23200 पेपर
यह शोध पत्र एक एजेंट-जागरूक अवलोकन सब्सट्रेट (agent-aware observability substrate) प्रस्तावित करके गतिशील LLM-आधारित एजेंटिक प्रणालियों में डेलीगेशन स्कोप्स (delegation scopes) को विशिष्ट रूप से पहचानने में मानक ऑडिट लॉग्स की अक्षमता को संबोधित करता है, जो विश्वसनीय, ह्यूरिस्टिक-मुक्त फोरेंसिक पुनर्निर्माण को सक्षम करने के लिए निष्पादन के समय (execution time) पर डेलीगेशन संदर्भ को बांधता है।
यह शोध पत्र AdvGRPO को प्रस्तुत करता है, जो एक नवीन सह-प्रशिक्षण ढांचा (co-training framework) है जो सघन बहु-चैनल पुरस्कारों (dense multi-channel rewards), विच्छेदित लाभ सामान्यीकरण (decoupled advantage normalization) और एक प्रगतिशील पाठ्यक्रम (progressive curriculum) के माध्यम से संयुक्त हमलावर-रक्षक अनुकूलन के लिए GRPO को स्थिर करता है, जो अंततः अत्यधिक प्रभावी हस्तांतरणीय हमलों और अधिक सुदृढ़ भाषा मॉडल रक्षाओं को जन्म देता है।
यह शोध पत्र तर्क देता है कि कानूनी क्षेत्र में रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) की बार-बार होने वाली विफलताएं संभाव्य रिट्रीवल (probabilistic retrieval) और कानूनी ज्ञान की पदानुक्रमित, कालिक एवं कारण संबंधी प्रकृति के बीच एक मौलिक संरचनात्मक बेमेल से उत्पन्न होती हैं, और इसके समाधान हेतु ऑन्टोलॉजिकल प्रधानता (ontological primacy), घटना वस्तुकरण (event reification), द्विकालिक शुद्धता (bitemporal correctness) और नियतात्मक अंतःक्रिया प्रोटोकॉल (deterministic interaction protocols) पर केंद्रित एक नए नियतात्मक ढांचे का प्रस्ताव देता है।
यह शोध पत्र SearchSwarm को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो "डेलीगेशन इंटेलिजेंस" (प्रत्यायोजन बुद्धिमत्ता) वाले मॉडलों को प्रशिक्षित करने के लिए हार्नेस-गाइडेड प्रक्रिया के माध्यम से सुपरवाइज्ड फाइन-ट्यूनिंग डेटा को संश्लेषित करता है, जिससे वे एजेंट सबटास्क डेलीगेशन के माध्यम से लंबी अवधि के गहन अनुसंधान कार्यों को प्रभावी ढंग से विघटित और प्रबंधित करने में सक्षम होते हैं, जिसके परिणामस्वरूप BrowseComp बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र 'रिसर्च गैप इन्फरेंस' नामक एक नवीन प्रक्रिया-स्तरीय फीडबैक पद्धति का उपयोग करते हुए डीप रिसर्च एजेंटों के लिए एक मल्टी-टर्न मूल्यांकन ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि लक्षित फीडबैक का एक एकल दौर रिपोर्ट की गुणवत्ता में महत्वपूर्ण सुधार करता है, लेकिन आगामी टर्न (turns) लाभों को संचित करने में विफल रहते हैं क्योंकि एजेंट पहले से संतुष्ट मानदंडों पर वापस जाने लगते हैं, जो यह संकेत देता है कि विश्वसनीय मल्टी-टर्न सुधार वर्तमान आर्किटेक्चर के लिए अभी भी पहुंच से बाहर है।
यह शोध पत्र कोलाबोरेटिव ह्यूमन-एजेंट प्रोटोकॉल (CHAP) का परिचय देता है, जो एक नया मानक है जिसे असंरचित मानवीय हस्तक्षेपों और हैंडऑफ्स को एक साझा, साक्ष्य-आधारित वर्कस्पेस के भीतर संरचित, गैर-अस्वीकरणीय घटनाओं में बदलकर मल्टी-ह्यूमन, मल्टी-एजेंट वर्कफ़्लो को औपचारिक बनाने और ऑडिट करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र यह स्थापित करता है कि निरंतर शिक्षण (continual learning) में प्लास्टिसिटी को बनाए रखने के लिए डायनामिकल आइसोमेट्री एक प्रमुख तंत्र है, जो लगभग-आइसोमेट्रिक स्थितियों को बनाए रखने के लिए एक नवीन नियमितीकरण योजना और AdamO ऑप्टिमाइज़र का प्रस्ताव देता है, जिससे गहरे न्यूरल नेटवर्क में सीखने की क्षमता के क्रमिक नुकसान को रोका जा सके।
यह शोध पत्र SIGA को प्रस्तुत करता है, जो एक स्व-विकसित एडेप्टर (self-evolving adapter) है जो रिट्रीवल (retrieval), प्रक्रियात्मक स्मृति (procedural memory) और सत्यापन-प्रवर्तित समाप्ति (validation-enforced termination) के माध्यम से सामान्य कोडिंग एजेंटों को सिम्युलेटर-विशिष्ट ग्राउंडिंग से सुसज्जित करता है, जिससे वे GEOS जैसे जटिल वैज्ञानिक सिम्युलेटर को मानव विशेषज्ञों की तुलना में 36 गुना अधिक तेजी से कॉन्फ़िगर करने में सक्षम होते हैं और साथ ही विभिन्न सॉफ़्टवेयर इंटरफेसों में सफलता दर और अनुकूलन क्षमता में उल्लेखनीय सुधार करते हैं।
यह शोधपत्र टोपोलॉजिकल न्यूरल ऑपरेटर्स (TNOs) को प्रस्तुत करता है, जो एक सिद्धांत-आधारित ढांचा है जो सेल कॉम्प्लेक्स (cell complexes) तक न्यूरल ऑपरेटर्स का विस्तार करता है, जिसमें क्रॉस-डायमेंशनल इंटरैक्शन को मॉडल करने और भौतिक संरक्षण नियमों को बनाए रखने के लिए डिस्क्रीट एक्सटीरियर कैलकुलस (Discrete Exterior Calculus) का लाभ उठाया गया है, जिससे अनियमित ज्यामिति (irregular geometries) पर आंशिक अंतर समीकरणों (partial differential equations) को हल करने में उत्कृष्ट सटीकता प्राप्त होती है।