1353 पेपर
यह शोधपत्र S-Bus प्रस्तुत करता है, जो एक HTTP मिडलवेयर है जो एजेंट रीड सेट्स को स्वचालित रूप से पुनर्गठित करने और ऑब्ज़ेबल-रीड आइसोलेशन (ORI) को लागू करने के लिए सर्वर-साइड डिलीवरीलॉग का उपयोग करता है, जिससे एजेंट SDKs में बदलाव की आवश्यकता के बिना समवर्ती मल्टी-एजेंट LLM सिस्टम में स्ट्रक्चरल रेस कंडीशंस को रोका जा सकता है।
यह शोध पत्र MADP को प्रस्तुत करता है, जो एक मल्टी-एजेंट पाइपलाइन है जो एंटरप्राइज डॉक्यूमेंट प्रोसेसिंग में 97% ऑटोमेशन और 98.5% सटीकता प्राप्त करने के लिए डीप लर्निंग, लार्ज लैंग्वेज मॉडल्स और ह्यूमन-इन-द-लूप वैलिडेशन को जोड़ता है, जिसके परिणामस्वरूप पारंपरिक मैनुअल तरीकों की तुलना में श्रम में 70% की कमी और पर्यावरणीय प्रभाव में 69% की गिरावट आती है।
यह शोध पत्र यह तर्क देता है कि संपूर्ण एजेंटिक एआई (agentic AI) जीवनचक्र में स्पष्ट, मात्रात्मक और पता लगाने योग्य उत्पत्ति (provenance) स्थापित करना जिम्मेदारी को गणनीय (computable) और कार्रवाई योग्य बनाने के लिए एक आवश्यक पूर्व शर्त है, जिससे जटिल, बहु-पक्षीय एजेंट संरचनाओं में होने वाले नुकसान के लिए जवाबदेही निर्धारित करने में असमर्थता के कारण उत्पन्न वर्तमान विश्वास संकट का समाधान किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि जुगनू से प्रेरित पल्स-कपल्ड ऑसिलेटर मॉडलों में, सामूहिक सिंक्रोनाइज़ेशन केवल कोरम थ्रेशोल्ड और पल्स ड्यूरेशन के बीच एक महत्वपूर्ण संतुलन के निकट उभरता है, जहाँ शोर (नॉइज़) को पेश करना या कनेक्टिविटी को कम करना वास्तव में प्रदर्शन में सुधार कर सकता है क्योंकि यह उन स्थिर मल्टी-क्लस्टर अवस्थाओं को बाधित करता है जो वैश्विक सिंक्रोनी में बाधा डालती हैं।
यह शोध पत्र हेटेरोजेनियस इंफॉर्मेशन-बॉटलनेक कोऑर्डिनेशन ग्राफ्स (HIBCG) का प्रस्ताव करता है, जो एक सैद्धांतिक रूप से आधारित ढांचा है जो सहकारी मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) के लिए ग्राफ इंफॉर्मेशन बॉटलनेक का उपयोग करके सिद्धांतपूर्ण एज चयन के लिए एक समूह-संरेखित प्रायर (group-aligned prior) और इष्टतम संदेश क्षमता आवंटन के लिए एक वॉटर-फिलिंग सिद्धांत का उपयोग करता है।
यह शोध पत्र अमान्य बग रिपोर्टों के उप-वर्गीकरण के लिए एक मानकीकृत वर्गीकरण (taxonomy) प्रस्तुत करता है और विभिन्न एआई दृष्टिकोणों का मूल्यांकन करता है, जिसमें यह पाया गया है कि रिट्रीवल ऑगमेंटेड जनरेशन (Retrieval Augmented Generation) मूल-कारण की पहचान करने में उत्कृष्ट है जबकि एजेंटिक वेब सर्च (agentic web search) कार्रवाई योग्य नो-कोड फिक्स (no-code fixes) उत्पन्न करने के लिए सबसे प्रभावी है।
यह शोध पत्र मार्केटप्लेस में स्वायत्त एलएलएम (LLM) एजेंटों के आर्थिक संरेखण का मूल्यांकन करने और उसे सुधारने के लिए 'एजेंट बाज़ार' (Agent Bazaar) ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जबकि अत्याधुनिक मॉडल अक्सर एल्गोरिदम संबंधी अस्थिरता और सिबिल धोखे (Sybil deception) जैसे प्रणालीगत जोखिमों को रोकने में विफल रहते हैं, एक अनुकूलनशील पाठ्यक्रम (adaptive curriculum) के साथ लक्षित सुदृढीकरण शिक्षण (reinforcement learning) एक 9B मॉडल का निर्माण कर सकता है जो बाजार की स्थिरता और अखंडता को बनाए रखने में मौजूदा मॉडलों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र इंटरैक्शन-ब्रेकिंग एडवरसैरियल लर्निंग (IBAL) फ्रेमवर्क का प्रस्ताव करता है, जो सूचना-सैद्धांतिक दृष्टिकोण का उपयोग करके उन हमलों को उत्पन्न करने और उनसे बचाव करने के लिए है जो एजेंटों के बीच की परस्पर क्रियाओं को बाधित करते हैं, जिससे विविध व्यवधानों और एजेंट-अनुपस्थिति परिदृश्यों के तहत मल्टी-एजेंट सुदृढीकरण शिक्षण प्रणालियों की मजबूती और समन्वय में उल्लेखनीय वृद्धि होती है।
यह शोध पत्र LMAC का प्रस्ताव करता है, जो एक नवीन फ्रेमवर्क है जो संचार प्रोटोकॉल को पुनरावृत्ति (iteratively) के माध्यम से डिजाइन और परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे सहकारी मल्टी-एजेंट सिस्टम को अंतर्निहित अवस्थाओं (underlying states) को अधिक सटीक और समान रूप से पुनर्निर्मित करने में सक्षम बनाया जा सके, जिससे यह विविध बेंचमार्क पर मौजूदा बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र साथी चयन वाले सामाजिक दुविधाओं में पॉलिसी-ग्रेडिएंट गतिकी (policy-gradient dynamics) का एक विश्लेषणात्मक समाधान प्रदान करता है, जो यह प्रदर्शित करता है कि जनसंख्या विचरण (population variance) सहयोग के लिए एक आवश्यक शर्त है और एक ऐसे स्टोकेस्टिक मॉडल के माध्यम से सहयोग के उद्भव के लिए पर्याप्त शर्तें व्युत्पन्न करता है जो प्रतिद्वंद्वी वितरण और सीखने की दरों के प्रभावों को समाहित करता है।