-CoT: Prolog-Initialized Chain-of-Thought Prompting for Multi-Hop Question-Answering
यह शोध पत्र -CoT को प्रस्तुत करता है, जो एक नवीन प्रॉम्प्टिंग रणनीति है जो जटिल मल्टी-हॉप प्रश्नों को क्रमिक सिंगल-हॉप सब-क्वेरीज़ में विघटित करने के लिए प्रोलॉग (Prolog) का लाभ उठाती है, जिससे चेन-ऑफ-थॉट (Chain-of-Thought) रीजनिंग को इनिशियलाइज़ किया जाता है ताकि मानक RAG और इन-कॉन्टेक्स्ट CoT विधियों की तुलना में मल्टी-हॉप प्रश्न-उत्तर बेंचमार्क पर प्रदर्शन में उल्लेखनीय सुधार किया जा सके।
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 एक बहुत बड़ी, जटिल गुत्थी सुलझाने की कोशिश कर रहे हैं, जैसे कि किसी टीवी शो के एक विशिष्ट पात्र के दादाजी कौन हैं यह पता लगाना, लेकिन आपके पास खोजने के लिए लाखों किताबों की एक लाइब्रेरी है और आप उन सभी को एक साथ नहीं पढ़ सकते।
यह वह चुनौती है जिसका सामना लार्ज लैंग्वेज मॉडल्स (LLMs) को "मल्टी-हॉप" सवालों (ऐसे सवाल जिनमें कई कड़ियों को जोड़ने की आवश्यकता होती है) का जवाब देते समय करना पड़ता है। वे पढ़ने और लिखने में माहिर हैं, लेकिन जब उनसे तीन या चार तार्किक चरणों को एक साथ जोड़ने के लिए कहा जाता है, तो वे अक्सर भ्रमित हो जाते हैं, अपना रास्ता भटक जाते हैं, या गोल-गोल बहस करने लगते हैं।
यह पेपर एक नई विधि पेश करता है जिसे π-CoT (Pi-CoT) कहा जाता है ताकि इसे ठीक किया जा सके। यह कैसे काम करता है, इसे एक सरल उपमा के माध्यम से समझाया गया है।
समस्या: "भटकता हुआ जासूस" (The Wandering Detective)
एक बहुत ही बुद्धिमान लेकिन थोड़े बिखरे हुए स्वभाव वाले जासूस (AI) की कल्पना करें। आप उनसे पूछते हैं: "उस हॉगवर्ट्स शिक्षक की पत्नी कौन है जो एक वेयरवोल्फ (werewolf) भी है?"
यदि आप जासूस को केवल "चरण-दर-चरण सोचने" के लिए कहते हैं, तो वे:
- हॉगवर्ट्स शिक्षकों के बारे में सोचेंगे।
- यह जांचना भूल जाएंगे कि उनमें से कौन वेयरवोल्फ है।
- ड्रैगन के बारे में किसी रैंडम तथ्य से विचलित हो जाएंगे।
- एक अंदाजे के आधार पर उत्तर का अनुमान लगा लेंगे।
वे लचीले और रचनात्मक हैं, लेकिन उनके पास एक नक्शा नहीं है। वे रास्ते से भटक जाते हैं।
समाधान: "आर्किटेक्ट + जासूस" की टीम
लेखकों ने महसूस किया कि जबकि जासूस किताबें पढ़ने में बहुत अच्छा है, लेकिन वह एक सख्त 'टू-डू लिस्ट' बनाने में कमजोर है। इसलिए, वे एक दूसरा पात्र लेकर आए: द आर्किटेक्ट (एक लॉजिक प्रोग्रामिंग सिस्टम जिसे प्रोलॉग (Prolog) कहा जाता है)।
यहाँ नया वर्कफ़्लो, π-CoT दिया गया है:
चरण 1: आर्किटेक्ट ब्लूप्रिंट बनाता है
जासूस को भटकने देने के बजाय, आर्किटेक्ट पहले प्रश्न को देखता है और उसे एक कठोर, चरण-दर-चरण चेकलिस्ट (एक प्रोलॉग क्वेरी) में तोड़ देता है।
- प्रश्न: "उस हॉगवर्ट्स शिक्षक की पत्नी कौन है जो एक वेयरवोल्फ भी है?"
- आर्किटेक्ट का ब्लूप्रिंट:
- सभी हॉगवर्ट्स शिक्षकों की सूची बनाएं।
- उस सूची को केवल वेयरवोल्फ रखने के लिए फ़िल्टर करें।
- बचे हुए व्यक्ति की पत्नी को खोजें।
आर्किटेक्ट को अभी उत्तर नहीं पता है, लेकिन उसे पता है कि उत्तर खोजने के लिए सटीक रूप से कौन से कदम उठाए जाने चाहिए। वह एक सख्त "रोडमैप" तैयार करता है।
चरण 2: जासूस नक्शे का पालन करता है (The SLICE Module)
अब, जासूस (AI) काम पर जाता है, लेकिन वह स्वतंत्र रूप से भटक नहीं सकता। उसे आर्किटेक्ट के ब्लूप्रिंट का एक-एक करके पालन करना होगा।
- चरण 1: आर्किटेक्ट कहता है, "सभी शिक्षकों को खोजो।" जासूस लाइब्रेरी में खोजता है, एक सूची पाता है (लॉकहार्ट, लुपिन, क्विरल), और उसे लिख लेता है।
- चरण 2: आर्किटेक्ट कहता है, "उस सूची में से कौन वेयरवोल्फ है?" जासूस लाइब्रेरी को फिर से चेक करता है, महसूस करता है कि केवल लुपिन ही फिट बैठता है, और दूसरों को काट देता है।
- चरण 3: आर्किटेक्ट कहता है, "लुपिन की पत्नी कौन है?" जासूस उत्तर ढूंढ लेता है: "टोंक्स।"
चूंकि जासूस को नक्शा मानने के लिए मजबूर किया गया है, इसलिए वे विचलित नहीं हो सकते या पिछले चरणों को भूल नहीं सकते। "बिचौलिया" (आर्किटेक्ट) तर्क को सख्त बनाए रखता है।
चरण 3: अंतिम रिपोर्ट
एक बार जब जासूस नक्शे का पालन करना समाप्त कर लेता है और उत्तर ढूंढ लेता है, तो वह पूरी कहानी मुख्य AI को वापस सौंप देता है।
- AI देखता है: "यहाँ प्रश्न है, यहाँ वह नक्शा है जिसका हमने पालन किया, यहाँ वे तथ्य हैं जो हमने हर पड़ाव पर पाए, और यहाँ अंतिम उत्तर है।"
- AI फिर आत्मविश्वास के साथ अंतिम उत्तर लिखता है, यह जानते हुए कि उसके पास सारा सबूत सामने मौजूद है।
यह बेहतर क्यों है?
- भटकने का डर नहीं: बड़े प्रश्न को छोटे, सत्यापित चरणों में तोड़कर, AI अभिभूत (overwhelmed) नहीं होता।
- तथ्य-जांच (Fact-Checking): प्रत्येक चरण पर, सिस्टम अगले चरण पर बढ़ने से पहले यह जांचता है कि क्या तथ्य सत्य है। यदि कोई चरण विफल होता है, तो सिस्टम को पता चल जाता है कि वह कहाँ गलत हुआ।
- दोनों का सर्वश्रेष्ठ संगम: यह एक कंप्यूटर प्रोग्राम की कठोर तर्कशक्ति (जो कभी कोई चरण नहीं भूलता) को एक मानव-समान AI (जो किताबों में बिखरे हुए टेक्स्ट को समझ सकता है) की पढ़ने और लिखने की क्षमता के साथ जोड़ता है।
परिणाम
पेपर ने कठिन ट्रिविया डेटासेट्स (जैसे HotpotQA) पर इसका परीक्षण किया।
- पुराना तरीका: AI अनुमान लगाता या भ्रमित हो जाता, जिससे लगभग 37-40% उत्तर सही होते थे।
- π-CoT तरीका: "आर्किटेक्ट के ब्लूप्रिंट" का उपयोग करके, AI ने लगभग 49-59% उत्तर सही दिए।
मुख्य बात (The Bottom Line)
π-CoT को एक बहुत ही बुद्धिमान लेकिन आसानी से विचलित होने वाले छात्र को परीक्षा देने से पहले एक सख्त स्टडी गाइड देने के रूप में समझें। छात्र को अभी भी पढ़ना और लिखना होगा, लेकिन क्योंकि उसके पास एक स्पष्ट योजना है, वह घबराता नहीं है, कोई चरण छोड़ता नहीं है, और बहुत बेहतर ग्रेड प्राप्त करता है।
यह एक अराजक विचार-मंथन सत्र को एक सुव्यवस्थित असेंबली लाइन में बदल देता है, यह सुनिश्चित करता है कि जटिल प्रश्नों के सही उत्तर मिलें।
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।