Beyond Elicitation: Provision-based Prompt Optimization for Knowledge-Intensive Tasks
यह शोध पत्र नॉलेज-प्रोविजन-आधारित प्रॉम्प्ट ऑप्टिमाइज़ेशन (KPPO) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो इलिसिटेशन-आधारित रणनीतियों से व्यवस्थित ज्ञान एकीकरण की ओर स्थानांतरित होता है, और नॉलेज गैप फिलिंग, बैच-वाइज इवैल्यूएशन और एडेप्टिव प्रूनिंग जैसे तंत्रों के माध्यम से टोकन खपत को महत्वपूर्ण रूप से कम करते हुए ज्ञान-गहन कार्यों पर श्रेष्ठ प्रदर्शन प्राप्त 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
बड़ी समस्या: "खाली कप" बनाम "भरता हुआ कप"
कल्पना कीजिए कि आपके पास एक बहुत ही बुद्धिमान छात्र (AI) है जिसने एक निश्चित तिथि तक पुस्तकालय की हर किताब पढ़ ली है। वे तर्क, व्याकरण और तर्कशक्ति में अविश्वसनीय रूप से स्मार्ट हैं। हालाँकि, उनकी एक विशिष्ट कमी है: उन्हें किसी विशिष्ट क्लब के गुप्त हाथ मिलाने के तरीके (secret handshake) या पिछले सप्ताह आविष्कार की गई एक नई चिकित्सा प्रक्रिया के सटीक नियमों के बारे में नहीं पता है।
पुराना तरीका (Elicitation - उद्ለት):
वर्तमान विधियाँ इन प्रश्नों के उत्तर पाने के लिए निर्देशों को "हिलाने-डुलाने" (wiggling) की कोशिश करती हैं। यह एक खाली कप को हिलाने जैसा है, इस उम्मीद में कि जादू से कुछ बूंदें पानी प्रकट हो जाएंगी। शोधकर्ता इसे "Elicitation" कहते हैं। वे सोचते हैं, "अगर मैं प्रश्न को बेहतर तरीके से लिखूँ, या इसे एक बेहतर उदाहरण दूँ, तो AI अचानक इसे 'याद' कर लेगा या उत्तर का 'पता लगा' लेगा।"
वास्तविकता:
यदि AI को वह तथ्य नहीं पता है, तो कितनी भी चतुर शब्दावली उसे प्रकट नहीं कर सकती। यह एक ऐसे शेफ से अनानास के स्वाद का वर्णन करने के लिए पूछने जैसा है जिसने कभी अनानास देखा ही नहीं है, सिर्फ इसलिए कि आपने उसे एक बेहतर रेसिपी बुक दे दी है। वे स्वाद का आविष्कार नहीं कर सकते; उन्हें वास्तविक फल की आवश्यकता है।
नया समाधान: KPPO (ज्ञान वितरण सेवा)
लेखकों ने KPP0 (Knowledge-Provision-based Prompt Optimization) नामक एक नई विधि प्रस्तावित की है। खाली कप को हिलाने के बजाय, KPPO AI द्वारा उत्तर देने से पहले ही उस कप को गायब जानकारी से भर देता है।
KPPO को एक स्मार्ट पर्सनल असिस्टेंट के रूप में सोचें जो AI के लिए विशेष रूप से एक "चीट शीट" (cheat sheet) तैयार करता है। यह तीन सरल चरणों में कैसे काम करता है, यहाँ दिया गया है:
1. जासूस (कमी का पता लगाना)
जब AI किसी प्रश्न का गलत उत्तर देता है (जैसे, "इस मेडिकल कोड का क्या अर्थ है?"), तो KPPO केवल यह नहीं कहता, "फिर से प्रयास करें।" यह एक जासूस की तरह कार्य करता है।
- उपमा: एक शिक्षक की कल्पना करें जो टेस्ट ग्रेड कर रहा है। केवल "गलत" मार्क करने के बजाय, शिक्षक छात्र के उत्तर को देखता है और कहता है, "तुमने यह गलत किया क्योंकि तुम्हें नहीं पता कि इस विशिष्ट कोड सिस्टम में '0Z' का अर्थ 'No Device' है।"
- KPPO का कदम: यह पहचानता है कि ज्ञान का कौन सा हिस्सा गायब है और उसे लिख लेता है।
2. निर्माता (कमी को भरना)
एक बार जब गायब हिस्सा मिल जाता है, तो KPPO इसे केवल AI के कान में नहीं फुसफुसाता। यह एक संरचित "चीट शीट" (प्रॉम्प्ट) बनाता है जिसमें इस नए तथ्य के साथ अन्य प्रासंगिक नियम भी शामिल होते हैं।
- उपमा: शेफ को "अनानास के साथ अधिक रचनात्मक बनो" कहने के बजाय, असिस्टेंट रसोई में जाता है, एक ताज़ा अनानास लाता है, उसे काटता है, और उसे शेफ के ठीक बगल में कटिंग बोर्ड पर रख देता है। अब, शेफ के पास वह सामग्री है जिसकी उन्हें आवश्यकता है।
3. संपादक (इसे संक्षिप्त रखना)
जैसे-जैसे AI अधिक सीखता है, "चीट शीट" बहुत बड़ी और अव्यवस्थित हो सकती है, जिससे AI धीमा हो सकता है। KPPO के पास एक अंतर्निहित संपादक (editor) है।
- उपमा: कल्पना कीजिए कि आप यात्रा के लिए पैकिंग कर रहे हैं। आप अपने सूटकेट में सामान जोड़ते जा रहे हैं। अंततः वह बहुत भारी हो जाता है। संपादक आपके सूटकेट को देखता है और कहता है, "आपके पास तीन एक जैसे मोज़े और एक टूटा हुआ छाता है। आइए हम उन्हें बाहर निकाल दें ताकि आप आवश्यक वस्तुओं को तेज़ी से ले जा सकें।"
- KPPO का कदम: यह महत्वपूर्ण तथ्यों को खोए बिना निर्देशों को छोटा और तेज़ रखने के लिए अनावश्यक या दोहराव वाली जानकारी को हटा देता है, जिससे पैसे (कंप्यूटिंग टोकन) की बचत होती है।
यह एक बड़ी बात क्यों है?
पेपर का परीक्षण वित्त, कानून और चिकित्सा से जुड़े 15 कठिन कार्यों पर किया गया। यहाँ उन्होंने क्या पाया:
- पुरानी विधियाँ (Elicitation): AI के दिमाग को "जेलब्रेक" करने की कोशिश की ताकि उत्तर मिल सकें। इससे स्कोर में बहुत कम सुधार हुआ, और कभी-कभी चीजें और खराब हो गईं क्योंकि वे केवल पैटर्न का अनुमान लगा रहे थे।
- KPPO: वास्तव में AI को वे तथ्य दिए जिनकी उसे आवश्यकता थी।
- परिणाम: इसने सटीकता में औसतन लगभग 6% का सुधार किया।
- दक्षता: "संपादक" चरण का उपयोग करके, इसने उस टेक्स्ट की मात्रा को 29% तक कम कर दिया जिसे AI को पढ़ना पड़ता था, जिससे यह चलाने में तेज़ और सस्ता हो गया।
"आहा!" क्षण (The "Aha!" Moment)
पेपर मेडिकल कोड के एक बेहतरीन उदाहरण का उपयोग करता है।
- पुराना तरीका: AI को बताया गया, "बहुत सावधान रहें और कोड संरचना का विश्लेषण करें।" AI ने गलत अनुमान लगाया क्योंकि उसे विशिष्ट नियम नहीं पता था।
- KPPO: AI को बताया गया, "यहाँ नियम है: इस कोड सिस्टम में, अंत में 'Z' अक्षर का अर्थ है 'No Device used'।" AI ने तुरंत सही उत्तर दे दिया।
सारांश
KPPO खेल बदल देता है। इस उम्मीद में कि AI उन तथ्यों को जादुई रूप से "पता लगा" लेगा जो उसे नहीं पता, इसके बजाय यह उन तथ्यों को सीधे निर्देशों में प्रदान करता है। यह एक दोस्त से पासवर्ड का अनुमान लगाने के लिए पूछने (elicitation) बनाम सीधे उन्हें पासवर्ड थमा देने (provision) के बीच का अंतर है।
यह AI को चिकित्सा, कानून और इंजीनियरिंग जैसे विशिष्ट कार्यों के लिए बहुत अधिक विश्वसनीय बनाता है, जहाँ चालाक होने से अधिक महत्वपूर्ण सही होना 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।