1338 पेपर
यह शोध पत्र जनरेटिव एआई पारिस्थितिक तंत्रों में रणनीतिक प्रकाशकों की शिक्षण गतिशीलता और स्थिरता का विश्लेषण करने के लिए एक गेम-थ्योरेटिक मॉडल प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि कुछ सामग्री चयन तंत्र पारिस्थितिकी तंत्र की स्थिरता सुनिश्चित करते हैं, वे आवश्यक रूप से समग्र कल्याण को अधिकतम नहीं करते हैं, जिससे प्लेटफॉर्म डिजाइनरों के लिए एक महत्वपूर्ण व्यापार-बंद (ट्रेड-ऑफ) उजागर होता है।
यह शोध पत्र ARCHER को प्रस्तुत करता है, जो एक नियत (deterministic) मल्टी-एजेंट प्रोग्राम-सिंथेसिस हारनेस है जो स्केलेबल, पारदर्शी और अत्यधिक सटीक बिल्डिंग अनुपालन जांच प्राप्त करने के लिए नियामक दस्तावेजों से ऑडिट योग्य सत्यापन कोड उत्पन्न करता है, जो यह प्रदर्शित करता है कि सेल्फ-होस्टेड ओपन-वेट्स मॉडल लागत के एक अंश पर फ्रंटियर API प्रदर्शन के साथ मेल खा सकते हैं।
KQFuzz एक नवीन नॉलेज-गाइडेड फज़र है जो Qiskit, PennyLane और Cirq जैसी क्वांटम लाइब्रेरीज़ में टेस्ट कवरेज को महत्वपूर्ण रूप से सुधारने और बग्स को खोजने के लिए लार्ज लैंग्वेज मॉडल्स, कोडबेस-अवेयर प्रॉम्प्टिंग और फिटनेस-ड्रिवन म्यूटेशन रणनीतियों का लाभ उठाता है।
CHILL-Harness एक नवीन फ्रेमवर्क है जो काउंटरफैक्चुअल कॉज़ल लर्निंग (counterfactual causal learning) का उपयोग करके वर्कफ़्लो को अनुकूल रूप से ऑर्केस्ट्रेट करता है, जिससे लंबी अवधि के कार्यों में स्टेटिक एजेंट हार्नेस की अक्षमता को दूर किया जाता है, और इस प्रकार कार्य सफलता दर को बनाए रखते हुए या उसमें सुधार करते हुए कंप्यूटेशनल ओवरहेड और निष्पादन समय को महत्वपूर्ण रूप से कम किया जाता है।
OmniQEC एक AI वैज्ञानिक ढांचा है जो मौजूदा बेंचमार्क से बेहतर व्यावहारिक, हार्डवेयर-अनुकूल क्वांटेबल एरर-करेक्टिंग कोड्स की खोज के लिए लार्ज लैंग्वेज मॉडल्स और एक सहक्रियात्मक स्लो-फास्ट सर्च वर्कफ़्लो का लाभ उठाता है, जो कोड संरचना, सिंड्रोम निष्कर्षण और डिकोडिंग को सह-डिज़ाइन करता है।
यह स्थिति पत्र बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) को "तर्कसंगत तोतों" के रूप में पुनर्गठित करने की वकालत करता है जो, प्रासंगिकता, उत्तरदायित्व और स्वतंत्रता के सिद्धांतों द्वारा निर्देशित होकर, केवल प्रतिक्रियाएं उत्पन्न करने के बजाय मानव तर्क और आलोचनात्मक सोच को सक्रिय रूप से सुगम बनाने वाले उपकरणों के रूप में कार्य करते हैं।
यह शोध पत्र CoopReflect को प्रस्तुत करता है, जो एक मल्टी-एजेंट लर्निंग फ्रेमवर्क है जो स्वायत्त वाहनों (ऑटोनॉमस व्हीकल्स) को सुरक्षित और अधिक कुशल सहकारी ड्राइविंग के लिए प्राकृतिक भाषा के माध्यम से संवाद करने में सक्षम बनाता है, जो मानक LLM एजेंटों की समन्वय सीमाओं को दूर करने के लिए ट्रायल-एंड-एरर लर्निंग को मल्टी-एजेंट डिब्रीफिंग के साथ जोड़ता है।
यह शोध पत्र यह स्थापित करता है कि समन्वय केवल गैर-एकदिष्ट (non-monotonic) कार्यों के लिए ही कड़ाई से आवश्यक है, जो एक ब्रिज प्रमेय और वर्कफ़्लो एवं व्यावसायिक डेटा के बड़े पैमाने पर विश्लेषण के माध्यम से यह प्रदर्शित करता है कि वर्तमान संगठनात्मक समन्वय व्यय का एक महत्वपूर्ण हिस्सा शुद्धता के लिए अनावश्यक है।
यह शोध पत्र न्यूरो-सिम्बोलिक लेक्सिकल डिस्कवरी (NSLD) ढांचे का प्रस्ताव करता है, जहाँ LLM-आधारित एजेंट अज्ञात दृश्य संस्थाओं के लिए साझा शब्दावलियों को स्वायत्त रूप से विकसित और अभिसरित करते हैं, जिससे वे नए "एलियन" शब्दों को सिमेंटिक एम्बेडिंग निकटता के माध्यम से प्राकृतिक भाषा से जोड़कर स्वायत्त अन्वेषण मिशनों के लिए पूर्व-परिनियोजन योजना बनाने में सक्षम होते हैं।
CRAFT एंटरप्राइज़ कोडिंग एजेंटों के लिए एक दो-चरणीय पोस्ट-ट्रेनिंग फ्रेमवर्क है जो बिना व्यापक प्रॉम्प्ट-टाइम स्कीमा इंजेक्शन के स्कीमा-ग्राउंडेड प्लानिंग और निष्पादन व्यवहारों को सीखता है, जिससे टोकन ओवरहेड को कम करते हुए विश्लेषणात्मक प्रदर्शन, निरंतरता और दक्षता में महत्वपूर्ण सुधार होता है।