cs.AI

HAT-4D: Lifting Monocular Video for 4D Multi-Object Interactions via Human-Agent Collaboration

यह शोध पत्र HAT-4D प्रस्तुत करता है, जो एक नवीन मानव-एजेंट सहयोगात्मक ढांचा है जो एकल (मोनोक्युलर) वीडियो से भौतिक रूप से विश्वसनीय 4D बहु-वस्तु अंतःक्रियाओं के पुनर्निर्माण के लिए विजन-लैंग्वेज मॉडल और मानव-इन-द-लूप फीडबैक का लाभ उठाता है, जिससे MVOIK-4D बेंचमार्क का निर्माण संभव होता है और एम्बॉडीड AI (Embodied AI) के लिए डेटा जनरेशन को आगे बढ़ाया जा सकता है।

Towards Value-Constrained Credit Assignment in Fully Delegated AI Cooperatives

यह शोध पत्र पूर्णतः प्रत्यायोजित (fully delegated) एआई सहकारी समितियों में मूल्य-प्रतिबंधित क्रेडिट असाइनमेंट के लिए एक ढांचे का प्रस्ताव करता है जो व्यक्तिगत मूल्य प्रोफाइल के माध्यम से मॉडल अपडेट को फ़िल्टर करने और ऑनलाइन सीमांत योगदान (online marginal contributions) के आधार पर पुरस्कार आवंटित करने के लिए एक ट्रैवर्सल लर्निंग सबस्ट्रेट का उपयोग करता है, जिससे पारंपरिक फेडरेटेड लर्निंग विधियों की तुलना में सूक्ष्मกว่า एट्रिब्यूशन प्राप्त होता है।

Agent-Native Immune System: Architecture, Taxonomy, and Engineering

यह शोध पत्र एजेंट-नेटिव इम्यून सिस्टम (ANIS) को प्रस्तुत करता है, जो एक जैविक रूप से प्रेरित, अंतर्जात रक्षा संरचना है जिसे स्वायत्त एजेंटों के संज्ञानात्मक लूप (cognitive loops) के भीतर समाहित किया गया है, ताकि छह-स्तरीय इम्यून टॉवर, खतरों और पैरामीट्रिक टीकों (parametric vaccines) के एक एकीकृत वर्गीकरण, और एक स्व-निगरानी त्रयी (self-monitoring triad) के माध्यम से रनटाइम कमजोरियों को संबोधित किया जा सके, जो स्थिर मॉडल संरेखण (static model alignment) से भिन्न गतिशील, निरंतर प्रतिरक्षा शिक्षण को सक्षम बनाता है।

Parameter Efficient Hybrid Transformer (PEHT) for Network Traffic Prediction via Dynamic Urban Congestion Integration

यह शोध पत्र पैरामीटर-एफिशिएंट हाइब्रिड ट्रांसफॉर्मर (PEHT) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो सटीक और संसाधन-कुशल नेटवर्क ट्रैफ़िक भविष्यवाणी प्राप्त करने के लिए लो-रैंक एडेप्टेशन का उपयोग करके शहरी गतिशीलता और भीड़भाड़ के डेटा को ट्रांसफॉर्मर आर्किटेक्चर में एकीकृत करता है।

Which Nash Equilibrium? Solver-Dependent Selection on Zero-Sum Nash Polytopes

यह शोध पत्र प्रदर्शित करता है कि विभिन्न ज़ीरो-सम गेम सॉल्वर (zero-sum game solvers) रैंडम इनिशियलाइज़ेशन के बजाय अपनी एल्गोरिद्मिक संरचना के आधार पर व्यवस्थित रूप से विशिष्ट नैश इक्विलिब्रियम (Nash equilibria) का चयन करते हैं, जहाँ रेगुलराइज्ड लास्ट-इटरेट मेथड्स (regularized last-iterate methods) मैक्सिमम-एन्ट्रॉपी इक्विलिब्रियम की ओर अभिसरित होते हैं जबकि रिग्रेट-एवरेजिंग मेथड्स (regret-averaging methods) लोअर-एन्ट्रॉपी समाधानों की ओर विचलित होते हैं, जो कि उप-इष्टतम विरोधियों के विरुद्ध प्रदर्शन के लिए मापने योग्य डाउनस्ट्रीम परिणाम रखता है।

Byzantine-Robust Aggregation for Securing Decentralized Federated Learning

यह शोध पत्र WFAgg का प्रस्ताव करता है, जो एक नवीन बायज़ेंटाइन-रोबस्ट (Byzantine-robust) एग्रीगेशन एल्गोरिदम है जो गतिशील टोपोलॉजी में हमलों को कम करने के लिए कई फिल्टरों का उपयोग करके विकेंद्रीकृत फेडरेटेड लर्निंग की सुरक्षा और अभिसरण (convergence) को बढ़ाता है, और मौजूदा केंद्रीकृत रोबस्ट योजनाओं से बेहतर प्रदर्शन करता है।

Tuning Language Models by Mixture-of-Depths Ensemble

यह शोध पत्र Mixture-of-Depths Ensemble (MoDE) प्रस्तुत करता है, जो एक ट्यूनिंग फ्रेमवर्क है जो तर्क करने की क्षमता (reasoning performance) में सुधार करने के लिए सीखे गए रूटिंग वेट्स के साथ लेट-लेयर रिप्रेजेंटेशन्स के एक एनसेम्बल का लाभ उठाता है और यह प्रदर्शित करता है कि ये इंटरमीडिएट लेयर्स बड़े ट्रेन करने योग्य मॉड्यूल्स का प्रभावी ढंग से विकल्प बन सकती हैं।

Guided Persona-based AI Surveys: Can we replicate personal mobility preferences at scale using LLMs?

Large Language Models as Psychological Simulators: A Methodological Guide

Sparsity-Driven Plasticity in Multi-Task Reinforcement Learning

यह शोध पत्र प्रदर्शित करता है कि स्पार्सिफिकेशन विधियाँ, विशेष रूप से ग्रेजुअल मैग्नीट्यूड प्रूनिंग और स्पार्स इवोल्यूशनरी ट्रेनिंग, मल्टी-टास्क रिइन्फोर्समेंट लर्निंग एजेंटों में प्लास्टिसिटी लॉस को प्रभावी ढंग से कम करती हैं, जिससे विभिन्न आर्किटेक्चर में डेंस बेसलाइन्स की तुलना में बेहतर प्रदर्शन और अनुकूलनशीलता प्राप्त होती है।