Making Prompts First-Class Citizens for Adaptive LLM Pipelines
यह शोध पत्र SPEAR को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो प्रॉम्प्ट्स को 'फर्स्ट-क्लास सिटीजन' के रूप में मानता है ताकि संरचित प्रबंधन, फीडबैक के आधार पर गतिशील रनटाइम रिफाइनमेंट और नीति-संचालित नियंत्रण सक्षम किया जा सके, जिससे आधुनिक LLM पाइपलाइनों में भंगुर और अपारदर्शी प्रॉम्प्ट्स की सीमाओं को दूर 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 ही व्यस्त, हाई-टेक किचन चला रहे हैं। इस किचन में, "शेफ" आर्टिफिशियल इंटेलिजेंस (AI) मॉडल हैं, और वे जिन "रेसिपी" का पालन करते हैं, उन्हें प्रॉम्प्ट्स (prompts) कहा जाता है।
अभी, अधिकांश AI किचन एक टूटे हुए सिस्टम के साथ काम कर रहे हैं। रेसिपी स्टिकी नोट्स पर लिखी होती हैं जो दीवार पर चिपकी होती हैं। वे अव्यवस्थित हैं, पढ़ने में कठिन हैं, और यदि खाना खराब बनता है, तो शेफ को रुकना पड़ता है, उस स्टिकी नोट को हटाना पड़ता है, उसे हाथ से फिर से लिखना पड़ता है और वापस चिपकाना पड़ता है। इससे भी बुरा यह है कि किचन मैनेजर (कंप्यूटर प्रोग्राम) रेसिपी देख नहीं पाता; वह केवल एक ब्लैक बॉक्स देखता है। उसे नहीं पता कि शेफ ने गलती क्यों की, इसलिए वह रेसिपी को स्वचालित रूप से ठीक नहीं कर सकता।
यह पेपर SPEAR (स्ट्रक्चर्ड प्रॉम्प्ट एक्जीक्यूशन एंड एडेप्टिव रिफाइनमेंट) नामक एक नया सिस्टम पेश करता है। यह उन अव्यवस्थित स्टिकी नोट्स को जीवंत, सांस लेते डिजिटल कुकबुक्स में बदलना चाहता है जिसे किचन मैनेजर वास्तविक समय (real-time) में पढ़, संपादित और अनुकूलित कर सके।
यहाँ बताया गया है कि SPEAR कैसे काम करता है, जिसे तीन सरल विचारों में विभाजित किया गया है:
1. प्रॉम्प्ट्स "जीवंत रेसिपी" के रूप में (स्ट्रक्चर्ड मैनेजमेंट)
पुराना तरीका: प्रॉम्प्ट्स केवल टेक्स्ट की लंबी कतारें होते हैं। यदि आप "सूप" के लिए रेसिपी बदलना चाहते हैं, तो आपको पूरी चीज़ को फिर से लिखना होगा। आप "सूप" रेसिपी के "सब्जियाँ काटने वाले भाग" को "सलाद" रेसिपी के लिए आसानी से पुन: उपयोग नहीं कर सकते।
SPEAR का तरीका: SPEAR प्रॉम्प्ट्स को मॉड्यूलर LEGO ब्लॉक्स की तरह मानता है।
- एक विशाल रेसिपी के बजाय, आप एक "सूप व्यू" बनाते हैं जो कहता है: " 'सब्जी काटने वाले ब्लॉक' को लें, उसमें 'उबालने वाला ब्लॉक' जोड़ें, और फिर 'मसाला ब्लॉक' जोड़ें।"
- यदि आप मसाला बदलना चाहते हैं, तो आप बस "मसाला ब्लॉक" को बदल देते हैं। आपको पूरी रेसिपी को फिर से बनाने की आवश्यकता नहीं है।
- क्योंकि ये ब्लॉक्स एक लाइब्रेरी में सहेजे जाते हैं, आप देख सकते हैं कि समय के साथ रेसिपी कैसे बदली है (वर्जन कंट्रोल), ठीक वैसे ही जैसे गूगल डॉक में बदलावों को ट्रैक किया जाता है।
2. वह रेसिपी जो खुद को ठीक करती है (एडेप्टिव रिफाइनमेंट)
पुराना तरीका: यदि AI शेफ सूप जला देता है, तो इंसान को अंदर जाना पड़ता है, प्रक्रिया को रोकना पड़ता है, और मैन्युअल रूप से रेसिपी को फिर से लिखना पड़ता है ताकि यह कहा जा सके, "अगली बार सूप न जलाएं।" यह धीमा है और गलती होने के बाद होता है।
SPEAR का तरीका: रेसिपी जीवंत है। यह खाना बनाते समय खुद को देख सकती है।
- यदि AI शेफ सूप जलाना शुरू करता है, तो रेसिपी तुरंत कह सकती है, "ओह, गर्मी बहुत अधिक है! मुझे एक स्टेप जोड़ने दें जिसमें तापमान कम करने के लिए कहा जाए।"
- यह यह भी कह सकती है, "मुझे इस सामग्री के बारे में यकीन नहीं है; चलिए एक सीनियर शेफ (एक बड़ा AI मॉडल) से मदद मांगते हैं।"
- यह काम के दौरान होता है, काम होने के बाद नहीं। यह ऑन-द-फ्लाई (on the fly) अनुकूलित होता है।
3. "इफ-देन" (If-Then) नियम पुस्तिका (पॉलिसी-ड्रिवन कंट्रोल)
पुराना तरीका: किचन मैनेजर के पास कोई नियम नहीं होते। वह बस उम्मीद करता है कि शेफ अच्छा काम करेगा।
SPEAR का तरीका: आप किचन मैनेजर के लिए एक सरल नियम पुस्तिका लिख सकते हैं:
- नियम: यदि (IF) ग्राहक एक VIP है (इनपुट कंडीशन), तो (THEN) "प्रीमियम रेसिपी" का उपयोग करें।
- नियम: यदि (IF) शेफ खाना बनाने में बहुत समय लेता है (आउटपुट कंडीशन), तो (THEN) एक तेज़, सरल रेसिपी पर स्विच करें।
- नियम: यदि (IF) शेफ भ्रमित लग रहा है (रनटाइम फीडबैक), तो (THEN) दूसरी राय मांगें।
यह नियम पुस्तिका सिस्टम को स्मार्ट निर्णय लेने की अनुमति देती है, बिना किसी इंसान द्वारा हर बार बटन दबाए गए।
यह क्यों मायने रखता है? (परिणाम)
लेखकों ने एक मेडिकल उदाहरण का उपयोग करके इस सिस्टम का परीक्षण किया: एक मरीज के दवा इतिहास का सारांश पूछने के लिए AI का उपयोग करना।
- SPEPER के बिना: AI अक्सर विवरण भूल जाता था या बिखरे हुए उत्तर देता था। इसे ठीक करने के लिए घंटों के मैनुअल ट्यूनिंग की आवश्यकता होती थी।
- SPEAR के साथ: सिस्टम ने महसूस किया, "हे, यह सवाल आसान है; चलिए एक छोटा, तेज़, सस्ता AI उपयोग करते हैं।" लेकिन अगर सवाल कठिन था, तो इसने कहा, "यह पेचीदा है; चलिए एक बड़े, स्मार्ट, महंगे AI पर स्विच करते हैं।"
- परिणाम: उन्हें महंगे AI के समान उच्च-गुणवत्ता वाले उत्तर मिले, लेकिन आधे खर्च में और बहुत तेज़ी से।
बड़ी तस्वीर (The Big Picture)
SPEAR को पेपर मैप से GPS नेविगेशन सिस्टम में अपग्रेड करने के रूप में समझें।
- पेपर मैप (वर्तमान AI): स्थिर (Static)। यदि आप गलत मोड़ ले लेते हैं, तो आपको रुकना पड़ता है, मैप खोलना पड़ता है और मैन्युअल रूप से नया रास्ता तय करना पड़ता है।
- GPS (SPEAR): गतिशील (Dynamic)। यह जानता है कि आप कहाँ हैं, आगे ट्रैफिक देख सकता है, और जबकि आप गाड़ी चला रहे होते हैं, यह तुरंत आपको सबसे अच्छे रास्ते पर रीरूट (reroute) कर सकता है।
प्रॉम्प्ट्स को "फर्स्ट-क्लास सिटीजन" (यानी, उन्हें केवल टेक्स्ट के बजाय महत्वपूर्ण, प्रबंधनीय डेटा के रूप में माना जाता है) बनाकर, SPEAR AI पाइपलाइन्स को स्मार्ट, सस्ता और इंसानों के लिए प्रबंधित करना बहुत आसान बनाता 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।