1362 पेपर
यह शोध पत्र एक विकेंद्रीकृत बहु-एजेंट मांग-पक्ष प्रबंधन प्रणाली का प्रस्ताव करता है जिसमें एक नवीन स्लॉट विनिमय तंत्र (slot exchange mechanism) शामिल है जो उपभोक्ता सुविधा और निष्पक्षता को बढ़ाता है, भले ही एजेंट परोपकारी न हों, बिना सिस्टम की दक्षता या स्केलेबिलिटी से समझौता किए।
यह शोध पत्र MAPPA को प्रस्तुत करता है, जो एक फाइन-ट्यूनिंग विधि है जो मल्टी-एजेंट सिस्टम में क्रेडिट असाइनमेंट और सैंपल एफिशिएंसी की चुनौतियों को हल करने के लिए AI फीडबैक से प्राप्त प्रति-एक्शन प्रोसेस रिवार्ड्स का लाभ उठाती है, जो जटिल गणित और डेटा विश्लेषण कार्यों पर महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करती है।
यह शोध पत्र फ्यूचर डायरेक्शन-अवेयर (FDA) फ्लॉकिंगिंग को प्रस्तुत करता है, जो एक जैव-प्रेरित ढांचा है जो पारंपरिक प्रतिक्रियाशील मॉडलों की तुलना में तेज़ आम सहमति, बेहतर सामंजस्य और विलंब एवं शोर के विरुद्ध अधिक मजबूती प्राप्त करने के लिए भविष्य के वेग अनुमान के साथ प्रतिक्रियाशील संरेखण को मिलाकर झुंड समन्वय को बढ़ाता है।
यह शोध पत्र PCE को प्रस्तुत करता है, जो एक प्लानर-कंपोजर-इवैल्यूएटर (Planner-Composer-Evaluator) फ्रेमवर्क है जो लेटेंट एलएलएम (LLM) धारणाओं को संरचित निर्णय वृक्षों (decision trees) में परिवर्तित करता है ताकि एम्बोडीड एजेंटों (embodied agents) के लिए अनिश्चितता-जागरूक नियोजन (uncertainty-aware planning) को सक्षम किया जा सके, जो पारंपरिक तरीकों की तुलना में संचार ओवरहेड को कम करते हुए कार्य सफलता और दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक ड्यूल माइंड वर्ल्ड मॉडल से प्रेरित डिजिटल ट्विन फ्रेमवर्क प्रस्तावित करता है जो पारंपरिक ह्यूरिस्टिक्स और सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) बेसलाइन की तुलना में गतिशील नेटवर्क प्रणालियों के लिए बेहतर, व्याख्या योग्य और नमूना-कुशल एक्सेस शेड्यूलिंग प्राप्त करने हेतु लघु-क्षितिज भविष्य कहनेवाला नियोजन (शॉर्ट-होराइजन प्रेडिक्टिव प्लानिंग) को प्रतीकात्मक मॉडल-आधारित रोलआउट के साथ एकीकृत करता है।
ENGRAM एक हल्का मेमोरी सिस्टम है जो बातचीत करने वाले एजेंटों में तीन मानक मेमोरी प्रकारों में इंटरैक्शन को व्यवस्थित करके और डेंस रिट्रीवल के साथ एक सरल राउटर-रिट्रीवर आर्किटेक्चर का उपयोग करके स्टेट-ऑफ-द-आर्ट लॉन्ग-होरिज़न कंसिस्टेंसी प्राप्त करता है, जिससे जटिल नॉलेज ग्राफ या मल्टी-स्टेज पाइपलाइनों की आवश्यकता समाप्त हो जाती है और टोकन के उपयोग में भी काफी कमी आती है।
यह शोध पत्र DualAgent-Rec को प्रस्तुत करता है, जो एक LLM-समन्वित दोहरी-एजेंट रूपरेखा (dual-agent framework) है, जो विशेष शोषण (exploitation) और अन्वेषण (exploration) एजेंटों को अनुकूल रूप से ऑर्केस्ट्रेट करके ई-कॉमर्स अनुशंसा प्रणालियों में 100% बाधा संतुष्टि (constraint satisfaction) और बेहतर बहु-उद्देश्य प्रदर्शन प्राप्त करता है।
यह शोध पत्र 'कॉन्स्टिट्यूशनल इवोल्यूशन' (संविधानिक विकास) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मल्टी-एजेंट सिस्टम के लिए व्याख्या योग्य व्यवहार संबंधी मानदंडों को स्वचालित रूप से खोजने के लिए एलएलएम-संचालित जेनेटिक प्रोग्रामिंग का उपयोग करता है, जो मानव-निर्मित या स्पष्ट रूप से निर्देशित संविधानों की तुलना में काफी अधिक सामाजिक स्थिरता प्राप्त करता है और संघर्ष को समाप्त करता है।
ToolTok GUI एजेंटों के लिए एक नवीन मल्टी-स्टेप पाथफाइंडिंग प्रतिमान पेश करता है जो सिमेंटिक अवधारणाओं द्वारा एंकर किए गए लर्नबल टूल टोकन एम्बेडिंग्स का उपयोग करता है और इसे ईज़ी-टू-हार्ड करिकुलम के माध्यम से प्रशिक्षित किया गया है, जिससे मौजूदा तरीकों की तुलना में काफी कम डेटा के साथ बेहतर सामान्यीकरण और प्रदर्शन प्राप्त होता है।
यह शोध पत्र AURA को प्रस्तुत करता है, जो एक एजेंटिक AI फ्रेमवर्क है जो मल्टी-मोडल लेबल उत्पन्न करने और मान्य करने के लिए कई एजेंटों को समन्वित करता है जिसमें ग्राउंड ट्रुथ (ground truth) की आवश्यकता नहीं होती है, और यह वास्तविक लेबल और एनोटेटर विश्वसनीयता का अनुमान लगाने के लिए एक्स्पेक्टेशन-मैक्सिमाइजेशन (Expectation-Maximization) के साथ एक संभाव्य मॉडल (probabilistic model) को अनुकूलित करता है, जिससे मानक और चुनौतीपूर्ण एनोटेशन परिदृश्यों दोनों में बेसलाइन की तुलना में महत्वपूर्ण सटीकता सुधार प्राप्त होता है।