FOR-Prompting: From Objection to Revision via an Asymmetric Prompting Protocol
यह शोध पत्र FOR-Prompting को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic), असममित प्रॉम्प्टिंग प्रोटोकॉल है जो एक डिफेंडर (Defender), एक क्वेश्चनर (Questioner) और एक वैकल्पिक होस्ट (Host) के बीच अंतःक्रियाओं को संरचित करके विविध कार्यों में तर्क और पुनरावृत्ति परिशोधन (iterative refinement) को बढ़ाता है, जिससे छोटे मॉडल भी बिना किसी प्रशिक्षण या मॉडल आंतरिक विवरणों तक पहुँच के, मानक बेसलाइन के तुलनीय या उससे बेहतर 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 पेचीदा पहेली सुलझाने की कोशिश कर रहे हैं, लेकिन आपने पहले कभी ऐसी पहेली नहीं देखी है। आप एक अनुमान लगाते हैं, अपना उत्तर लिखते हैं, और काफी आश्वस्त महसूस करते हैं। लेकिन तभी, आपका एक दोस्त पास आकर कहता है, "हे, क्या तुमने इस बात पर विचार किया है कि अगर हवा चलने से टुकड़े उड़ गए तो क्या होगा?" या "क्या तुमने जांचा कि वह टुकड़ा वास्तव में वहां फिट बैठता है?"
वे आपको उत्तर नहीं देते। वे टुकड़े भी नहीं हिलाते। वे बस ऐसे सवाल पूछते हैं जो आपको रुकने, फिर से सोचने और अपने काम को सुधारने के लिए मजबूर करते हैं।
यही FOR-Prompting के पीछे का मूल विचार है, जो आर्टिफिशियल इंटेलिजेंस (AI) को बेहतर तरीके से सोचने का तरीका सिखाने की एक नई विधि है।
यहाँ बताया गया है कि यह कैसे काम करता है, कुछ रोज़मर्रा के उदाहरणों का उपयोग करते हुए:
समस्या: "अति-आत्मविश्वासी छात्र"
आमतौर पर, जब हम AI से कोई सवाल पूछते हैं, तो वह एक ऐसे छात्र की तरह व्यवहार करता है जो खुश करने के लिए बहुत उत्सुक है। वह सवाल पढ़ता है, एक सेकंड के लिए सोचता है, और तुरंत एक उत्तर लिख देता है। कभी-कभी वह सही होता है, लेकिन अक्सर वह छिपे हुए विवरणों को मिस कर देता है, मूर्खतापूर्ण गलतियाँ करता है, या अपने काम की जाँच करना भूल जाता है।
अन्य विधियाँ इसे ठीक करने की कोशिश करती हैं, जैसे कि AI को खुद से बात करने के लिए कहना (जैसे "चेन ऑफ थॉट"), जो एक ऐसे छात्र की तरह है जो गणित की समस्या हल करते समय खुद से बुदबुदाता रहता है। यह मदद तो करता है, लेकिन छात्र अभी भी कमरे में अकेला ही है। वह अपनी स्वयं की कमियों (blind spots) को नहीं देख पाएगा।
समाधान: "रक्षक (Defender), बहसकर्ता (Debater), और मेजबान (Host)"
FOR-Prompting एक टीम के तीन अलग-अलग भूमिकाओं को पेश करके खेल बदल देता है। इसे एक अदालती नाटक या स्पोर्ट्स टीम के अभ्यास की तरह समझें:
रक्षक (The Defender - द प्लेयर):
- भूमिका: यह वह AI है जो समस्या को हल करने की कोशिश करता है। यह एक उत्तर प्रस्तावित करता है।
- उदाहरण: कल्पना कीजिए कि एक सॉकर खिलाड़ी गोल करने की कोशिश कर रहा है। वह गेंद को किक मारता है और कहता है, "गोल!"
बहसकर्ता (The Debater - कोच/रेफरी):
- भूमिका: यह FOR-Prompting का विशेष हिस्सा है। बहसकर्ता कभी भी उत्तर नहीं देता। इसके बजाय, वे एक सख्त कोच या एक जिज्ञासु मित्र की तरह कार्य करते हैं जो केवल कठिन प्रश्न पूछता है।
- उदाहरण: कोच खिलाड़ी के लिए गेंद नहीं किक मारता। इसके बजाय, वे चिल्लाते हैं: "रुको! क्या तुमने जांचा कि गोलकीपर वास्तव में वहां है या नहीं?" या "क्या होगा अगर बारिश होने लगे?" या "क्या तुम सुनिश्चित हो कि वह टुकड़ा फिट बैठता है?"
- जादू: क्योंकि बहसकर्ता केवल प्रश्न पूछता है, इसलिए रक्षक को अपने काम को देखने, अपनी कमियों को खोजने और उन्हें खुद ठीक करने के लिए मजबूर होना पड़ता है। इसे "आपत्ति से संशोधन तक" (From Objection to Revision) कहा जाता है।
मेजबान (The Host - उद्घोषक):
- भूमिका: यह भूमिका वैकल्पिक है। वे रक्षक और बहसकर्ता के बीच पूरी बातचीत को सुनते हैं और अंतिम, परिष्कृत उत्तर लिखते हैं।
- उदाहरण: वह उद्घोषक जो खेल का सारांश लिखता है और भीड़ को अंतिम स्कोर बताता है, यह सुनिश्चित करता है कि हर कोई क्या हुआ है उसे समझ सके।
यह एक बड़ी बात क्यों है?
1. यह "छोटे" दिमागों के साथ भी काम करता है।
पेपर में इसका परीक्षण बहुत छोटे, सस्ते AI मॉडल (जैसे कि एक साल के बच्चे के दिमाग की तुलना में एक जीनियस वयस्क) पर किया गया। आमतौर पर, ये छोटे मॉडल बहुत सारी गलतियाँ करते हैं। लेकिन जब आप एक छोटे मॉडल को "रक्षक" की सीट में रखते हैं और थोड़े अधिक बुद्धिमान मॉडल को "बहसकर्ता" (प्रश्न पूछने वाला) की सीट में रखते हैं, तो छोटा मॉडल अचानक बहुत स्मार्ट हो जाता है!
- उदाहरण: यह एक युवा प्रशिक्षु (apprentice) की तरह है जो अकेले एक आदर्श कुर्सी नहीं बना सकता। लेकिन यदि एक मास्टर बढ़ई पास खड़ा होकर केवल पूछता है, "क्या यह पैर सीधा है?" और "क्या तुमने दो बार नापा?" तो प्रशिक्षु अंततः एक आदर्श कुर्सी बनाता है। प्रशिक्षु काम करता है; मास्टर केवल सही सवाल पूछता है।
2. यह पैसा और समय बचाता है।
क्योंकि "बहसकर्ता" (प्रश्न पूछने वाला) को सुपर-स्मार्ट या महंगा AI होने की आवश्यकता नहीं है, आप एक सस्ता, छोटा AI प्रश्न पूछने के लिए और एक शक्तिशाली AI भारी काम करने के लिए उपयोग कर सकते हैं। यह एक सस्ते इंटर्न को सवाल पूछने के लिए काम पर रखने जैसा है ताकि आपको वरिष्ठ इंजीनियर को पूरा काम करने के लिए भुगतान न करना पड़े।
3. यह वास्तविक जीवन की उलझनों को संभालता है।
पेपर में छुट्टियों की योजना बनाने जैसी चीजों पर इसका परीक्षण किया गया।
- परिदृश्य: आप AI को रियो (Rio) की यात्रा की योजना बनाने के लिए कहते हैं।
- मानक AI: आपको जगहों की एक अच्छी सूची देता है।
- FOR-Prompting: बहसकर्ता पूछता है, "क्या होगा अगर तीसरे दिन बारिश हो जाए?" या "क्या होगा अगर ट्रेन के टिकट बिक जाएं?" या "क्या रात में वहां टहलना सुरक्षित है?"
- परिणाम: रक्षक योजना को बैकअप होटल, इनडोर संग्रहालयों और सुरक्षा युक्तियों को शामिल करने के लिए संशोधित करता है। अंतिम योजना बहुत अधिक वास्तविक और उपयोगी होती है।
निचोड़ (The Bottom Line)
FOR-Prompting AI से बात करने का एक नया तरीका है। केवल उत्तर मांगने के बजाय, यह एक ऐसी प्रणाली स्थापित करता है जहाँ AI को प्रश्नों द्वारा चुनौती दी जाती है न कि उत्तर दिए जाते हैं।
यह AI को एक ऐसे "सब कुछ जानने वाले" (know-it-all) से बदल देता है जो जल्दी में काम खत्म करना चाहता है, एक "सावधान विचारक" में बदल देता है जो अपने काम की दोबारा जाँच करता है क्योंकि कोई लगातार पूछ रहा है, "क्या तुम सुनिश्चित हो?"
यह एक सरल, शक्तिशाली तकनीक है जो AI को स्मार्ट, अधिक विश्वसनीय और जटिल, वास्तविक दुनिया की समस्याओं को संभालने में बहुत बेहतर बनाती है, बिना किसी महंगे प्रशिक्षण या मानवीय हस्तक्षेप के।
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।