1362 पेपर
यह शोध पत्र एक एकीकृत सिमेंटिक ऑन्टोलॉजी स्थापित करके और एक व्याख्या योग्य, इरादा-जागरूक खोज प्रक्रिया को सक्षम करके पारंपरिक कीवर्ड-आधारित भू-स्थानिक डेटा खोज की सीमाओं को दूर करने के लिए लार्ज लैंग्वेज मॉडल्स द्वारा संचालित एक नॉलेज ग्राफ-संचालित मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करता है, जो रिट्रीवल सटीकता और पारदर्शिता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि एक हल्का लॉजिस्टिक एग्रीगेटर (logistic aggregator), तीन विविध ज़ीरो-शॉट एलएलएम (LLM) एजेंटों के भविष्यवाणियों को प्रभावी ढंग से संयोजित करके, अगले दिन के स्टॉक रिटर्न की भविष्यवाणी करने के लिए कॉर्पोरेट खुलासे (disclosures) को वर्गीकृत करने में व्यक्तिगत मॉडलों और पारंपरिक बेसलाइन से बेहतर प्रदर्शन कर सकता है, जिससे 18,420 अमेरिकी फर्मों के खुलासों के डेटासेट पर 0.612 की संतुलित सटीकता प्राप्त हुई है।
यह शोध पत्र मल्टी-यूएवी (multi-UAV) परिशुद्ध कृषि प्रणालियों के लिए एक संरचित, स्वायत्त एंड-टू-एंड वास्तुशिल्प ढांचे का प्रस्ताव करता है जो दोष सहिष्णुता, मजबूती और तैनाती की सुगमता सुनिश्चित करने के लिए प्रमुख सीमाओं को संबोधित करते हुए पथ नियोजन और इमेज प्रोसेसिंग जैसे कार्यों का समन्वय करता है।
यह अध्ययन 13 अनुभवजन्य अध्ययनों से 14 मानदंडों को संकलित करके, गणित शिक्षा में बिग फाइव व्यक्तित्व-संचालित छात्र एजेंटों की व्यवहारिक निष्ठा का मूल्यांकन करता है, जिसमें पाया गया कि एजेंटों के 71.4% व्यवहार मानव शिक्षार्थियों के अनुरूप हैं।
GT-Space एक स्केलेबल कोलाबोरेटिव परसेप्शन फ्रेमवर्क है जो विविध विषम स्वायत्त एजेंटों को एक एकीकृत ग्राउंड-ट्रुथ फीचर स्पेस और एक एकल एडेप्टर मॉड्यूल के माध्यम से विविध फीचर्स को संरेखित करने में सक्षम बनाता है, जिससे पेयरवाइज रिट्रेनिंग की आवश्यकता समाप्त हो जाती है और सिमुलेशन एवं वास्तविक दुनिया के डेटासेट्स में बेहतर डिटेक्शन सटीकता प्राप्त होती है।
यह शोध पत्र एक सबगोल-संचालित ढांचे का प्रस्ताव करता है जो सबगोल अपघटन (subgoal decomposition) के माध्यम से ऑनलाइन योजना और मील के पत्थर-आधारित पुरस्कारों (milestone-based rewards) के साथ MiRA सुदृढीकरण लर्निंग दृष्टिकोण को जोड़ता है, जो वेब नेविगेशन कार्यों पर लॉन्ग-होरइज़न LLM एजेंट के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है, जिससे ओपन-सोर्स मॉडल अग्रणी प्रोप्रायटरी सिस्टम को भी पीछे छोड़ने में सक्षम होते हैं।
यह शोध पत्र IndoorR2X को प्रस्तुत करता है, जो एक नया बेंचमार्क और सिमुलेशन फ्रेमवर्क है जो बेहतर इनडोर दृश्य समझ, कम अन्वेषण ओवरहेड और कुशल मल्टी-रोबोट कार्य नियोजन के लिए मोबाइल रोबोटों को स्थिर IoT सेंसरों के साथ समन्वयित करने हेतु लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
यह शोध पत्र 'मीनफ्लो मीट्स कंट्रोल' (MeanFlow Meets Control) को प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो एक सरल 'स्टॉप-ग्रेडिएंट' (stop-gradient) प्रशिक्षण उद्देश्य के माध्यम से सिस्टम की डिस्क्रीट अपडेट संरचना का सम्मान करते हुए, सैंपल्ड-डेटा बाधाओं के तहत बड़े पैमाने के स्वार्म्स (swarms) को निर्देशित करने के लिए परिमित-क्षित न्यूनतम-ऊर्जा नियंत्रण गुणांकों को सीखकर उन्हें नियंत्रित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि विकेंद्रीकृत प्रशिक्षण के अंत में एक एकल वैश्विक विलय चरण (global merging step) में संचार बजट को केंद्रित करने से उच्च डेटा विषमता के तहत प्रदर्शन में महत्वपूर्ण सुधार होता है, जो सैद्धांतिक रूप से यह सिद्ध करता है कि यह दृष्टिकोण स्थानीय मॉडल विसंगतियों को हानिकारक के बजाय रचनात्मक के रूप में पुनर्व्याख्या करके समानांतर SGD के समान अभिसरण दर प्राप्त करता है।
यह शोध पत्र एजिस (Aegis) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो बड़े भाषा मॉडल-आधारित मल्टी-एजेंट सिस्टम के लिए त्रुटि एट्रिब्यूशन डेटा की कमी को संबोधित करता है, जो स्वचालित रूप से 9,533 एनोटेटेड दोषपूर्ण प्रक्षेप पथों (faulty trajectories) का एक बड़े पैमाने पर डेटासेट उत्पन्न करता है, जो कुशल मॉडलों को प्रशिक्षित करने में सक्षम बनाता है जो बहुत बड़े प्रोप्रायटरी सिस्टम के प्रतिस्पर्धी प्रदर्शन प्राप्त करते हैं।