1353 पेपर
यह शोध पत्र Hide-And-Seek-Engine (HASE) को प्रस्तुत करता है, जो एक उच्च-थ्रूपुट, कंप्यूट-कुशल C++ Dec-POMDP इंजन है, जो डेटा-ओरिएंटेड डिज़ाइन और ज़ीरो-कॉपी मेमोरी ब्रिजेस का लाभ उठाकर प्रति सेकंड 33 मिलियन स्टेप्स तक प्राप्त करता है, जिससे मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) के लिए सैंपल कॉम्प्लेक्सिटी और प्रशिक्षण समय में भारी कमी आती है।
यह शोध पत्र तर्क देता है कि वैज्ञानिक समुदायों में, सफलता-संचालित सामाजिक शिक्षण विरोधाभासी रूप से सामूहिक खोज को कमजोर करता है, जहाँ वैज्ञानिक अपने सिद्धांतों की गुणवत्ता का अत्यधिक आकलन करते हुए एक "समझ के भ्रम" को बढ़ावा देते हैं, जिससे अन्वेषण सीमित हो जाता है और असमानता बढ़ती है, विशेष रूप से जटिल समस्या क्षेत्रों में।
यह शोध पत्र राजनीतिक विमर्श विश्लेषण के लिए मल्टी-एजेंट एलएलएम (LLM) पाइपलाइनों में 'रोल फिडेलिटी' (भूमिका निष्ठा) का पहला व्यवस्थित अनुभवजन्य परीक्षण प्रस्तुत करता है, जो यह प्रकट करता है कि मॉडल अक्सर 'एपिस्टेमिक रोल ओवरराइड' (ज्ञान संबंधी भूमिका अधिभावीकरण) जैसी प्रणालियों के कारण निर्धारित प्रतिकूल भूमिकाओं को बनाए रखने में विफल रहते हैं, जिसमें विशिष्ट मॉडल, भाषा और तथ्य-जांच उपकरणों के उपयोग के आधार पर विफलता के तरीकों और निष्ठा में महत्वपूर्ण भिन्नताएं देखी गई हैं।
यह शोध पत्र "Reinforced Agent" प्रस्तुत करता है, जो एक इन्फरेंस-टाइम फ्रेमवर्क है जो निष्पादन से पहले टूल कॉल्स का मूल्यांकन करने के लिए एक विशिष्ट समीक्षक (reviewer) का उपयोग करता है, जिससे वास्तविक समय में त्रुटि सुधार सक्षम होता है और नए हेल्पफुलनेस-हार्मफुलनेस मेट्रिक्स के माध्यम से यह प्रदर्शित करता है कि निष्पादन को समीक्षा से अलग करने से बेस एजेंट को पुन: प्रशिक्षित किए बिना मॉडल चयन और प्रॉम्प्ट अनुकूलन के माध्यम से व्यवस्थित प्रदर्शन लाभ प्राप्त किया जा सकता है।
यह शोध पत्र एक तीन-स्तरीय स्वायत्त यातायात संकेत अनुकूलन ढांचे को प्रस्तुत करता है जो प्रतीक्षा समय को गतिशील रूप से कम करने और समग्र यातायात प्रवाह दक्षता में सुधार करने के लिए डिजिटल ट्विन, एजेंटिक एआई और एज कंप्यूटिंग का लाभ उठाता है, जो फिक्स्ड-टाइम और सुदृढीकरण लर्निंग-आधारित बेसलाइन दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र OBJECTGRAPH (.og) को प्रस्तुत करता है, जो एक नेटिव फ़ाइल फॉर्मेट है जो दस्तावेज़ों को रैखिक टेक्स्ट के बजाय ट्रैवर्स करने योग्य, टाइप किए गए नॉलेज ग्राफ के रूप में पुनर्कल्पित करता है, जिससे स्वायत्त LLM एजेंट मार्काडाउन के एक सख्त सुपरसेट के माध्यम से केवल प्रासंगिक जानकारी प्राप्त करके बिना किसी सटीकता हानि के 95.3% तक टोकन की कमी प्राप्त कर सकते हैं।
यह शोध पत्र ATL-D और इसके ज्ञान-जागरूक विस्तार (knowledge-aware extension) ATEL-D को प्रस्तुत करता है ताकि मल्टी-एजेंट सिस्टम में कार्यों के गतिशील अनुदान (granting) और प्रतिधारण (revoking) को मॉडल किया जा सके, साथ ही उनकी अभिव्यंजना शक्ति (expressivity), मानदण्डिक प्रणालियों (normative systems) के साथ संबंध और कम्प्यूटेशनल जटिलता का विश्लेषण किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि ऑनचेन बाजारों में वास्तविक पूंजी का प्रबंधन करने वाले विश्वसनीय स्वायत्त भाषा-मॉडल एजेंट, बेस मॉडल की क्षमताओं पर कम और एक मजबूत ऑपरेटिंग लेयर पर अधिक निर्भर करते हैं जिसमें टाइप किए गए नियंत्रण (typed controls), नीति सत्यापन (policy validation) और निष्पादन गार्ड (execution guards) शामिल हैं, जिन्होंने सामूहिक रूप से निर्मित ट्रेडिंग नियमों जैसी महत्वपूर्ण विफलताओं को कम किया और एक बड़े पैमाने के 21-दिवसीय परिनियोजन (deployment) में उच्च सेटलमेंट सफलता को सक्षम किया।
यह शोध पत्र कम सक्षम एजेंटों में संसाधनों को केंद्रित करने बनाम कई सरल एजेंटों के बीच उन्हें वितरित करने के बीच के संतुलन की जांच करता है, जो यह प्रकट करता है कि मल्टी-एजेंट कवरेज के लिए इष्टतम रणनीति इस बात पर महत्वपूर्ण रूप से निर्भर करती है कि एजेंट की गति उनके कम आकार के साथ कैसे स्केल होती है और संसाधन विभाजन से जुड़ी बढ़ी हुई विफलता दरें क्या हैं।
यह शोध पत्र AI काउंसिल फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि वास्तुशिल्प विषमता (architectural heterogeneity) मॉडल के दृष्टिकोणों में विविधता लाकर मल्टी-एजेंट पॉलिसी सिमुलेशन में कृत्रिम सर्वसम्मति को महत्वपूर्ण रूप से कम करती है, जबकि सुसंगतता सत्यापन (coherence validation) एक संदर्भ-निर्भर फिडेलिटी-विविधता ट्रेड-ऑफ को प्रकट करता है जहाँ तर्क की गुणवत्ता को लागू करना नीति विकल्पों की प्रतिस्पर्धात्मकता के आधार पर अभिसरण (convergence) को या तो और कम कर सकता है या अनजाने में बढ़ा सकता है।