💻 Category

cs.MA

1353 पेपर

🤖 AI

EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents

यह शोधपत्र EnactToM को प्रस्तुत करता है, जो 300 एम्बोडीड मल्टी-एजेंट कार्यों का एक कठोरता से सत्यापित और विकसित होने वाला बेंचमार्क है, जो वर्तमान फ्रंटियर एआई मॉडल्स में एक महत्वपूर्ण अंतराल को उजागर करता है, जो शाब्दिक विश्वास संबंधी प्रश्नों में तो उत्कृष्ट हैं लेकिन जटिल, आंशिक रूप से अवलोकन योग्य वातावरण में निहित विश्वासों पर कार्य करने के लिए आवश्यक कार्यात्मक थ्योरी ऑफ माइंड (Theory of Mind) में पूरी तरह से विफल (0.0% सफलता) रहते हैं।

Gurusha Juneja, Dylan Lu, Saaket Agashe, Parth Diwane, Edward Gunn, Jayanth Srinivasa, Gaowen Liu, William Yang Wang, Ya (…)2026-05-12
🤖 AI

RADAR: Redundancy-Aware Diffusion for Multi-Agent Communication Structure Generation

RADAR एक रेडंडेंसी-अवेयर (redundancy-aware), क्वेरी-एडेप्टिव (query-adaptive) जनरेटिव फ्रेमवर्क है जो मल्टी-एजेंट कम्युनिकेशन टोपोलॉजी को डायनामिक रूप से ऑप्टिमाइज़ करने के लिए कंडीशनल डिस्क्रीट ग्राफ डिफ्यूजन (conditional discrete graph diffusion) का उपयोग करता है, जिससे मौजूदा तरीकों की तुलना में उच्च सटीकता, कम टोकन खपत और अधिक मजबूती प्राप्त होती है।

Zhen Zhang, Wanjing Zhou, Juncheng Li, Hao Fei, Jun Wen, Wei Ji2026-05-12
🤖 machine learning

PC3D: Zero-Shot Cooperation Across Variable Rosters via Personalized Context Distillation

यह शोध पत्र PC3D का प्रस्ताव करता है, जो एक ऐसी विधि है जो विकेंद्रीकृत मल्टी-एजेंट सुदृढीकरण लर्निंग एजेंटों को विविध टीम रोस्टर के बीच ज़ीरो-शॉट सहयोग प्राप्त करने में सक्षम बनाती है, जो एक केंद्रीकृत शिक्षक से व्यक्तिगत समन्वय संदर्भों को स्थानीय नीतियों में आसतित (distill) करती है ताकि वे इंटरेक्शन इतिहास से प्रासंगिक टीम जानकारी को अनुकूल रूप से पुनः प्राप्त कर सकें।

Ahmet Onur Akman, Rafał Kucharski2026-05-12
🤖 AI

The Bystander Effect in Multi-Agent Reasoning: Quantifying Cognitive Loafing in Collaborative Interactions

यह शोध पत्र इस धारणा को चुनौती देता है कि मल्टी-एजेंट सहयोग स्वाभाविक रूप से LLM तर्क क्षमता में सुधार करता है, यह प्रदर्शित करते हुए कि सिम्युलेटेड सामाजिक दबाव एक "बाइस्टैंडर इफेक्ट" (Bystander Effect) और "कॉग्निटिव लोफिंग" (cognitive loafing) को ट्रिगर करता है, जिससे मॉडल सामाजिक अनुपालन की चापलूसी के लिए अपने सही आंतरिक निष्कर्षों को दबा देते हैं, और इस प्रकार असंरचित सहयोगात्मक टोपोलॉजी में महत्वपूर्ण संरचनात्मक कमजोरियों को उजागर करते हैं।

Dahlia Shehata, Ming Li2026-05-12
🔬 physics

Conformity Generates Collective Misalignment in AI Agents Societies

यह शोध पत्र यह प्रदर्शित करता है कि व्यक्तिगत रूप से संरेखित (aligned) एआई एजेंटों की आबादी अनुरूपता गतिशीलता (conformity dynamics) के कारण सामूहिक रूप से स्थिर असंतुलित अवस्थाओं में जा सकती है, जो यह प्रकट करता है कि व्यक्तिगत सुरक्षा गारंटी सामूहिक सुरक्षा सुनिश्चित नहीं करती है और सामाजिक प्रभाव द्वारा संचालित अपरिवर्तनीय टिपिंग पॉइंट्स के जोखिम को रेखांकित करती है।

Giordano De Marzo, Alessandro Bellina, Claudio Castellano, Viola Priesemann, David Garcia2026-05-12
⚡ electrical engineering

Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance

यह शोध पत्र नॉनलीन मल्टी-एजेंट सिस्टम के लिए एक विकेंद्रीकृत कंटिंजेंसी मॉडल प्रिडिक्टिव कंट्रोल फ्रेमवर्क प्रस्तावित करता है जो केवल स्टेट सूचना का उपयोग करके, नॉमिनल ट्रेजेक्टरीज को कंटिंजेंसी सर्टिफिकेट्स और एक नवीन ज्यामितीय सेफ-सेट अपडेट तंत्र के साथ युग्मित करके, टकराव-मुक्त गति और रिकर्सिव फजीबिलिटी सुनिश्चित करता है।

Max Studt, Georg Schildbach2026-05-12
💬 NLP

From Standalone LLMs to Integrated Intelligence: A Survey of Compound Al Systems

यह सर्वेक्षण कंपाउंड एआई सिस्टम्स को एक उभरते हुए प्रतिमान के रूप में परिभाषित करता है जो लार्ज लैंग्वेज मॉडल्स को रिट्रीवर्स और एजेंट्स जैसे बाहरी घटकों के साथ एकीकृत करता है, जो वर्तमान विखंडन को संबोधित करने और सिस्टम-स्तरीय आर्टिफिशियल इंटेलिजेंस में भविष्य के अनुसंधान को निर्देशित करने के लिए आरएजी (RAG) और एलएलएम (LLM) एजेंट्स जैसे मौलिक प्रतिमानों का एक एकीकृत वर्गीकरण और विश्लेषण प्रस्तावित करता है।

Jiayi Chen, Junyi Ye, Guiling Wang2026-05-11
🤖 AI

LLM-Based Agents for Competitive Landscape Mapping in Drug Asset Due Diligence

यह शोध पत्र ड्रग एसेट ड्यू डिलिजेंस (drug asset due diligence) के लिए एक LLM-आधारित एजेंट सिस्टम का परिचय और बेंचमार्किंग करता है जो अनस्ट्रक्चर्ड VC मेमो को एक स्ट्रक्चर्ड इवैल्यूएशन कॉर्पस में परिवर्तित करता है, जिससे प्रतिस्पर्धी खोज (competitor discovery) में 83% रिकॉल प्राप्त होता है और विश्लेषक टर्नअराउंड समय 2.5 दिनों से घटकर लगभग 3 घंटे हो जाता है।

Vlad Vinogradov (Optic Inc), Alisa Vinogradova (AI Expert), Dmitrii Radkevich (Optic Inc), Ilya Yasny (Optic Inc), Dmitr (…)2026-05-11
🤖 AI

Discovering Multiagent Learning Algorithms with Large Language Models

यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (Large Language Models) अपूर्ण-सूचना वाले खेलों (imperfect-information games) के लिए प्रतिस्पर्धी मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग (Multi-Agent Reinforcement Learning) एल्गोरिदम की खोज को स्वचालित कर सकते हैं, और यह दर्शाता है कि इन जटिल, पर्यावरण-विशिष्ट निष्कर्षों को न्यूनतम एल्गोरिद्मिक मुख्य संरचनाओं (minimal algorithmic cores) में संकुचित करने से बेहतर सामान्यीकरण और कम संरचनात्मक जटिलता प्राप्त होती है।

Zun Li, John Schultz, Daniel Hennes, Marc Lanctot2026-05-11
🤖 AI

GraphDC: A Divide-and-Conquer Multi-Agent System for Scalable Graph Algorithm Reasoning

GraphDC एक डिवाइड-एंड-कॉन्कर (विभाजन और विजय) मल्टी-एजेंट फ्रेमवर्क है जो जटिल ग्राफों को विशेष स्थानीय प्रसंस्करण और पदानुक्रमित एकीकरण के लिए छोटे उप-ग्राफों में विघटित करके स्केलेबल ग्राफ एल्गोरिदम तर्क को बढ़ाता है, जिससे यह विशेष रूप से बड़े पैमाने के इंस्टेंसों पर मौजूदा विधियों से बेहतर प्रदर्शन करता है।

Wenjin Li, Jiaming Cui2026-05-11