1343 पेपर
यह शोध पत्र पूर्ण-सूचना और बेयसियन (Bayesian) दोनों परिवेशों में एफ़ाइन मैकेनिज्म (मीन मैकेनिज्म सहित) के लिए शुद्ध नैश इक्विलिब्रिया (Nash equilibria) का पूर्ण लक्षण वर्णन प्रदान करता है, जो यह प्रकट करता है कि मैकेनिज्म की प्रोत्साहन अनुकूलता (incentive compatibility) की कमी के बावजूद तर्कसंगत खिलाड़ी अपरिहार्य रूप से अत्यधिक अतिशयोक्ति में संलग्न होते हैं।
यह शोध पत्र 'मिक्सचर ऑफ डिबेटर्स' (MoD) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो डिकपल्ड रोल एलोकेशन (decoupled role allocation) और मोमेंटम स्विचिंग (momentum momentum switching) को सक्षम करने के लिए 'मिक्सचर-ऑफ-एक्सपर्ट्स' प्रतिमान का लाभ उठाता है, जिससे पारंपरिक स्टेटिक मल्टी-एजेंट सिस्टम की तुलना में बेहतर सटीकता और दक्षता प्राप्त होती है।
यह शोध पत्र लैंगशॉ (Langshaw) को प्रस्तुत करता है, जो एक डिक्लेरेटिव प्रोटोकॉल भाषा है जो मल्टी-एजेंट इंटरैक्शन में लचीलेपन और सिमेंटिक स्पष्टता के बीच संतुलन बनाने के लिए "sayso", "nono" और "nogo" कंस्ट्रक्ट्स का उपयोग करती है, साथ ही औपचारिक सिमेंटिक्स, सुरक्षा/लाइवनेस सत्यापन और एसिंक्रोनस मैसेज-ओरिएंटेड प्रोटोकॉल उत्पन्न करने की विधियाँ प्रदान करती है।
यह शोध पत्र मल्टी-एजेंट एलएलएम (LLM) विचार-विमर्श के लिए एक बजटेड 'एक्ट-ऑर-डिफर' (act-or-defer) ढांचे को प्रस्तुत करता है जो k-निकटतम पड़ोसी (k-nearest-neighbor) विश्वास अनुमानों के माध्यम से स्थानीय विश्वसनीयता सीमाओं की गणना करके गतिशील रूप से यह निर्णय लेता है कि कार्य करना है या मानव समीक्षा के लिए भेजना है, जिससे विविध कार्यों में उपयोगकर्ता द्वारा निर्दिष्ट गलत-कार्य बजट के भीतर ऑडिट योग्य सुरक्षा सुनिश्चित की जा सके।
यह शोध पत्र ECHO को प्रस्तुत करता है, जो एपिस्टेमिक डिसीजन प्रोसेसेज (Epistemic Decision Processes) पर आधारित एक लर्निंग फ्रेमवर्क है, जो भाषा एजेंटों को एपिस्टेमिक रूप से अनुकूल निर्णय लेने में सक्षम बनाने के लिए टर्न-लेवल, पोस्टीरियर-सेंसिटिव पॉलिसी ग्रेडिएंट ऑब्जेक्टिव का उपयोग करता है, जो सूचना-खोज दक्षता और तर्क सटीकता में ट्राजेक्टरी-लेवल बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र ट्रेलिस (Trellis) का प्रस्ताव करता है, जो एक डेटाबेस-केंद्रित आर्किटेक्चर है जो लंबी अवधि के एजेंटिक कार्यों से उत्पन्न संरचित "अनुभव ग्राफों" (experience graphs) को प्रथम-श्रेणी के, क्वेरी करने योग्य डेटा के रूप में मानता है ताकि स्टेटलेस एजेंटों, मजबूत क्रैश रिकवरी और एक क्लोज्ड-लूप ट्रेनिंग फ्लाईव्हील को सक्षम बनाया जा सके, जो मेटा में एक प्रोडक्शन कर्नेल ऑप्टिमाइज़र में महत्वपूर्ण दक्षता लाभ प्रदर्शित करता है।
यह शोध पत्र TACO को प्रस्तुत करता है, जो एक GRPO-आधारित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक स्व-पर्यवेक्षित, जज-मुक्त क्रेडिट असाइनमेंट तंत्र का उपयोग करके एजेंटिक मल्टीमॉडल मॉडलों को बढ़ाता है, ताकि उपयोगी टूल कॉल्स को सटीक रूप से अलग किया जा सके और उन्हें पुरस्कृत किया जा सके जबकि अनावश्यक या भ्रामक कॉल्स को दबाया जा सके, जिससे फाइन-ग्रेन्ड विजुअल क्वेश्चन आंसरिंग प्रदर्शन में सुधार होता है।
COHORT एक एंड-टू-एंड मल्टी-एजेंट LLM फ्रेमवर्क है जो हाई-फिडेलिटी एमुलेटेड टोपोलॉजीज़ पर कैंडिडेट कॉन्फ़िगरेशन को लागू करके और यह सुनिश्चित करने के लिए कि वे वैध ट्रैफ़िक को बाधित किए बिना विशिष्ट हमलों को बाधित करते हैं, उन्हें आक्रामक रीप्ले और कनेक्टिविटी जांच के माध्यम से कठोरता से परीक्षण करके तैनात करने योग्य नेटवर्क मिटिगेशन्स (mitigations) के निर्माण और सत्यापन को स्वचालित करता है।
यह शोध पत्र ANTAP को प्रस्तुत करता है, जो मल्टी-एजेंट सिस्टम के लिए एक नवीन रूटिंग आर्किटेक्चर है जो मेटाडेटा-आधारित सुरक्षा हमलों को प्रभावी ढंग से बेअसर करने के लिए असुरक्षित टेक्स्ट-आधारित एजेंट विवरणों को सक्रिय, गैर-टेक्स्टुअल क्षमता परीक्षणों से बदल देता है ताकि एक "भाषाई फ़ायरवॉल" (linguistic firewall) बनाया जा सके।
यह शोध पत्र SidConArena प्रस्तुत करता है, जो एक नवीन बेंचमार्क फ्रेमवर्क है जो एक गतिशील, ओपन-एंडेड, पॉजिटिव-सम बारगेनिंग वातावरण में LLM एजेंटों का मूल्यांकन करता है जिसमें नेगोशिएशन (मोलभाव), प्रोडक्शन (उत्पादन) और ऑक्शन (नीलामी) चरण शामिल हैं, और यह प्रकट करता है कि हालांकि मजबूत मॉडल बेहतर आर्थिक परिणाम प्राप्त करते हैं, फिर भी वे संसाधन मूल्यांकन, पैसिव बारगेनिंग और लॉन्ग-होरिजन इन्वेस्टमेंट प्लानिंग (दीर्घकालिक निवेश योजना) के साथ संघर्ष करते हैं।