1362 पेपर
यह स्थिति पत्र (position paper) सॉफ्टवेयर इंजीनियरिंग पीयर रिव्यू प्रक्रिया की प्रणालीगत विफलताओं को संबोधित करने के लिए समुदाय को एक स्टोकेस्टिक मल्टी-एजेंट सिस्टम के रूप में मॉडल करने और क्रेडिट-आधारित अर्थव्यवस्था, अनुकूलित समीक्षक असाइनमेंट और हाइब्रिड सत्यापन सहित प्रोत्साहन-संगत प्रोटोकॉल डिजाइन करने के लिए मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग लागू करने का प्रस्ताव करता है।
यह शोध पत्र डिबेट, डेलिब्रेट, डिसाइड (D3) को प्रस्तुत करता है, जो एक लागत-सचेत (cost-aware) प्रतिकूल मल्टी-एजेंट फ्रेमवर्क है, जो कम पूर्वाग्रह और अनुकूल लागत-सटीकता व्यापार-संबंधों (cost-accuracy trade-offs) के साथ विश्वसनीय, व्याख्या योग्य और अत्याधुनिक LLM मूल्यांकन प्राप्त करने के लिए भूमिका-विशिष्ट एजेंटों के बीच संरचित बहसों और बजटयुक्त पुनरावृत्ति प्रोटोकॉल का उपयोग करता है।
यह शोध पत्र "कैपिटल गेम्स" (capital games) को प्रस्तुत करता है, जो एक गतिशील ढांचा है जहाँ प्रतिफल (payoffs) उपयोगिता के बजाय पूंजी में मापे जाते हैं, जिससे शोधकर्ता यह मानकर खिलाड़ियों की उपयोगिताओं का अनुमान लगा सकते हैं कि वे अपनी पूंजी की समय-औसत वृद्धि दर को अधिकतम करने का लक्ष्य रखते हैं।
TrustResearcher एक पारदर्शी, डोमेन-अज्ञेय (domain-agnostic) मल्टी-एजेंट सिस्टम है जो ज्ञान-आधारित शोध विचारोन्मेष (ideation) को ज्ञान क्यूरेशन, विचार पीढ़ी, चयन और विशेषज्ञ समीक्षा के चार-चरणीय ढांचे के माध्यम से स्वचालित करता है, जबकि यह अपनी तर्क प्रक्रियाओं और निष्पादन लॉग में पूर्ण दृश्यता प्रदान करता है।
यह शोध पत्र एक नवीन LLM-निर्देशित नो-रिग्रेट पोर्टफोलियो आवंटन ढांचे का प्रस्ताव करता है जो ऑनलाइन लर्निंग, मार्केट सेंटीमेंट और लार्ज लैंग्वेज मॉडल-संचालित हेजिंग को एकीकृत करता है ताकि जोखिम-विमुख निवेशकों के लिए वार्षिक रिटर्न और शार्प रेशियो दोनों में SPY बाय-एंड-होल्ड बेसलाइन से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र तर्क देता है कि मौजूदा व्याख्यात्मकता विधियाँ एजेंटिक प्रणालियों की गतिशील, बहु-चरणीय प्रकृति के लिए अपर्याप्त हैं और उनके सुरक्षित एवं जवाबदेह परिनियोजन को सुनिश्चित करने के लिए जीवनचक्र-व्यापी नई तकनीकों का प्रस्ताव करता है।
यह शोध पत्र AI-नेटिव O-RAN एज नेटवर्क के लिए एक स्व-शिक्षण ढांचे का प्रस्ताव करता है जो एक केंद्रीकृत रिपॉजिटरी और RL-संचालित निर्णय लेने की प्रक्रिया का उपयोग करके विषम डोमेन और नियंत्रण लूपों में कुशल मॉडल संस्करणिंग और परिनियोजन को स्वचालित करता है ताकि मॉडल सटीकता, सिस्टम स्थिरता और कम-विलंबता सेवा आवश्यकताओं के बीच संतुलन बनाया जा सके।
यह शोध पत्र VissimRL प्रस्तुत करता है, जो एक मॉड्यूलर मल्टी-एजेंट सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक मानकीकृत पायथन API प्रदान करके उच्च-सटीकता वाले विसिम (Vissim) सिमुलेशन और अकादमिक अनुसंधान के बीच के अंतर को पाटता है ताकि कुशल और प्रभावी यातायात संकेत नियंत्रण को सुगम बनाया जा सके।
यह शोध पत्र रणनीतिक सह-प्रतिस्पर्धा (coopetition) के लिए एक कम्प्यूटेशनल ढांचे को प्रस्तुत करता है जो निष्ठा-मध्यस्थता वाले उपयोगिता फलनों (loyalty-moderated utility functions) और निर्भरता-भारित सामंजस्य (dependency-weighted cohesion) को पेश करके मिश्रित-प्रेरणा वाले बहु-एजेंट परिवेशों में निरंतर फ्री-राइडिंग (free-riding) की समस्या का समाधान करता है, जिन्हें विविध टीम गतिकी में सामूहिक कार्रवाई और योगदान पैटर्न को सफलतापूर्वक मॉडल करने के लिए व्यापक सिमुलेशन और एक अपाचे एचटीटीपी सर्वर केस स्टडी के माध्यम से मान्य किया गया है।