RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA
RELOOP एक संरचना-जागरूक रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो विषम साक्ष्य स्रोतों (टेक्स्ट, टेबल और नॉलेज ग्राफ) को एक पदानुक्रमित अनुक्रम में एकीकृत करता है और जटिल मल्टी-हॉप प्रश्नों को कुशलतापूर्वक हल करने के लिए गाइडेड, बजट-जागरूक पुनरावृत्ति के साथ एक मल्टी-एजेंट सिस्टम का उपयोग करता है, जिससे सटीकता और निरंतरता में सुधार होता 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 एक जासूस हैं जो एक जटिल रहस्य को सुलझाने की कोशिश कर रहे हैं, जैसे कि "किसने वह किताब लिखी जिसने एक विशिष्ट 2004 की रूसी फिल्म को प्रेरित किया?"
अतीत में, AI जासूसों के पास काम करने के दो मुख्य तरीके थे, और दोनों में ही समस्याएँ थीं:
- "वन-शॉट" (One-Shot) जासूस: वे कागजों का एक बड़ा ढेर एक साथ उठा लेते थे, उन सभी को एक बार में पढ़ते थे और उत्तर का अनुमान लगाते थे। यदि ढेर बहुत बड़ा होता, तो वे घबरा जाते। यदि ढेर बहुत छोटा होता, तो वे सुराग चूक जाते।
- "ओवर-थिंकर" (Over-Thinker) जासूस: वे एजेंटों की एक टीम को शिकार पर भेज देते थे। एक एजेंट लाइब्रेरी की ओर दौड़ता है, दूसरा इंटरनेट की ओर, तीसरा अभिलेखागार (archives) की ओर। वे बार-बार वापस आते हैं, और अधिक प्रश्न पूछते रहते हैं, जब तक कि वे थक न जाएं या उनका पैसा खत्म न हो जाए। इसमें बहुत समय लगता है और यह बहुत महंगा पड़ता है।
RELOOP इस रहस्य को सुलझाने का एक नया, स्मार्ट तरीका है। यह HSEQ (Hierarchical Sequence) नामक एक चतुर प्रणाली का उपयोग करके दोनों दुनियाओं के सर्वश्रेष्ठ गुणों को मिलाता है।
यह कैसे काम करता है, यहाँ सरल उपमाओं (analogies) में दिया गया है:
1. महान अनुवादक (HSEQ-Adapter)
कल्पना कीजिए कि आपका साक्ष्य तीन अलग-अलग भाषाओं में आता है:
- टेक्स्ट (Text): लंबे उपन्यास (जैसे विकिपीडिया लेख)।
- टेबल्स (Tables): पंक्तियों और कॉलमों वाले स्प्रेडशीट्स (जैसे वित्तीय रिपोर्ट)।
- नॉलेज ग्राफ्स (Knowledge Graphs): जुड़े हुए तथ्यों का एक विशाल जाल (जैसे विचारों का वंशावली वृक्ष)।
आमतौर पर, एक AI को प्रत्येक के लिए एक अलग "बोली" सीखने की आवश्यकता होती है। RELOOP के पास एक यूनिवर्सल ट्रांसलेटर (Universal Translator) है। यह एक उपन्यास, एक स्प्रेडशीट और तथ्यों के एक जाल को लेता है, और उन सभी को एक ही व्यवस्थित स्टिकर नोट्स की किताब में बदल देता है।
- प्रत्येक नोट पर एक लेबल होता है (क्या यह एक वाक्य है? एक पंक्ति है? या एक तथ्य है?)।
- प्रत्येक नोट को अपना "पैरेंट" (parent) पता होता है (वह किस अध्याय या टेबल से आया है)।
- इसका मतलब है कि AI को अलग-अलग भूमिकाएँ निभाने की आवश्यकता नहीं है; वह जानकारी चाहे कहीं से भी आई हो, वह बस एक सुसंगत प्रारूप (format) पढ़ता है।
2. स्मार्ट सर्च टीम (एजेंट्स)
RELOOP उत्तर खोजने के लिए दो-सदस्यीय टीम का उपयोग करता है, जो एक खोज और बचाव (Search and Rescue) अभियान की तरह काम करती है:
- हेड एजेंट (कमांडर): खोज शुरू होने से पहले, यह एजेंट प्रश्न को देखता है और एक मानचित्र (Map) बनाता है। यह कहता है, "ठीक है, इसे हल करने के लिए, हमें पहले फिल्म निर्देशक को खोजना होगा, फिर पुस्तक का शीर्षक, फिर लेखक। चलिए वहां से शुरुआत करते हैं।" यह एक बजट निर्धारित करता है: "हमारे पास केवल 5 चरणों के लिए समय है।"
- इटरेशन एजेंट (स्काउट): यह एजेंट मानचित्र का अनुसरण करता है। पूरे पुस्तकालय को पढ़ने के बजाय, यह स्टिकर नोट्स के एक छोटे "विंडो" (window) को देखता है।
- यह सबसे आशाजनक नोट्स चुनता है।
- यह पूछता है: "क्या हमारे पास पर्याप्त जानकारी है?"
- यदि नहीं, तो यह अगले तार्किक स्थान पर जाने के लिए मानचित्र का उपयोग करता है (जैसे, "यदि हमने फिल्म ढूंढ ली है, तो आइए उस फिल्म से जुड़े नोट्स को देखें")।
- यह चरण-दर-चरण, केवल वही चीजें पकड़ते हुए, यह प्रक्रिया जारी रखता है जिनकी उसे ठीक से आवश्यकता है।
3. "बस-इतना-ही" का नियम (The "Just-Enough" Rule)
सबसे शानदार बात यह है कि RELOOP को पता होता है कि कब रुकना है।
- पुराने सिस्टम अक्सर तब तक खोजते रहते थे जब तक कि वे समय सीमा तक नहीं पहुँच जाते, जिससे ऊर्जा बर्बाद होती थी।
- RELOOP के पास एक सफिशिएंसी सेंसर (Sufficiency Sensor - पर्याप्तता सेंसर) होता है। हर चरण के बाद, स्काउट कमांडर से पूछता है: "क्या हमारे पास उत्तर है?"
- यदि उत्तर "हाँ" है, तो खोज तुरंत रुक जाती है। कोई बर्बाद कदम नहीं।
- यदि उत्तर "नहीं" है, तो वे एक और कदम उठाते हैं।
4. अंतिम रिपोर्ट (Canonicalization)
एक बार जब खोज रुक जाती है, तो टीम केवल नोट्स का ढेर मेज पर नहीं डालती। वे उन्हें एक साफ केस फाइल में व्यवस्थित करते हैं।
- वे शोर (noise) को हटा देते हैं।
- वे "सोर्स कोड" (प्रमाणिकता/provenance) को रखते हैं, ताकि आप देख सकें कि किस वाक्य या टेबल सेल ने उत्तर तक पहुँचाया।
- यदि नोट्स एक-दूसरे का खंडन करते हैं (उदाहरण के लिए, एक नोट कहता है कि लेखक X है, दूसरा कहता है Y), तो सिस्टम के पास गलतियों को दोबारा जांचने और ठीक करने के लिए एक विशेष रिफाइनमेंट लूप (Refinement Loop) होता है।
यह एक बड़ी बात क्यों है?
- यह सार्वभौमिक (Universal) है: यह बिना किसी नए प्रशिक्षण पाठ्यक्रम के टेक्स्ट, टेबल्स और ग्राफ्स पर काम करता है।
- यह कुशल (Efficient) है: यह पैसा या समय बर्बाद नहीं करता। जैसे ही इसके पास उत्तर आता है, यह रुक जाता है।
- यह भरोसेमंद है: क्योंकि यह इस बात का "रसीद" रखता है कि इसने जानकारी कहाँ से प्राप्त की, आप इसके काम का ऑडिट कर सकते हैं। इसके "भ्रमित" (hallucinate) होने की संभावना कम है क्योंकि यह सख्ती से मिले हुए साक्ष्यों का पालन करता है।
संक्षेप में: RELOOP एक ऐसे जासूस की तरह है जो न केवल पूरी लाइब्रेरी पढ़ता है, बल्कि उसके पास एक स्मार्ट मैप, एक बजट और सत्य मिलने के क्षण में खोज रोकने का एक नियम भी है। यह पुराने तरीकों की तुलना में तेज़, सस्ता और अधिक सटीक 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।