21594 पेपर
यह शोध पत्र RoPoLL को प्रस्तुत करता है, जो LLM मूल्यांकन के लिए एक सुदृढ़ ढांचा है जो दूषित जजों से होने वाले अनियंत्रित पूर्वाग्रह को प्रभावी ढंग से कम करने के लिए मानक पैनल सर्वसम्मति के स्थान पर एक ज्यामितीय माध्य अनुमानक (geometric median estimator) का उपयोग करता है, और उच्च भ्रष्टाचार दरों के तहत भी पारंपरिक विधियों की तुलना में बेहतर सटीकता और दक्षता प्राप्त करता है।
यह शोध पत्र विचलित अवलोकनों (perturbed observations) से एक लचीले पश्च वितरण (posterior distribution) को सीखने के माध्यम से एंगल्स-ओनली सिस्लुनर ऑर्बिट निर्धारण (angles-only cislunar orbit determination) को हल करने के लिए 'फिजिक्स-इन्फॉर्म्ड कंडिशनल नॉर्मलाइजिंग फ्लो' पेश करता है, जो सांख्यिकीय रूप से सुसंगत अवस्था परिकल्पनाएं उत्पन्न करता है जो शास्त्रीय नॉनलीनियर लीस्ट-स्क्वेयर्स रिफाइनमेंट के लिए प्रतिस्पर्धी वार्म स्टार्ट के रूप में कार्य करती हैं।
AgRefactor एक पूर्णतः-स्वचालित, ओपन-सोर्स, स्व-विकसित मल्टी-एजेंट वर्कफ़्लो है जो जटिल वास्तविक दुनिया के सॉफ़्टवेयर को कुशल, उच्च-प्रदर्शन, सिंथेसाइज़ेबल हाई-लेवल सिंथेसिस (HLS) कोड में कुशलतापूर्वक रिफैक्टर करने के लिए LLMs और स्वचालित उपकरणों का लाभ उठाता है, जो अनुकूलता और गति दोनों में मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र Loc2Repair प्रस्तुत करता है, जो एक मॉड्यूलर मूल्यांकन ढांचा है जो यह प्रदर्शित करता है कि कैसे फ़ाइल-स्तर के इश्यू लोकलाइजेशन (issue localization) को रिपेयर सिंथेसिस (repair synthesis) से अलग करने से रिपॉजिटरी-आधारित स्वचालित मरम्मत प्रणालियों की प्रभावशीलता और दक्षता दोनों में निरंतर सुधार होता है।
यह शोध पत्र HyPOLE पेश करता है, जो एक नवीन ढांचा है जो आंशिक अवलोकन (partial observability) के तहत मल्टी-एजेंट सुदृढीकरण शिक्षण (Multi-Agent Reinforcement Learning) को निर्देशित करने के लिए HyperLTL-आधारित हाइपरप्रॉपर्टीज का लाभ उठाता है, और केंद्रीकृत प्रशिक्षण एवं विकेंद्रीकृत निष्पादन के एकीकरण के माध्यम से मानक बेंचमार्क पर बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
AgentBound एक रनटाइम गवर्नेंस फ्रेमवर्क है जो डेलिगेटेड ऑथोराइजेशन, ओनर-साइंड कॉन्स्टिट्यूशंस और साइट कॉन्ट्रैक्ट्स के विरुद्ध प्रस्तावित कार्यों का मूल्यांकन करके स्वायत्त एआई एजेंटों के लिए सत्यापन योग्य व्यवहारिक निगरानी सुनिश्चित करता है ताकि क्रिप्टोग्राफिक रूप से ऑडिट करने योग्य रसीदें उत्पन्न की जा सकें जो स्वतंत्र सत्यापन और जवाबदेही को सक्षम बनाती हैं।
यह शोध पत्र यह तर्क देता है कि प्राकृतिक-भाषा-से-लीन (natural-language-to-Lean) औपचारिकीकरण का मूल्यांकन करने के लिए केवल लीन संकलन दरों (Lean compilation rates) पर निर्भर रहना भ्रामक है क्योंकि सिंटैक्टिक वैधता और सिमेंटिक निष्ठा के बीच एक महत्वपूर्ण अंतर है, और यह एक कठोर मानव-कैलिब्रेटेड सर्वसम्मति मीट्रिक का प्रस्ताव करता है तथा औपचारिक कथन की सटीकता में सुधार के लिए एलैबोरेशन फीडबैक (elaboration feedback) को सबसे महत्वपूर्ण हस्तक्षेप के रूप में पहचानता है।
OTCache एक प्रशिक्षण-मुक्त ढांचा है जो ऑप्टिमल ट्रांसपोर्ट का उपयोग करके कैशिंग शेड्यूल्स को पॉलिसी स्पेस में एक सुचारू विकास के रूप में मॉडल करके डिफ्यूजन मॉडल सैंपलिंग को तेज करता है, जिससे एक उच्च-फिडेलिटी संदर्भ शेड्यूल और एक अनुकूलित लो-बजट एंकर के बीच इंटरपोलेशन के माध्यम से विभिन्न मॉडलों में महत्वपूर्ण गति और बेहतर फिडेलिटी प्राप्त होती है।
LabGuard एक सुरक्षा सुइट है जो एक टाइप किए गए इंटरमीडिएट रिप्रेजेंटेशन, एक बेंचमार्क डेटासेट और एक ग्राउंडिंग मॉडल को पेश करके प्राकृतिक-भाषा प्रयोगशाला नियमों और मशीन-निष्पादनीय बाधाओं के बीच के अंतर को पाटता है, ताकि रनटाइम मॉनिटर तैनात किए जा सकें जो कार्य सफलता को बनाए रखते हुए एम्बोडीड लैब एजेंटों में असुरक्षित घटनाओं को महत्वपूर्ण रूप से कम करते हैं।
यह शोध पत्र OpenLife प्रस्तुत करता है, जो एक अवधारणा-प्रमाण (proof-of-concept) ढांचा है जो एलएलएम (LLM) एजेंटों को एक खुले विश्व वातावरण में स्वयं को बनाए रखने में सक्षम करने के लिए अतुल्यकालिक प्रक्रियाओं (asynchronous processes) के एक समाज का उपयोग करता है, जिससे कृत्रिम जीवन के अध्ययन के लिए एक व्यवहार्य नए प्रतिमान के रूप में व्यक्तिवाद, सामाजिक संरचना और स्वयं अर्जित आय जैसे उभरते जीवन-समान गुणों का प्रदर्शन होता है।