MOSAIC: Multi-agent Orchestration for Task-Intelligent Scientific Coding
यह शोध पत्र MOSAIC को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त मल्टी-एजेंट LLM फ्रेमवर्क है जो जटिल वैज्ञानिक कोडिंग कार्यों को विभाजित करने, त्रुटियों को स्वयं सुधारने और मतिभ्रम (hallucinations) को कम करने के लिए छात्र-शिक्षक प्रतिमान (student-teacher paradigm) और एक समेकित संदर्भ विंडो (Consolidated Context Window) का उपयोग करता है, जिससे यह सटीकता, सुदृढ़ता और व्याख्यात्मकता में मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करता 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 किसी बहुत ही विशिष्ट वैज्ञानिक रहस्य को सुलझाने के लिए एक जटिल, कस्टम मशीन बनाने की कोशिश कर रहे हैं—जैसे कि यह पता लगाना कि एक नई दवा वायरस के साथ कैसे प्रतिक्रिया करती है या किसी विशिष्ट शहर के लिए मौसम के पैटर्न की भविष्यवाणी करना। यह केवल एक साधारण स्क्रिप्ट लिखने के बारे में नहीं है; इसके लिए भौतिकी, जीव विज्ञान या रसायन विज्ञान के गहरे ज्ञान की आवश्यकता है, और कोड का एकदम सटीक होना अनिवार्य है क्योंकि इसे वास्तविक दुनिया में लॉन्च करने से पहले यह जांचने के लिए कोई "टेस्ट रन" उपलब्ध नहीं है कि यह काम करता है या नहीं।
यहीं पर MOSAIC काम आता है। MOSAIC को एक एकल रोबोट के रूप में नहीं, बल्कि कंप्यूटर के भीतर काम करने वाले एक अत्यधिक संगठित निर्माण दल (construction crew) के रूप में समझें।
यह कैसे काम करता है, इसके लिए कुछ रोजमर्रा के उदाहरणों का उपयोग किया गया है:
1. दल बनाम एकल कलाकार
अधिकांश AI कोडिंग टूल्स एक एकल कलाकार की तरह हैं जो एक विशाल भित्ति चित्र (mural) बनाने की कोशिश कर रहा है। वे रंगों को सही कर सकते हैं, लेकिन वे अक्सर बारीक विवरणों को छोड़ देते हैं या भ्रमित हो जाते हैं जब पेंटिंग बहुत बड़ी हो जाती है।
MOSAIC अलग है। यह विशेषज्ञों की एक टीम है।
- द आर्किटेक्ट (वास्तुकार): विशाल, डरावनी समस्या को छोटे, प्रबंधनीय ब्लूप्रिंट (उप-समस्याओं) में तोड़ता है।
- द बिल्डर (निर्माता): उन ब्लूप्रिंट्स के आधार पर वास्तविक कोड लिखता है।
- द इंस्पेक्टर (निरीक्षक): तुरंत काम की जांच करता है, उन गलतियों को ढूंढता है जिन्हें एक मानव विशेषज्ञ पकड़ लेता।
- द टीचर एंड स्टूडेंट (शिक्षक और छात्र): वे एक-दूसरे से बात करते हैं। "शिक्षक" समझाता है कि कोड के एक हिस्से की आवश्यकता क्यों है, और "छात्र" उसे लिखने का प्रयास करता है। यदि छात्र गलत करता है, तो शिक्षक केवल "विफल" नहीं कहता; वे तर्क को समझाते हैं ताकि छात्र सीख सके और उसे ठीक कर सके।
2. "टेस्ट ड्राइव" की अनुमति नहीं है
सामान्य सॉफ्टवेयर विकास में, आप कोड लिख सकते हैं, उसे चला सकते हैं, देख सकते हैं कि क्या यह क्रैश होता है, और उसे ठीक कर सकते हैं। लेकिन वैज्ञानिक कोडिंग में, आप अक्सर ऐसा आसानी से नहीं कर सकते। आप शायद ब्लैक होल या किसी रासायनिक प्रतिक्रिया का अनुकरण (simulate) कर रहे हों जिसमें गणना करने में कई दिन लग सकते हैं। आप यह देखने के लिए बस "टेस्ट रन" नहीं कर सकते कि गणित काम कर रहा है या नहीं।
MOSAIC इसे स्व-चिंतन (self-reflection) का उपयोग करके हल करता है। कोड में त्रुटियां खोजने के लिए उसे चलाने के बजाय, "निरीक्षक" एजेंट कोड और गणितीय तर्क को आंतरिक रूप से पढ़ता है, और पूछता है, "क्या यह वैज्ञानिक रूप से समझ में आता है?" यह एक शेफ की तरह है जो ग्राहक के खाने से पहले ही सूप को चखकर देख लेता है कि वह बहुत नमकीन तो नहीं है, बजाय इसके कि वह ग्राहक के खाने का इंतज़ार करे।
3. "मेमोरी बॉक्स" (समेकित संदर्भ विंडो - Consolidated Context Window)
समस्याओं की एक लंबी श्रृंखला को हल करते समय, AI मॉडल अक्सर "भुलक्कड़" हो जाते हैं। वे शायद पहला चरण याद रखें लेकिन दसवें चरण तक पहुँचते-पहुँचते तीसरे चरण में निर्धारित नियमों को भूल जाएं। इससे हैलुसिनेशन (hallucinations) (चीजों को मनगढ़ंत बनाना) होता है।
MOSAIC एक विशेष उपकरण का उपयोग करता है जिसे कंसोलिडेटेड कॉन्टेक्स्ट विंडो (CCW) कहा जाता है। इसे एक अत्यधिक संगठित व्हाइटबोर्ड के रूप में समझें जिसे पूरी टीम साझा करती है। पूरी बातचीत को अपने दिमाग में याद रखने के बजाय, वे मुख्य निर्णयों, तर्क और नियमों को इस व्हाइटबोर्ड पर लिख देते हैं। हर बार जब वे एक नया चरण शुरू करते हैं, तो वे बड़े चित्र से न भटकने के लिए बोर्ड को देखते हैं।
4. परिणाम
क्योंकि MOSAIC समस्याओं को तोड़ता है, अपने स्वयं के तर्क की जांच करता है, और अपने तर्क का एक सटीक रिकॉर्ड रखता है, इसलिए यह वैज्ञानिक कोड तैयार करता है जो है:
- अधिक सटीक: कम गणितीय त्रुटियां।
- अधिक मजबूत (Robust): जब चीजें जटिल होती हैं तो यह क्रैश नहीं होता।
- अधिक व्याख्या योग्य (Explainable): आप इससे पूछ सकते हैं, "आपने यह लाइन क्यों लिखी?" और यह उस विशिष्ट तर्क की ओर इशारा कर सकता है जिसका इसने उपयोग किया था, बजाय इसके कि केवल यह कहे कि "मैंने अनुमान लगाया।"
संक्षेप में: MOSAIC एक अराजक, भ्रमित करने वाले कोडिंग कार्य को एक संरचित, टीम-आधारित परियोजना में बदल देता है जहाँ टीम का प्रत्येक सदस्य एक-दूसरे के काम की जाँच करता है, जिससे यह सुनिश्चित होता है कि अंतिम परिणाम एक त्रुटिपूर्ण प्रयोग के बजाय एक विश्वसनीय वैज्ञानिक उपकरण 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।