को गैर-घटते अंतराल (non-decreasing intervals) के साथ निर्धारित किया जाना चाहिए।
यह शोध पत्र बिल्डिंग-टू-बिल्डिंग (B2B) को प्रस्तुत करता है, जो एनर्जीप्लस (EnergyPlus) पर आधारित एक बड़े पैमाने का, भौतिक रूप से सुदृढ़ बेंचमार्क सूट है, जो सामान्यीकरण (generalization), स्थानांतरण (transfer) और बहु-कार्य शिक्षण (multi-task learning) का व्यवस्थित अध्ययन करने के लिए विविध HVAC नियंत्रण वातावरण प्रदान करके वास्तविक दुनिया की तैनाती में सुदृढीकरण शिक्षण (reinforcement learning) की भंगुरता को संबोधित करता है।
यह शोधपत्र मल्टी-टास्क लर्निंग में नेगेटिव ट्रांसफर को सीमित साझा क्षमता और कमजोर टास्क रेडंडेंसी के परिणाम के रूप में पुनर्गठित करने के लिए एक कैपेसिटी-रेडंडेंसी पहचान प्रस्तावित करता है, जो क्लस्टर्ड शेयरिंग के लिए सैद्धांतिक स्थितियाँ और एक ग्रेडिएंट-आधारित रेडंडेंसी प्रॉक्सी व्युत्पन्न करता है, जबकि अनुभवजन्य रूप से यह प्रदर्शित करता है कि क्लस्टर्ड LoRA महत्वपूर्ण रूप से इंटरफेरेंस को कम करता है और रैंडम पार्टिशन्स से बेहतर प्रदर्शन करता है।