SymCode: A Neurosymbolic Approach to Mathematical Reasoning via Verifiable Code Generation
SymCode एक न्यूरोसिम्बोलिक फ्रेमवर्क है जो समस्या-समाधान को SymPy का उपयोग करके सत्यापन योग्य कोड जनरेशन के रूप में पुनर्गठित करके लार्ज लैंग्वेज मॉडल्स में गणितीय तर्क क्षमता को बढ़ाता है, जिससे सटीकता में महत्वपूर्ण सुधार होता है और मॉडल की विफलताओं को अपारदर्शी तार्किक दोषों से बदलकर पारदर्शी, प्रोग्रामेटिक त्रुटियों में परिवर्तित 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 एक बहुत बुद्धिमान लेकिन थोड़े लापरवाह छात्र से एक जटिल गणितीय समस्या हल करने के लिए कहते हैं। यदि आप उनसे "ज़ोर से सोचने" (think out loud) और अपना उत्तर एक अनुच्छेद में लिखने के लिए कहते हैं, तो वे सही विचार तो रख सकते हैं लेकिन गणना के बीच में ही लड़खड़ा सकते हैं। वे कह सकते हैं, "मुझे पता है कि उत्तर 42 है," लेकिन उनका गणित 41 दिखाता है, या वे केवल संख्याओं को सुंदर दिखाने के लिए एक ऐसा नियम बना सकते हैं जो अस्तित्व में ही नहीं है। वर्तमान लार्ज लैंग्वेज मॉडल्स (LLMs) अक्सर यही करते हैं: वे गणित के बारे में एक कहानी लिखते हैं, लेकिन उस कहानी में छिपी हुई अंकगणितीय त्रुटियां या तार्किक कमियां हो सकती हैं जिन्हें पहचानना मुश्किल होता है।
SymCode एक नया फ्रेमवर्क है जो खेल बदल देता है। कहानी लिखने के बजाय, यह AI को समस्या को हल करने के लिए एक कंप्यूटर प्रोग्राम लिखने के लिए कहता है।
यह कैसे काम करता है, यहाँ एक सरल उपमा दी गई है:
पुराना तरीका: "कहानीकार" (The Storyteller)
कल्पना कीजिए कि AI एक कहानीकार है जो केक बनाने का तरीका समझाने की कोशिश कर रहा है। वह कहता है, "पहले, मैदा मिलाएं। फिर, अंडे डालें। ओह, और शायद एक चुटकी नमक? वास्तव में, चलिए दो कप चीनी डालते हैं क्योंकि यह सुनने में बेहतर लगता है।"
- समस्या: कहानीकार कोई चरण भूल सकता है, सामग्री को मिला सकता है, या चीनी के कितने कप की आवश्यकता है इसके बारे में गणित की गलती कर सकता है। क्योंकि यह केवल एक कहानी है, यह साबित करना कठिन है कि वे गलत हैं जब तक कि आप केक चखने की कोशिश न करें और उसका स्वाद खराब निकले।
नया तरीका (SymCode): "वास्तुकार और निर्माता" (The Architect and Builder)
SymCode AI को कहता है: "कहानी मत लिखो। इसके बजाय, एक वास्तुकार (Architect) की तरह कार्य करो जो एक सटीक ब्लूप्रिंट (नक्शा) बनाता है, और फिर एक निर्माता (Builder) की तरह कार्य करो जो उस ब्लूप्रिंट का ठीक से पालन करता है।"
- वास्तुकार (AI): AI गणित की समस्या को पायथन (Python) कोड में लिखे गए सख्त, तार्किक निर्देशों के सेट में अनुवादित करता है। यह SymPy नामक एक विशेष टूल का उपयोग करता है (इसे एक "परफेक्ट कैलकुलेटर" के रूप में सोचें जो कभी राउंडिंग एरर नहीं करता)।
- उपमा: "थोड़ा मैदा डालें" कहने के बजाय, AI कोड लिखता है जो कहता है
flour = 2.5 cups। यह नियमों को स्पष्ट रूप से परिभाषित करता है।
- उपमा: "थोड़ा मैदा डालें" कहने के बजाय, AI कोड लिखता है जो कहता है
- निर्माता (कंप्यूटर): कंप्यूटर कोड को चलाता है। वह अनुमान नहीं लगाता; वह निर्देशों को निष्पादित (execute) करता है।
- जादू: यदि AI ब्लूप्रिंट में गलती करता है (जैसे शून्य से विभाजित करना या गलत वेरिएबल का उपयोग करना), तो कंप्यूटर तुरंत रुक जाता है और कहता है, "त्रुटि (Error)! यह लाइन काम नहीं करती।"
- स्व-सुधार लूप (Self-Correction Loop): यही असली सफलता का सूत्र है। यदि कंप्यूटर को कोई त्रुटि मिलती है, तो वह "एरर मैसेज" वापस AI को भेजता है। AI उस त्रुटि को पढ़ता है, महसूस करता है, "ओह, मैंने वेरिएबल का नाम गलत लिखा," और कोड को ठीक करने के लिए उसे फिर से लिखता है। यह तब तक चलता रहता है जब तक कि कोड पूरी तरह से सही ढंग से न चल जाए और उत्तर न दे दे।
यह बेहतर क्यों है?
- कोई "नकली" गणित नहीं: एक कहानी में, AI कल्पना (hallucinate) कर सकता है। कोड में, यदि गणित गलत है, तो प्रोग्राम क्रैश हो जाता है। AI कंप्यूटर से झूठ नहीं बोल सकता।
- पारदर्शिता (Transparency): यदि कोई कहानी भ्रमित करने वाली है, तो गलती ढूंढना कठिन है। यदि कोड गलत है, तो कंप्यूटर ठीक उसी लाइन की ओर इशारा करता है जहाँ त्रुटि हुई है। यह गलती पर स्पॉटलाइट रखने जैसा है।
- दक्षता (Efficiency): गणित के एक ट्रिक को समझाने के लिए लंबी कहानी लिखने में बहुत सारे शब्द (tokens) लगते हैं। उसी गणित को करने के लिए एक छोटा स्क्रिप्ट लिखने में बहुत कम शब्द लगते हैं। शोध पत्र में पाया गया कि SymCode पुराने "कहानी सुनाने वाले" तरीकों की तुलना में लगभग 60% से 77% कम शब्दों का उपयोग करता है।
परिणाम
शोधकर्ताओं ने इसका परीक्षण बहुत कठिन गणितीय समस्याओं पर किया (जैसे कि हाई स्कूल प्रतियोगिताओं और ओलंपियाड में पाई जाने वाली समस्याएं)।
- सटीकता (Accuracy): SymCode ने पुराने तरीकों की तुलना में काफी अधिक प्रश्न सही हल किए। सबसे कठिन परीक्षणों पर, इसने सटीकता में 13.6 प्रतिशत अंक तक सुधार किया।
- "जितना कठिन, उतना बेहतर" का नियम: समस्या जितनी कठिन होती है, SymCode उतना ही अधिक मदद करता है। सरल समस्याओं के लिए, पुराने तरीके ठीक थे। लेकिन जटिल, बहु-चरणीय समस्याओं के लिए, पुराने तरीके विफल हो गए, जबकि SymCode चलता रहा क्योंकि यह अपने काम की जांच खुद कर सकता था।
संक्षेप में
SymCode AI को एक रचनात्मक लेखक (जो तथ्य गढ़ सकता है) से बदलकर एक कठोर इंजीनियर बना देता है जो समस्या को हल करने के लिए एक मशीन बनाता है। यदि मशीन टूट जाती है, तो इंजीनियर उसे तब तक ठीक करता है जब तक कि वह काम न करने लगे। यह AI के गणितीय उत्तरों को न केवल सही होने की अधिक संभावना देता है, बल्कि उन्हें भरोसेमंद और सत्यापन योग्य भी 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।