From Evidence to Trajectory: Abductive Reasoning Path Synthesis for Retrieval-Augmented Generation Agents Development
यह शोध पत्र EviPath प्रस्तुत करता है, जो एक एबडक्टिव रीजनिंग फ्रेमवर्क है जो रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) एजेंट विकास में डेटा की कमी को दूर करने के लिए प्रश्न-उत्तर-साक्ष्य ट्रिपल्स से निष्पादन योग्य एजेंट-पर्यावरण इंटरेक्शन ट्राजेक्टरीज को संश्लेषित करता है, जिससे छोटे मॉडल ओपन-डोमेन प्रश्न उत्तर देने में अत्याधुनिक प्रदर्शन प्राप्त करने में सक्षम होते हैं।
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 सुपर-स्मार्ट रोबोट को रहस्य सुलझाना सिखा रहे हैं। आप उसे एक सवाल देते हैं, जैसे "चांद पर चलने वाला पहला व्यक्ति कौन था?" और पढ़ने के लिए किताबों का एक ढेर। आर्टिफिशियल इंटेलिजेंस की दुनिया में, इसे रिट्रीवल-ऑग्मेंटेड जनरेशन (Retrieval-Augmented Generation - RAG) कहा जाता है। रोबोट को किताबों के सही पन्ने खोजने होते हैं (रिट्रीवल) और फिर उत्तर लिखना होता है (जनरेशन)। लेकिन यहाँ पेचीदा हिस्सा यह है: हम जानते हैं कि अंतिम उत्तर "नील आर्मस्ट्रांग" है, लेकिन हमारे पास इस बात की कोई स्टेप-बाय-स्टेप डायरी नहीं है कि एक इंसान इसे कैसे हल करेगा। हमारे पास कोई नक्शा नहीं है जो रोबोट को दिखा सके कि पहले कौन सी किताब खोलनी है, कौन सा वाक्य पढ़ना है, और कड़ियों को कैसे जोड़ना है।
इस नक्शे के बिना, रोबोट को अंदाज़ा लगाना पड़ता है। वह अंतरिक्ष के बारे में एक किताब, फिर बास्केटबॉल के बारे में एक किताब, फिर चंद्रमा के बारे में एक किताब पढ़ सकता है, इस उम्मीद में कि वह सही उत्तर तक पहुँच ही जाएगा। यह शतरंज सीखने जैसा है जहाँ आप लाखों गेम खेलकर यह उम्मीद करते हैं कि आप अंततः नियमों को समझ जाएंगे। यह धीमा, महंगा और अक्सर विफल होने वाला तरीका है यदि रोबक पहले से ही अंदाज़ा लगाने में बहुत कुशल नहीं है। वैज्ञानिकों ने इसे ठीक करने के लिए रोबोट को "ज़ोर से सोचने" (Chain-of-Thought) के लिए बनाया है, लेकिन आमतौर पर, वे विचार बाद में लिखे गए स्थिर स्पष्टीकरण होते हैं, न कि जानकारी खोजने का एक वास्तविक, इंटरैक्टिव नक्शा। तो, बड़ा सवाल यह है: हम एक रोबोट को जासूस बनना कैसे सिखाएं बिना उसे पूरे प्रोसेस में अंदाज़ा लगाने के लिए मजबूर किए?
साक्ष्य से प्रक्षेपवक्र तक: एक जासूस की मार्गदर्शिका
यह पेपर एक चतुर नई विधि पेश करता है जिसे EviPath (एविडेंस-एंकोर्ड रीजनिंग पाथ सिंथेसिस) कहा जाता है। EviPath को रोबोटिक जासूसों के लिए एक "रिवर्स-इंजीनियरिंग" टूल के रूप में समझें। रोबोट को उत्तर तक पहुँचने के लिए अंदाज़ा लगाने के बजाय, EviPath उत्तर और साक्ष्य (evidence) से शुरू होता है, और फिर पीछे की ओर काम करता है ताकि वह सटीक रास्ता निकाल सके जो रोबोट को लेना चाहिए था।
लेखक इसे एबडक्टिव रीजनिंग (abductive reasoning) कहते हैं। रोज़मर्रा की भाषा में, कल्पना करें कि आप एक कमरे में जाते हैं और फर्श पर एक टूटा हुआ फूलदान देखते हैं और पास में एक बिल्ली बैठी है जो दोषी दिख रही है। आप निश्चित रूप से नहीं जानते कि क्या हुआ, लेकिन आप सबसे संभावित कहानी का अनुमान लगा सकते हैं: "बिल्ली ने फूलदान गिरा दिया।" EviPath सवालों के साथ भी यही करता है। यह अंतिम उत्तर और "गोल्डन" साक्ष्य (वे विशिष्ट तथ्य जो सिद्ध करते हैं कि उत्तर सही है) को देखता है और पूछता है, "एक स्मार्ट जासूस को इस उत्तर तक पहुँचने के लिए सवाल से क्या कदम उठाने होंगे?"
तीन-चरणीय जासूसी प्रशिक्षण
पेपर इन परफेक्ट डिटेक्टिव मैप्स बनाने के लिए तीन-चरणों वाली प्रशिक्षण प्रक्रिया प्रस्तावित करता है:
एबडक्टिव सबटास्क प्लानिंग (द मास्टरमाइंड):
सबसे पहले, सिस्टम एक जटिल प्रश्न और अंतिम उत्तर को देखता है। यह बड़े रहस्य को छोटे, प्रबंधनीय सुरागों में तोड़ देता है। उदाहरण के लिए, यदि प्रश्न है "किस फिल्म का निर्देशक पहले जन्मा था?", तो सिस्टम केवल अंदाज़ा नहीं लगाता। वह योजना बनाता है: "पहले, मूवी A के निर्देशक को खोजें। दूसरा, मूवी B के निर्देशक को खोजें। तीसरा, उनकी जन्म तिथियां खोजें। चौथा, उनकी तुलना करें।" यह एक "गोल्डन प्लान" बनाता है जो रोबोट को बताता है कि उसे चरण-दर-चरण क्या खोजना है।फेथफुल सब-क्वेश्चन आंसरिंग (द फील्ड एजेंट):
इसके बाद, सिस्टम वास्तव में काम करने का अनुकरण करता है। यह उन छोटे उप-प्रश्नों को लेता है और "गोल्डन एविडेंस" को एक सुरक्षित, स्थानीय लाइब्रेरी के रूप में उपयोग करता है। यह विचारों की एक श्रृंखला उत्पन्न करता है, जैसे एक फील्ड एजेंट खुद से बात कर रहा हो: "मुझे एक पहेली के निर्देशक को खोजने की आवश्यकता है। साक्ष्य को देखते हुए, मैं नरेश कुमार को देख रहा हूँ। अब मुझे उनकी जन्म तिथि की आवश्यकता है..." यह हिस्सा महत्वपूर्ण है क्योंकि यह रोबोट को साक्ष्य का उपयोग करके विचार बनाने के लिए प्रशिक्षित करता है, न कि केवल कल्पना (hallucination) करने या भटक जाने के लिए।कन्वर्सेशनल फाइन-ट्यूनिंग (द रोल-प्ले):
अंत में, इन सभी परफेक्ट स्टेप्स को एक उपयोगकर्ता और सहायक के बीच बातचीत में बदल दिया जाता है। रोबोट को इस बातचीत पर प्रशिक्षित किया जाता है, जिससे वह उस जासूस की तरह कार्य करना सीखता है जिसे वह देख रहा था। वह सीखता है कि कैसे कहना है, "मुझे X खोजने की आवश्यकता है," फिर "मुझे Y मिला," और अंत में, "इसलिए, उत्तर Z है।"
यह पुराने तरीकों को कैसे मात देता है
पेपर का तर्क है कि इन रोबोटों को प्रशिक्षित करने का पुराना तरीका—रीइन्फोर्समेंट लर्निंग (RL)—अंधेरे में बोर्ड पर तीर चलाने जैसा है। आप उम्मीद करते हैं कि रोबोट को अंततः इनाम (सही उत्तर) मिलेगा, लेकिन यदि रोबोट छोटा या शुरुआत में बहुत बुद्धिमान नहीं है, तो वह कभी इनाम नहीं पा सकेगा और हार मान लेगा। इसे "कोल्ड-स्टार्ट" समस्या कहा जाता है।
EviPath इसे समाधान के एक स्पष्ट, सघन मानचित्र प्रदान करके हल करता है। लेखकों ने तीन प्रमुख प्रश्न-उत्तर डेटासेट्स (HotpotQA, MuSiQue, और 2WikiMultihopQA) पर इसका परीक्षण किया। उन्होंने उनके सिंथेटिक डेटा का उपयोग करके एक 8-बिलियन-पैरामीटर मॉडल (एक मध्यम आकार का मस्तिष्क) को प्रशिक्षित किया।
परिणाम प्रभावशाली थे। EviPath के साथ प्रशिक्षित मॉडल ने लगभग हर अन्य विधि को पीछे छोड़ दिया, जिसमें बहुत बड़े मॉडल या जटिल रीइन्फोर्समेंट लर्निंग शामिल हैं। ओपन-डोमेन प्रश्न उत्तर देने में, इसने 14.7% एब्सोल्यूट गेन (Exact Match स्कोर में, जो यह मापता है कि उत्तर कितनी बार पूरी तरह से सही होता है) हासिल किया। इसका मतलब है कि रोबोट केवल भाग्यशाली नहीं था; उसने सोचने का एक बेहतर तरीका सीखा।
जो यह पेपर खारिज करता है
यह ध्यान रखना महत्वपूर्ण है कि यह विधि क्या नहीं करती है। पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि आपको शुरुआत में एक विशाल, सुपर-इंटेलिजेंट मॉडल की आवश्यकता है। उन्होंने दिखाया कि यहाँ तक कि छोटे मॉडल (जैसे 1-बिलियन या 3-बिलियन पैरामीटर वाले मॉडल) भी इन उच्च-गुणवत्ता वाले पथों पर प्रशिक्षित होने पर उत्कृष्ट जासूस बन सकते हैं। वे इस विचार के भी विरुद्ध तर्क देते हैं कि "स्थिर" स्पष्टीकरण (केवल एक लंबा पैराग्राफ पढ़ना) पर्याप्त हैं; रोबोट को खोजने और योजना बनाने की इंटरैक्टिव प्रक्रिया सीखने की आवश्यकता है।
इसके अलावा, पेपर सुझाव देता है कि मुख्य बाधा रोबोट के मस्तिष्क का आकार या सीखने के एल्गोरिदम की जटिलता नहीं है, बल्कि प्रशिक्षण डेटा की गुणवत्ता है। यदि आप रोबोट को एक स्पष्ट नक्शा (EviPath) देते हैं, तो वह जटिल पहेलियाँ हल कर सकता है। यदि आप उसे बस अंधेरे में भटकने देते हैं (स्टैंडर्ड RL), तो वह अक्सर विफल हो जाता है।
निचोड़
EviPath AI एजेंटों को जासूस बनने का तरीका सिखाने का एक नया तरीका है। उन्हें अंदाज़ा लगाने और उम्मीद करने के बजाय, यह उत्तर से प्रश्न की ओर वापस इंजीनियर करता है। ऐसा करके, यह 265,000 "गोल्डन" जासूसी कहानियों का एक विशाल पुस्तकालय बनाता है। परिणाम? छोटे, सस्ते AI मॉडल अचानक जटिल, बहु-चरणीय प्रश्नों को बहुत अधिक सटीकता के साथ हल कर सकते हैं, जो यह सिद्ध करता है कि कभी-कभी, रोबोट को सिखाने का सबसे अच्छा तरीका उसे ठीक वही दिखाना है कि एक इंसान उस पहेली को कैसे हल करेगा, स्टेप-बाय-स्टेप।
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।