1362 पेपर
NeuroWise एक मल्टी-एजेंट एलएलएम कोचिंग सिस्टम है जो न्यूरोटिपिकल उपयोगकर्ताओं को संचार चुनौतियों को कमी-आधारित के बजाय पारस्परिक रूप में पुनर्गठित करने में मदद करता है, एक ऐसा निष्कर्ष जिसे एक अध्ययन द्वारा समर्थित किया गया है जो दर्शाता है कि इसने बेसलाइन की तुलना में नकारात्मक धारणाओं को काफी कम कर दिया और बातचीत की दक्षता में सुधार किया।
CuCo एक ट्रेनिंग-फ्री, एजेंट-ड्रिवन फ्रेमवर्क है जो कंप्यूटेशन और कम्युनिकेशन को सह-अनुकूलित (co-optimize) करके स्वचालित रूप से उच्च-प्रदर्शन वाले CUDA कर्नेलल्स जेनरेट करता है, जो मौजूदा दृष्टिकोणों की तुलना में बड़े पैमाने पर वितरित LLM ट्रेनिंग और इन्फरेंस में एंड-टू-एंड लेटेंसी को काफी कम कर देता है।
EvoSkill एक स्व-विकसित होने वाला ढांचा है जो पुन: प्रयोज्य एजेंट कौशल को पुनरावृत्ति विफलता विश्लेषण और पारेटो-आधारित चयन के माध्यम से स्वचालित रूप से खोजता और परिष्कृत करता है, जो विशेष तर्क और खोज-संवर्धित QA बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार करता है और कार्यों के बीच ज़ीरो-शॉट हस्तांतरणीयता प्रदर्शित करता है।
यह शोध पत्र मल्टीप्लेयर ऑप्टिमिस्टिक रोबस्ट नैश वैल्यू इटरेशन (MORNAVI) एल्गोरिदम प्रस्तुत करता है, जो डिस्ट्रीब्यूशनली रोबस्ट मार्कोव गेम्स के लिए ऑनलाइन लर्निंग की शुरुआत करता है, जिससे एजेंटों को सिम्युलेटर या बड़े ऑफलाइन डेटासेट की आवश्यकता के बिना, सिद्ध कम रिग्रेट के साथ पर्यावरणीय इंटरैक्शन से सीधे इष्टतम रोबस्ट नीतियां कुशलतापूर्वक सीखने में सक्षम बनाया जा सके।
यह स्थिति पत्र (position paper) यह तर्क देता है कि वर्तमान LLM-आधारित एजेंट सामाजिक सिमुलेशन के लिए अभी तक एक विश्वसनीय समाधान नहीं हैं क्योंकि भूमिका निभाने की संभाव्यता (role-playing plausibility) और व्यवहारिक वैधता (behavioral validity) के बीच एक व्यवस्थित बेमेल है, और यह एक एकीकृत, ऑडिट करने योग्य ढांचे की वकालत करता है जो स्पष्ट रूप से पर्यावरण अंतःक्रियाओं, शेड्यूलिंग प्रोटोकॉल और सूचनात्मक पूर्वग्रहों (information priors) को समाहित करता है।
यह शोध पत्र एक नवीन मल्टी-एजेंट आर्किटेक्चर का प्रस्ताव और मूल्यांकन करता है जो थ्योरी ऑफ माइंड (Theory of Mind), BDI-शैली के आंतरिक विश्वासों और सिम्बॉलिक सॉल्वर को एकीकृत करता है ताकि यह जांचा जा सके कि ये संज्ञानात्मक तंत्र संसाधन आवंटन कार्यों में सहयोगात्मक निर्णय लेने और सिस्टम की सटीकता को बढ़ाने के लिए विभिन्न LLM क्षमताओं के साथ कैसे परस्पर क्रिया करते हैं।
यह शोध पत्र डायनेमिक इंटरैक्शन ग्राफ (DIG) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो अनस्ट्रक्चर्ड मल्टी-एजेंट सिस्टम में उभरते सहयोग को समय-विकसित होने वाले कारणत्मक नेटवर्क के रूप में कैप्चर करता है, जिससे सामान्य-उद्देश्य वाले LLM एजेंटों के बीच सहयोग-प्रेरित त्रुटियों का वास्तविक समय में अवलोकन, स्पष्टीकरण और सुधार सक्षम होता है।
यह शोध पत्र EmCoop को प्रस्तुत करता है, जो एक बेंचमार्क फ्रेमवर्क है जो LLM-आधारित मल्टी-एजेंट सिस्टम में सहयोग की गतिशीलता और विफलता के तरीकों के व्यवस्थित, प्रक्रिया-स्तरीय विश्लेषण को सक्षम करने के लिए उच्च-स्तरीय संज्ञानात्मक समन्वय (high-level cognitive coordination) को निम्न-स्तरीय एम्बोडीड इंटरैक्शन (low-level embodied interactions) से अलग करता है।
यह शोध पत्र COffeE-PSRO को प्रस्तुत करता है, जो एक नवीन ऑफलाइन मल्टीएजेंट सुदृढीकरण शिक्षण (मल्टीएजेंट रिइन्फोर्समेंट लर्निंग) ढांचा है जो निश्चित डेटासेट के भीतर गेम डायनेमिक्स अनिश्चितता को ध्यान में रखते हुए मिश्रित-प्रेरणा वाले खेलों में लो-रिग्रेट इक्विलिब्रिया की पहचान करने के लिए कंजर्वेटिव सिद्धांतों और एक विशेष मेटा-स्ट्रेटजी सॉल्वर के साथ पॉलिसी स्पेस रिस्पॉन्स ओरेकल्स का विस्तार करता है।
NERFIFY एक मल्टी-एजेंट फ्रेमवर्क है जो डोमेन-विशिष्ट बाधाओं, डिपेंडेंसी-अवेयर सिंथेसिस और विजुअल फीडबैक का लाभ उठाकर न्यूरल रेडिएंस फील्ड (Neural Radiance Field) रिसर्च पेपर्स को रननेबल Nerfstudio प्लगइन्स में बदलने की प्रक्रिया को स्वचालित करता है, जिससे हफ्तों के बजाय मिनटों में विशेषज्ञ-स्तरीय कोड गुणवत्ता प्राप्त की जा सकती है।