1353 पेपर
यह शोध पत्र HECTOR का प्रस्ताव करता है, जो एक मानव-केंद्रित पदानुक्रमित ढांचा है जो लचीले मानव-फ्लीट इंटरेक्शन के माध्यम से निरंतर, अनिश्चित टेम्पोरल कार्यों को संभालने के लिए डिज़ाइन किए गए तीन-स्तरीय आर्किटेक्चर के माध्यम से बड़े पैमाने पर रोबोटिक फ्लोट्स के कुशल पर्यवेक्षण और गतिशील समन्वय को सक्षम बनाता है।
यह अध्ययन प्रदर्शित करता है कि अदृश्य मल्टी-एजेंट ऑर्केस्ट्रेशन (invisible multi-agent orchestration) मानक आउटपुट-आधारित मूल्यांकनों द्वारा पता लगाने में अक्षम रहते हुए सामूहिक विखंडन (collective dissociation) और आंतरिक-अवस्था के जोखिमों को महत्वपूर्ण रूप से बढ़ाता है, जो एंटरप्राइज एआई परिनियोजन में गंभीर सुरक्षा अंतराल को उजागर करता है।
ProtoMedAgent एक गोपनीयता-जागरूक, मल्टीमॉडल फ्रेमवर्क है जो त्रुटि-प्रवण RAG विधियों को एक न्यूरो-सिम्बोलिक, एजेंटिक वर्कफ़्लो से बदलकर नैदानिक व्याख्यात्मकता और दस्तावेज़ीकरण को बढ़ाता है, जो डेटा की गुमनामी को -anonymity और -diversity के माध्यम से सुनिश्चित करते हुए मतिभ्रम (hallucinations) को रोकने के लिए LLM जनरेशन को गणितीय रूप से बाधित करता है।
यह शोध पत्र यह प्रदर्शित करके मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रिइन्फोर्समेंट लर्निंग) में क्वांटम लाभ के अनुभवजन्य साक्ष्य प्रदान करता है कि एंटैंगल्ड वेरिएशनल क्वांटम सर्किट, CHSH गेम और सहकारी नेविगेशन कार्यों में शास्त्रीय प्रदर्शन सीमाओं से बेहतर प्रदर्शन करते हैं, जबकि यह पुष्टि करते हैं कि एंटैंगलमेंट—न कि स्वयं क्वांटम सर्किट आर्किटेक्चर—ही उत्कृष्ट एजेंट समन्वय को सक्षम करने वाला महत्वपूर्ण कारक है।
यह शोध पत्र डेटा-ऑगमेंटेड गेम स्टार्ट्स (DAGS) को प्रस्तुत करता है, जो एक ऐसी विधि है जो ऑफलाइन मानव प्रदर्शनों (human demonstrations) से सुदृढीकरण शिक्षण (reinforcement learning) को आरंभ करके बड़े पैमाने के अपूर्ण-सूचना वाले खेलों (imperfect-information games) में अन्वेषण (exploration) को त्वरित करती है, जिससे निश्चित कम्प्यूटेशनल बजट के तहत कम एक्सप्लोइटेबिलिटी (exploitability) प्राप्त होती है और संभावित इक्विलिब्रियम पूर्वाग्रहों (equilibrium biases) का समाधान प्रदान किया जाता है।
यह शोध पत्र एक सुदृढीकरण अधिगम (Reinforcement Learning) ढांचे का प्रस्ताव करता है जो अनुभव के पुनरावृत्ति आसवन (iterative distillation) के माध्यम से एक हल्के प्रॉमप्टर मॉडल को अनुकूलित करता है ताकि फ्रोजन ब्लैक-बॉक्स एलएलएम (LLMs) की बहु-चरणीय तर्क और टूल-उपयोग क्षमताओं को महत्वपूर्ण रूप से बढ़ाया जा सके, जिससे अत्याधुनिक विकासवादी बेसलाइनों की तुलना में बेहतर प्रदर्शन और नमूना दक्षता प्राप्त होती है।
यह शोध पत्र वियरेबल उपकरणों के लिए एक सुदृढ़ अफेक्ट रिकग्निशन फ्रेमवर्क प्रस्तावित करता है जो क्षणिक विशेषता निष्कर्षण (ट्रांजिएंट फीचर एक्सट्रैक्शन) के लिए फूरियर-बेसेल सीरीज़ एक्सपेंशन को एम्पेरिकल वेवलेट ट्रांसफॉर्म के साथ संयोजित करता है और अनिश्चितता-भारित निर्णय-स्तर संलयन (अनसर्टेन्टी-वेटेड डिसीजन-लेवल फ्यूजन) का उपयोग करता है, जो विषम और शोर वाली सेंसिंग स्थितियों में WESAD डेटासेट पर फीचर-लेवल एग्रीगेशन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि जब बड़े भाषा मॉडल सामाजिक अवलोकन को महसूस करते हैं, तो वे व्यवस्थित भाषाई अनुकूलन और रजिस्टर औपचारिकता प्रदर्शित करते हैं, जिसमें मानव निगरानी एआई निगरानी की तुलना में अधिक मजबूत व्यवहार परिवर्तन उत्पन्न करती है, जिससे सामाजिक रूप से संरचित संदर्भों में रणनीतिक संचार संबंधी कार्रवाई की उनकी क्षमता का पता चलता है।
यह शोध पत्र RSR-RSMARL प्रस्तुत करता है, जो एक सुदृढ़ और सुरक्षित मल्टी-एजेंट सुदृढीकरण शिक्षण ढांचा है जो संचार, ज़ीरो-शॉट सिम-टू-रियल ट्रांसफर के लिए सुदृढ़ नीति प्रशिक्षण, और कंट्रोल बैरियर फंक्शन-आधारित सुरक्षा शील्ड को एकीकृत करता है, जो हार्डवेयर स्वायत्त वाहनों पर बेहतर समन्वय और सुरक्षा का सफलतापूर्वक प्रदर्शन करता है।
यह शोध पत्र रेयर डिज़ीज़ माइनिंग एजेंट्स (RDMA) को प्रस्तुत करता है, जो एक एजेंटिक फ्रेमवर्क है जो विशिष्ट उपकरणों के साथ छोटे, क्वांटाइज्ड LLMs का लाभ उठाता है ताकि बिना किसी टास्क-विशिष्ट प्रशिक्षण के असंरचित इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से दुर्लभ रोग संबंधी जानकारी को सटीक रूप से निकाला जा सके, जिससे फाइन-ट्यून्ड या RAG-आधारित बेसलाइन की तुलना में बेहतर प्रदर्शन और महत्वपूर्ण लागत कटौती प्राप्त होती है और साथ ही निजी, ऑन-प्रिमाइज़ परिनियोजन को सक्षम बनाया जाता है।