1362 पेपर
यह शोध पत्र AffPCL प्रस्तुत करता है, जो एक व्यक्तिगत सहयोगात्मक शिक्षण ढांचा (पर्सनलाइज्ड कोलैबोरेटिव लर्निंग फ्रेमवर्क) है जो अज्ञात एजेंट विषमता के अनुकूल होने के लिए एफिनिटी-आधारित वेरिएंस रिडक्शन का उपयोग करता है, जिससे सिस्टम समानता के पूर्व ज्ञान की आवश्यकता के बिना, इंडिपेंडेंट लर्निंग और लीनियर स्पीडअप के बीच निर्बाध रूप से इंटरपोलेट करते हुए सैंपल कॉम्प्लेक्सिटी में सुधार प्राप्त होता है।
यह शोध पत्र PULL को पेश करके कनेक्टेड अनलेबल मल्टी-एजेंट पाथफाइंडिंग (CUMAPF) समस्या को संबोधित करता है, जो एक हल्का, पूर्ण एल्गोरिदम है जो प्रति चरण समय में चलता है और स्वार्म रोबोटिक्स अनुप्रयोगों के लिए एक इंटीजर लीनियर प्रोग्रामिंग दृष्टिकोण और नाइव तरीकों दोनों की तुलना में स्केलेबिलिटी और दक्षता में बेहतर प्रदर्शन करता है।
यह शोध पत्र एक संचार-सीमित मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रिइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो लॉसवी (lossy) और लॉसलेस (lossless) संदेशों के बीच अंतर करने के लिए एक सामान्यीकृत मॉडल और दोहरे पारस्परिक सूचना अनुमानक (dual mutual information estimator) का उपयोग करता है, जिससे जटिल, गतिशील वातावरण में सहकारी नीति शिक्षण को बढ़ाने के लिए वैश्विक पुरस्कारों पर उनके प्रभाव को परिमाणित किया जा सके।
यह शोध पत्र प्रीट्रेन्ड नीतियों और अनुकूलन नियमों वाले एजेंटों को मॉडल करके टेस्ट-टाइम बाधाओं के तहत एल्गोरिद्मिक मिलीभगत (collusion) के उद्भव का मूल्यांकन करने के लिए एक मेटा-गेम ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि विभिन्न एल्गोरिद्मिक रणनीतियों के माध्यम से बार-बार होने वाले प्राइसिंग गेम्स में तर्कसंगत विकल्प और सह-अनुकूलन (co-adaptation) किस प्रकार सहकारी या प्रतिस्पर्धी परिणामों को प्रभावित करते हैं।
यह शोध पत्र \texttt{electoral\_sim} का परिचय देता है, जो एक ओपन-सोर्स पायथन फ्रेमवर्क है जो यूक्लिडियन डिस्टेंस टू द ज्योमेट्रिक मीडियन (Euclidean distance to the geometric median) को प्राथमिक प्रदर्शन मीट्रिक के रूप में उपयोग करते हुए, विविध मतदाता वरीयता वितरणों के माध्यम से विभिन्न चुनावी प्रणालियों का अनुकरण और तुलना करता है, जिसमें बोल्ट्ज़मैन सॉफ्टमैक्स कर्नेल (Boltzmann softmax kernel) पर आधारित एक नवीन सैद्धांतिक बेंचमार्क भी शामिल है।
यह शोध पत्र एलएलएम डेलिगेट प्रोटोकॉल (एलडीपी) को प्रस्तुत करता है, जो एक एआई-नेटिव संचार ढांचा है जो मॉडल पहचान और तर्क प्रोफाइल को प्रथम-श्रेणी के प्रिमिटिव्स के रूप में प्रदर्शित करके मल्टी-एजेंट सिस्टम की दक्षता और शासन को बढ़ाता है, जो प्रयोगात्मक मूल्यांकनों में विलंबता और टोकन उपयोग में महत्वपूर्ण कमी के साथ-साथ बेहतर सुरक्षा और रिकवरी क्षमताओं का प्रदर्शन करता है।
यह शोध पत्र ऑटोमेटेड ड्राइविंग में लेटेंट वर्ल्ड मॉडल्स के लिए एक एकीकृत वर्गीकरण और मूल्यांकन ढांचा प्रस्तावित करता है, जो डिज़ाइन विकल्पों को लेटेंट रिप्रेजेंटेशन और स्ट्रक्चरल प्रायर्स द्वारा व्यवस्थित करता है और मजबूती, सामान्यीकरण तथा तैनात करने की क्षमता को बढ़ाने के लिए प्रमुख आंतरिक तंत्रों और अनुसंधान दिशाओं की पहचान करता है।
यह शोध पत्र मल्टी-एलएलएम (multi-LLM) विचार-विमर्श समितियों को रैंडम डायनामिकल सिस्टम्स के रूप में मॉडल करता है और यह प्रदर्शित करता है कि नियत टेम्परेचर सेटिंग्स के तहत भी, भूमिका विभेदीकरण और मॉडल विषमता जैसे कारक धनात्मक अनुभवजन्य लयापुनोव एक्सपोनेंट्स (positive empirical Lyapunov exponents) द्वारा चिह्नित अराजक अस्थिरता उत्पन्न करते हैं, जिससे विश्वसनीय एआई गवर्नेंस के लिए स्थिरता ऑडिटिंग एक महत्वपूर्ण आवश्यकता के रूप में स्थापित होती है।
ToolRosetta एक एकीकृत ढांचा है जो विषम ओपन-सोर्स कोड रिपॉजिटरीज़ को स्वचालित रूप से मानकीकृत, सुरक्षित और निष्पादन योग्य मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) टूल्स में परिवर्तित करता है, जिससे LLM एजेंटों को न्यूनतम मानवीय हस्तक्षेप के साथ जटिल कार्यों के लिए विशेष सॉफ़्टवेयर की स्वायत्त रूप से योजना बनाने और उन्हें कॉल करने में सक्षम बनाया जा सके।
यह शोध पत्र "कॉन्टेक्स्ट इंजीनियरिंग" (Context Engineering) को एक आधारभूत अनुशासन के रूप में प्रस्तावित करता है, जो इंटेंट (Intent) और स्पेसिफिकेशन (Specification) इंजीनियरिंग के साथ मिलकर, व्यक्तिगत प्रॉम्प्ट्स से ध्यान हटाकर एक एजेंट के सूचनात्मक परिवेश, लक्ष्यों और नीतिगत बाधाओं के व्यापक प्रबंधन पर केंद्रित करते हुए, स्वायत्त मल्टी-एजेंट सिस्टम को स्केल करने के लिए एक परिपक्वता मॉडल (maturity model) बनाता है।