SEW: Self-Evolving Agentic Workflows for Automated Code Generation
यह शोध पत्र SEW को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) फ्रेमवर्क है जो जटिल कोड जनरेशन कार्यों के लिए मल्टी-एजेंट वर्कफ़्लो को स्वचालित रूप से उत्पन्न और अनुकूलित करता है, जिससे मैन्युअल रूप से डिज़ाइन किए गए प्रॉम्प्ट या टोपोलॉजी पर निर्भर किए बिना बेसलाइन मॉडलों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप फर्नीचर का एक जटिल टुकड़ा बनाने की कोशिश कर रहे हैं, जैसे कि एक हाई-टेक बुकशेल्फ़, लेकिन आपके पास केवल एक ही, बहुत बुद्धिमान रोबोटिक हाथ है। वह रोबोटिक हाथ एक लार्ज लैंग्वेज मॉडल (LLM) है। यह निर्देश मानने में बहुत कुशल है, लेकिन यदि आप इसे एक साथ एक विशाल, जटिल ब्लूप्रिंट दे देते हैं, तो यह भ्रमित हो सकता है, कोई चरण भूल सकता है, या शेल्फ़ को उल्टा बना सकता है।
अतीत में, इसे ठीक करने के लिए, मानव विशेषज्ञों ने मैन्युअल रूप से रोबोटों की एक "टीम" डिजाइन की थी। वे कहते थे, "रोबोट A, लकड़ी काटो। रोबोट B, उसे सैंड (घिसाई) करो। रोबोट C, पेंट करो।" वे प्रत्येक रोबोट के लिए विशिष्ट निर्देश (प्रॉम्प्ट्स) लिखते थे और उन्हें जोड़ने के लिए एक फ्लोचार्ट (वर्कफ्लो) बनाते थे।
समस्या:
समस्या यह है कि इस पुराने तरीके के साथ यह ऐसा है जैसे एक ही रोबोट टीम का उपयोग बुकशेल्फ़, अंतरिक्ष यान और केक बनाने के लिए करना। यह काम नहीं करता क्योंकि हर काम अलग होता है। साथ ही, इंसानों को हर बार जब काम बदलता है, तो इन टीमों को मैन्युअल रूप से डिजाइन करने और निर्देशों को फिर से लिखने में घंटों बिताने पड़ते हैं। यह धीमा और कठोर है।
समाधान: SEW (सेल्फ-इवॉल्विंग वर्कफ्लो)
यह पेपर पेश करता है कि SEW क्या है, जो एक रोबोट टीम को एक "दिमाग" देने जैसा है जो खुद को संगठित करना सिखा सकता है।
एक फ्लोचार्ट और निर्देशों को मैन्युअल रूप से बनाने के बजाय, SEW एक ऐसा सिस्टम है जो:
- एक मोटे विचार से शुरुआत करता है: यह कोडिंग की समस्या को हल करने के लिए रोबोट्स की एक बुनियादी टीम बनाता है।
- स्व-अनुकरण और विकास (Self-Imitates and Evolves): यह एक जैविक जीव की तरह कार्य करता है। यह काम करने की कोशिश करता है, देखता है कि यह कहाँ विफल हुआ, और फिर अपने स्वयं के निर्देशों में "उत्परिवर्तन" (mutate) करता है।
- उपमा: कल्पना कीजिए कि एक शेफ सूप चखता है, महसूस करता है कि इसमें नमक की कमी है, और फिर अपने लिए एक नया रेसिपी लिखता है। लेकिन SEW केवल रेसिपी के लिए नहीं, बल्कि पूरी टीम संरचना के लिए ऐसा करता है।
- दो प्रकार के विकास:
- वर्कफ्लो इवोल्यूशन (Workflow Evolution): यह टीम को पुनर्गठित करता है। शायद यह तय करता है, "हमें एक पेंटर की आवश्यकता नहीं है; हमें पहले एक क्वालिटी इंस्पेक्टर की आवश्यकता है।" यह स्वचालित रूप से फ्लोचार्ट को बदल देता है।
- एजेंट इवोल्यूशन (Agent Evolution): यह प्रत्येक रोबोट के लिए विशिष्ट निर्देशों को फिर से लिखता है। शायद यह "कोड जनरेटर" रोबोट को कहता है, "इतना शाब्दिक होने के बजाय, अधिक रचनात्मक होने का प्रयास करें और अपने गणित की दो बार जांच करें।"
टीम की "भाषा"
रोबोटों से बात करने के लिए, सिस्टम को एक भाषा की आवश्यकता होती है। पेपर ने यह वर्णन करने के लिए पांच अलग-अलग "भाषाओं" का परीक्षण किया कि टीम को कैसे काम करना चाहिए:
- BPMN: एक औपचारिक व्यावसायिक फ्लोचार्ट की तरह।
- Python: वास्तविक कंप्यूटर कोड।
- YAML: एक सरल सूची प्रारूप (जैसे किराने की सूची)।
- Pseudo-code: "नकली" कोड जो अंग्रेजी जैसा दिखता है।
- CoRE: अंग्रेजी और कोड का एक विशेष मिश्रण जिसे विशेष रूप से रोबोट द्वारा समझने के लिए डिज़ाइन किया गया है।
खोज:
शोधकर्ताओं ने पाया कि CoRE सबसे अच्छी भाषा थी। यह एक आदर्श बोली खोजने जैसा था जिसे रोबोट आसानी से पढ़ और सही ढंग से कार्य कर सकते थे। अन्य भाषाएँ या तो बहुत भ्रमित करने वाली थीं (जैसे एक स्टिक फिगर से जटिल मशीन बनाने की कोशिश करना) या बहुत कठोर थीं।
परिणाम:
जब उन्होंने कठिन कोडिंग चुनौतियों (जैसे गणित की समस्याओं को हल करना या जटिल सॉफ्टवेयर फंक्शन लिखना) पर SEW का परीक्षण किया:
- इसने एक एकल "सुपर-रोबोट" (बेस LLM) की तुलना में काफी बेहतर प्रदर्शन किया (12% तक बेहतर)।
- इसने उन अन्य उन्नत तरीकों को भी मात दी जिनमें टीमों को मैन्युअल रूप से ट्यून करने के लिए इंसानों की आवश्यकता होती है।
- इसने साबित कर दिया कि यदि आप AI को अपना स्वयं का टीम स्ट्रक्चर और निर्देश विकसित करने देते हैं, तो यह कठिन समस्याओं को हल करने में उस स्थिति से बहुत बेहतर हो जाता है जब कोई इंसान इसे सूक्ष्म रूप से प्रबंधित (micromanage) करने की कोशिश करता है।
संक्षेप में:
SEW एक ऐसा सिस्टम है जो AI को एक ऐसे उपकरण के रूप में देखना बंद कर देता है जिसे आपको हर बार मैन्युअल रूप से कैलिब्रेट करना पड़ता है। इसके बजाय, यह AI को एक स्व-सुधारने वाले स्टार्टअप की तरह मानता है। यह अपने स्वयं के कर्मचारी भर्ती करता है, अपने स्वयं के जॉब डिस्क्रिप्शन लिखता है, अपना स्वयं का ऑर्ग चार्ट बनाता है, और तब तक खुद को फायर और री-हायर करता रहता है जब तक कि उसे समस्या को हल करने के लिए एकदम सही टीम न मिल जाए। यह एक मानव प्रबंधक द्वारा फैक्ट्री चलाने और फैक्ट्री रोबोटों द्वारा उत्पाद बनाने के लिए खुद को व्यवस्थित करने के बीच का अंतर है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।