💬 NLP

FutureWeaver: Planning Test-Time Compute for Multi-Agent Systems with Modularized Collaboration

फ्यूचरवीवर (FutureWeaver) एक ऐसा फ्रेमवर्क है जो स्व-प्रेरित सहयोग मॉड्यूल और एक दोहरे-स्तरीय नियोजन आर्किटेक्चर को पेश करके निश्चित टेस्ट-टाइम कंप्यूट बजट के तहत मल्टी-एजेंट सिस्टम के प्रदर्शन को बढ़ाता है ताकि सिद्धांतों पर आधारित संसाधन आवंटन के माध्यम से इन्फरेंस प्रक्षेपवक्र (inference trajectories) को अनुकूलित किया जा सके।

मूल लेखक: Dongwon Jung, Peng Shi, Muhao Chen, Yi Zhang

प्रकाशित 2026-06-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dongwon Jung, Peng Shi, Muhao Chen, Yi Zhang

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 विशेषज्ञों की एक टीम (जैसे एक शोधकर्ता, एक कोडर, एक लेखक और एक तथ्य-जांचकर्ता) के प्रबंधक हैं जो एक बहुत ही कठिन पहेली को सुलझाने की कोशिश कर रहे हैं। आपके पास उनके समय और प्रयास पर कितना पैसा खर्च किया जा सकता है (आपका "बजट"), इसकी एक सख्त सीमा है।

अतीत में, यदि आप चाहते थे कि आपकी टीम बेहतर काम करे, तो आप बस उन्हें "कठोरता से सोचने" या "फिर से प्रयास करने" के लिए कह सकते थे। लेकिन एक मल्टी-एजेंट सिस्टम में, केवल एक व्यक्ति को कड़ी मेहनत करने के लिए कहना हमेशा मददगार नहीं होता है। कभी-कभी, आपको शोधकर्ता को कोडर से बात करने की आवश्यकता होती, या लेखक के ड्राफ्ट की समीक्षा करने के लिए तथ्य-जांचकर्ता को आगे बढ़ने से पहले शामिल करना पड़ता है। समस्या यह है: आप यह कैसे तय करें कि कौन किससे, कब और कितनी देर के लिए बात करेगा, बिना अपना बजट खत्म किए?

यह वह समस्या है जिसे FUTUREWEAVER पेपर हल करने की कोशिश करता है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:

1. समस्या: "कठोर असेंबली लाइन" (The Rigid Assembly Line)

अधिकांश वर्तमान प्रणालियाँ एक कठोर असेंबली लाइन की तरह काम करती हैं। एक व्यक्ति एक कार्य करता है, उसे अगले व्यक्ति को सौंप देता है, और इसी तरह चलता रहता है। यदि पहला व्यक्ति गलती करता है, तो पूरी लाइन विफल हो सकती है, या आप एक ही चरण को बार-बार दोहराकर पैसा बर्बाद कर सकते हैं।

समस्या: ये प्रणालियाँ यह नहीं जान पातीं कि अपने टीम के सदस्यों को प्रभावी ढंग से कैसे मिलाया जाए। वे आगे की योजना बनाने में भी संघर्ष करती हैं। वे पहले चरण पर ही अपना सारा पैसा खर्च कर सकती हैं, जिससे महत्वपूर्ण अंतिम चरणों के लिए कुछ भी नहीं बचता।

2. समाधान: "सहयोग मॉड्यूल" (Collaboration Modules - पूर्व-निर्मित रेसिपी)

FUTUREWEAVER एक नया विचार पेश करता है जिसे सहयोग मॉड्यूल (Collaboration Modules) कहा जाता है।

उपमा (Analogy): कल्पना कीजिए कि केवल व्यक्तिगत शेफ की सूची रखने के बजाय, आपके पास पूर्व-निर्मित रेसिपी (Recipes) का एक पुस्तकालय है।
- रेसिपी A: "शोधकर्ता और लेखक एक कहानी का मसौदा तैयार करने के लिए मिलकर काम करते हैं।"
- रेसिपी B: "तीन कोडर समानांतर (parallel) में कोड लिखते हैं, और एक समीक्षक सबसे अच्छे को चुनता है।"
यह कैसे काम करता है: सिस्टम केवल एक एजेंट को नहीं बुलाता; यह एक पूरा "रेसिपी" (मॉड्यूल) बुला सकता है जो स्वचालित रूप से एक साथ कई एजेंटों को समन्वित करता है। ये रेसिपी मनुष्यों द्वारा हाथ से नहीं लिखी गई हैं; सिस्टम इन्हें खुद को सफल होते हुए देखकर सीखता है। यह खेल को कई बार खेलता है, देखता है कि कौन सी टीम-अप सबसे अच्छी रही, और उन सफल पैटर्न को पुन: उपयोग योग्य "रेसिपी" में बदल देता है।

3. मस्तिष्क: "दो-स्तरीय योजना" (Dual-Level Planning - GPS और स्काउट)

शानदार रेसिपी होने के बावजूद, आपको यह जानने की आवश्यकता है कि किसी भी क्षण में किसे चुनना है। FUTUREWEATER एक दो-भाग वाली योजना प्रणाली का उपयोग करता है, जो एक GPS और एक स्काउट (Scout) के संयोजन के समान है:

अल्पकालिक योजना (द स्काउट): यह तत्काल अगले कदम को देखता है। "यदि मैं अभी 'शोधकर्ता + लेखक' रेसिपी का उपयोग करता हूँ, तो क्या यह एक अच्छा विचार लगता है, जो हमने अभी-अभी किया है उसके आधार पर?" यह जाँचता है कि क्या टीम इस चाल पर सहमत है और क्या इसने पिछले समान स्थितियों में अच्छा काम किया है।
दीर्घकालिक योजना (द GPS): यह जादुई हिस्सा है। यह वास्तव में काम नहीं करता है; यह भविष्य की कल्पना करता है। यह पूछता है, "यदि मैं अभी यह रेसिपी चुनता हूँ, तो क्या मैं पहेली को पूरा करने से पहले पैसे खत्म कर दूँगा?" यह अपने दिमाग में शेष यात्रा का अनुकरण (simulate) करता है (बिना वास्तविक पैसा खर्च किए) यह देखने के लिए कि क्या रास्ता संभव है।
परिणाम: सिस्टम उस चाल को चुनता है जो न केवल अभी के लिए अच्छी है बल्कि यह भी सुनिश्चित करती है कि काम पूरा होने से पहले उसका बजट खत्म नहीं होगा।

4. "सेल्फ-प्ले" (Self-Play - खुद से खेलकर सीखना)

सिस्टम को कैसे पता चलता है कि कौन सी रेसिपी अच्छी है या उनकी लागत कितनी है? यह सेल्फ-प्ले रिफ्लेक्शन (Self-Play Reflection) का उपयोग करता है।

उपमा: एक शतरंज खिलाड़ी के बारे में सोचें जो सर्वोत्तम रणनीतियों को सीखने के लिए अपने आप के खिलाफ हजारों गेम खेलता है।
यह कैसे काम करता है: वास्तविक समस्याओं को हल करने से पहले, सिस्टम कई अभ्यास कार्यों से गुजरता है। यह रिकॉर्ड करता है कि प्रत्येक "रेसिकी" की कितनी लागत आई और कितनी बार इसने जीत दिलाई। फिर यह उस डेटा का उपयोग अपनी रेसिपी की लाइब्रेरी और अपने लागत अनुमान बनाने के लिए करता है। यह गेम टेप की समीक्षा करके प्लेबुक बनाने वाले कोच की तरह है।

5. परिणाम: कम खर्च में अधिक लाभ (Getting More Bang for the Buck)

पेपर ने इन तीन कठिन चुनौतियों पर इस प्रणाली का परीक्षण किया:

सामान्य ज्ञान और वेब ब्राउज़िंग: इंटरनेट पर उत्तर खोजना।
गहन शोध (Deep Research): विशिष्ट तथ्यों को खोजने के लिए कई दस्तावेजों की गहराई से जांच करना।
कोडिंग: कंप्यूटर कोड लिखना और उसकी जांच करना।

क्या हुआ?

पुराने तरीकों ने अक्सर पैसा बर्बाद किया। वे शुरुआती चरणों पर बहुत अधिक खर्च कर देते थे या लूप में फंस जाते थे, जिससे अंतिम उत्तर के लिए उनके पास कोई बजट नहीं बचता था।
FUTUREWEAVER बजट के भीतर रहते हुए लगातार बेहतर उत्तर प्राप्त करने में सफल रहा। इसने सीखा कि पैसा कब आक्रामक रूप से खर्च करना है (जैसे कोड की जांच करते समय) और कब मितव्ययी (conservatively) रहना है जब इसकी आवश्यकता नहीं थी।

सारांश

FUTUREWEIVER AI एजेंटों की टीम के लिए एक स्मार्ट प्रोजेक्ट मैनेजर की तरह है। केवल उन्हें "कठोरता से काम करने" के लिए कहने के बजाय, यह:

उन चीज़ों के आधार पर पुन: उपयोग योग्य टीम वर्क रेसिपी बनाता है जो अतीत में सफल रही हैं।
दो कदम आगे (और उससे भी आगे) की योजना बनाता है ताकि यह सुनिश्चित हो सके कि काम पूरा होने से पहले उसका बजट खत्म न हो जाए।
अपने स्वयं के अभ्यास दौरों से सीखता है ताकि अपनी टीम को प्रबंधित करने में बेहतर बन सके।

परिणामस्वरूप, यह सिस्टम उसी राशि के साथ अधिक कठिन समस्याओं को हल करता है, केवल इसलिए क्योंकि यह अपने दल का उपयोग करने के तरीके के बारे में अधिक स्मार्ट है।

तकनीकी सारांश: FUTUREWEAVER

समस्या विवरण (Problem Statement)

जबकि सिंगल-एजेंट सेटिंग्स में लार्ज लैंग्वेज मॉडल (LLM) के प्रदर्शन को सुधारने के लिए टेस्ट-टाइम कंप्यूट (test-time computation) को स्केल करना प्रभावी सिद्ध हुआ है (जैसे कि सेल्फ-करेक्शन, इटरेटिव वेरिफिकेशन, या बेस्ट-ऑफ-N सैंपलिंग के माध्यम से), इन तकनीकों को मल्टी-एजेंट सिस्टम तक विस्तारित करना अनूठी चुनौतियाँ पेश करता है। मौजूदा दृष्टिकोण अक्सर कठोर ऑर्केस्ट्रेटर-वर्कर प्रतिमानों (orchestrator-worker paradigms) पर निर्भर करते हैं जो एजेंटों को क्रमिक रूप से (sequentially) निष्पादित करते हैं, जिससे विषम एजेंटों (heterogeneous agents) के बीच तालमेल का लाभ उठाने में विफलता होती है। इसके अलावा, वर्तमान विधियों में कठोर बजट सीमाओं के तहत कंप्यूट आवंटित करने के लिए सिद्धांतों की कमी है। वे अक्सर निश्चित इन्फरेंस संरचनाओं के भीतर अनुकूलन करते हैं या एजेंट इनवोकेशन्स (agent invocations) के कॉम्बिनेटोरियल स्पेस पर एक ट्रैजेक्टरी प्लानिंग समस्या के रूप में इन्फरेंस को देखने में विफल रहते हैं। फलस्वरूप, सिस्टम कम प्रभाव वाले शुरुआती चरणों में अत्यधिक निवेश कर सकते हैं या महत्वपूर्ण बाद के समन्वय चरणों में निवेश कम कर सकते हैं, जिससे पर्याप्त बजट उपलब्ध होने पर भी उप-इष्टतम (suboptimal) प्रदर्शन होता है।

कार्यप्रणाली: FUTUREWEAVER (Methodology: FUTUREWEAVER)

यह शोध पत्र FUTUREWEAVER का प्रस्ताव करता है, जो एक निश्चित बजट के तहत मल्टी-एजेंट सिस्टम में टेस्ट-टाइम कंप्यूट आवंटन को अनुकूलित करने के लिए डिज़ाइन किया गया एक फ्रेमवर्क है। यह फ्रेमवर्क तीन मुख्य घटकों को एकीकृत करता है:

1. सहयोग मॉड्यूल (Collaboration Modules)

एक-एक करके एजेंट निष्पादन से आगे बढ़ने के लिए, लेखक सहयोग मॉड्यूल पेश करते हैं। ये मॉड्यूलर, कॉल करने योग्य फंक्शन हैं जो कई एजेंटों के बीच उच्च-स्तरीय समन्वय रणनीतियों (जैसे, "सर्च देन ब्राउज़" या "एन्सेम्बल रीजनिंग") को समाहित करते हैं।

अमूर्तीकरण (Abstraction): मॉड्यूल को $m = (S, \kappa)$ के रूप में औपचारिक रूप दिया गया है, जहाँ $S$ वर्कर एजेंटों का एक उपसमुच्चय (subset) है और $\kappa$ एक समन्वय रणनीति है।
खोज (Discovery): मॉड्यूल मैन्युअल रूप से डिज़ाइन नहीं किए जाते हैं, बल्कि सेल्फ-प्ले रिफ्लेक्शन (Self-Play Reflection) के माध्यम से स्वचालित रूप से प्रेरित (automatically induced) होते हैं। सिस्टम वैलिडेशन कार्यों पर ट्रैजेक्टरीज निष्पादित करता है, सफलता की ओर ले जाने वाले आवर्ती इंटरैक्शन पैटर्न की पहचान करता है, और उन्हें पुन: प्रयोज्य मॉड्यूल के रूप में एब्स्ट्रैक्ट करता है।
एक्शन स्पेस (Action Space): ऑरकेस्ट्रेटर के एक्शन स्पेस को व्यक्तिगत बेस एजेंटों और इन सहयोग मॉड्यूल दोनों को शामिल करने के लिए विस्तारित किया गया है ( $A' = A \cup M$ )।

2. द्वि-स्तरीय नियोजन संरचना (Dual-Level Planning Architecture)

एक हार्ड बजट के तहत एजेंट/मॉड्यूल इनवोकेशन्स के कॉम्बिनेटोरियल स्पेस में नेविगेट करने के लिए, FUTUREWEAVER A* सर्च और स्पेकुलेटिव डिकोडिंग से प्रेरित एक द्वि-स्तरीय नियोजन रणनीति का उपयोग करता है:

शॉर्ट-होराइजन प्लानिंग (स्थानीय लाभ - Local Gain): एक उम्मीदवार एक्शन $\alpha_t$ की तत्काल संभावना का मूल्यांकन करता है। यह एक गेन स्कोर $g(\alpha_t)$ की गणना करता है जो निम्नलिखित पर आधारित है:
- सेल्फ-कंसिस्टेंसी (SC): आत्मविश्वास को मापने के लिए सैंपल्ड एक्शन्स के बीच स्थानीय सहमति को मापता है।
- परफॉरमेंस प्रायर (PP): अनुभव बफर (experience buffer) में पाए गए समान ऐतिहासिक ट्रैजेक्टरीज की सफलता दर से प्राप्त एक अनुभवजन्य विश्वसनीयता स्कोर।
- गेन की गणना ज्यामितीय माध्य (geometric mean) के रूप में की जाती है: $g(\alpha_t) = \sqrt{SC(\alpha_t) \cdot PP(\alpha_t)}$ ।
लॉन्ग-होराइजन प्लानिंग (वैश्विक व्यवहार्यता - Global Feasibility): यह अनुमान लगाने के लिए एब्स्ट्रैक्ट लुकअहेड (abstract lookahead) करता है कि क्या एक उम्मीदवार एक्शन शेष बजट के भीतर एक सफल ट्रैजेक्टरी की ओर ले जा सकता है।
- ऑरकेस्ट्रेटर संभावित भविष्य के मॉड्यूल अनुक्रमों को प्रतीकात्मक रूप से (एजेंटों को निष्पादित किए बिना) स्पेकुलेटिव ट्रैजेक्टरीज के रूप में उत्पन्न करता है।
- सेल्फ-प्ले से प्राप्त लागत अनुमानों का उपयोग करके, बजट से अधिक जाने वाली ट्रैजेक्टरीज को फ़िल्टर कर दिया जाता है।
- एक व्यवहार्यता स्कोर $h(\alpha_t)$ की गणना इस आधार पर की जाती है कि कितने उम्मीदवार एक्शन्स बजट-अनुपालन निरंतरता (budget-compliant continuations) की अनुमति देते हैं।
- यह स्कोर शॉर्ट-होरिजन प्लानर को सक्रिय रूप से निर्देशित करता है, यह सुनिश्चित करता है कि स्थानीय निर्णय वैश्विक व्यवहार्यता के अनुरूप हों।
चयन (Selection): अंतिम उपयोगिता (utility) $f(\alpha_t) = g(\alpha_t) + h(\alpha_t)$ है। तात्कालिक प्रगति और दीर्घकालिक बजट अनुपालन के बीच संतुलन बनाते हुए उच्चतम उपयोगिता वाले एक्शन का चयन किया जाता है।

3. सेल्फ-प्ले रिफ्लेक्शन (Self-Play Reflection)

यह ऑफलाइन, इटरेटिव प्रक्रिया इस फ्रेमवर्क के इंजन के रूप में कार्य करती है:

यह अनुभव बफर बनाने के लिए वैलिडेशन कार्यों के एक उपसमुच्चय पर निष्पादन ट्रैजेक्टरीज उत्पन्न करती है।
यह बेस एजेंटों और खोजे गए मॉड्यूल दोनों के लिए लागत अनुमान (देखे गए सब-टास्क के औसत के आधार पर) और परफॉरमेंस अनुमान (ट्रैजेक्टरी-स्तर की सफलता दर) प्रदान करती है।
यह सफल ट्रैजेक्टरीज में आवर्ती पैटर्न का विश्लेषण करके सहयोग मॉड्यूल की खोज को संचालित करती है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने तीन बेंचमार्क पर FUTUREWEIVER का मूल्यांकन किया: GAIA (सामान्य AI सहायक कार्य), BrowseComp-Plus (वेब ब्राउजिंग), और BigCodeBench (कोडिंग)। उन्होंने फिक्स्ड वर्कफ़्लो (ADAS, AFlow), स्टैंडर्ड ReAct के साथ टेस्ट-टाइम स्केलिंग (Best-of-N, Iterative Verification), और सहयोग मॉड्यूल के साथ ReAct (Budget-Unaware/Aware) के विरुद्ध तुलना की।

प्रदर्शन (Performance): FUTUREWEAVER ने सभी तीन बेंचमार्क पर विभिन्न बजट सेटिंग्स में सभी बेसलाइन्स को लगातार पछाड़ दिया। उदाहरण के लिए, Claude मॉडल्स के साथ GAIA पर, इसने $0.5 बजट के साथ 48.15% सटीकता प्राप्त की, जबकि सर्वश्रेष्ठ ReAct वेरिएंट ने 38.27% हासिल किया।
बजट उपयोग (Budget Utilization): उन बेसलाइन्स के विपरीत जो अक्सर उपलब्ध बजट का कम उपयोग करते हैं (जहाँ कुल लागत बाधा से बहुत नीचे स्थिर हो जाती है), FUTUREWEAVER आक्रामक रूप से और प्रभावी ढंग से बजट का उपयोग करता है, जिससे कंप्यूट संसाधनों को सीधे प्रदर्शन लाभ में बदला जा सके।
घटक विश्लेषण (Component Analysis): एब्लेशन स्टडीज से पता चला कि जबकि शॉर्ट-टर्म प्लानिंग अकेले ही एक उछाल प्रदान करती है, और लॉन्ग-टर्म प्लानिंग अकेले उच्च बजट पर थोड़ा बेहतर प्रदर्शन करती है, लेकिन द्वि-स्तरीय संयोजन (dual-level combination) सबसे मजबूत परिणाम देता है, जो स्थानीय और वैश्विक संकेतों को एकीकृत करने की आवश्यकता की पुष्टि करता है।

महत्व और दावे (Significance and Claims)

शोध पत्र दावा करता है कि FUTUREWEAVER मल्टी-एजेंट सिस्टम में एक महत्वपूर्ण अंतर को संबोधित करता है: बजट-बाधित कंप्यूट आवंटन और प्रभावी सहयोग के लिए सिद्धांतों की कमी।

मुख्य योगदान: यह कार्य मल्टी-एजेंट ऑप्टिमाइजेशन को केवल एक संसाधन आवंटन समस्या के बजाय, एजेंट और मॉड्यूल इनवोकेशन्स के कॉम्बिनेटोरियल स्पेस पर एक ट्रैजेक्टरी प्लानिंग समस्या के रूप में तैयार करता है।
नवाचार (Innovation): सहयोग को ऑटोमैटिकली इंड्यूस्ड मॉड्यूल के साथ एक फंक्शन-कॉलिंग समस्या के रूप में मानकर और एक द्वि-स्तरीय प्लानर का उपयोग करके जो लुकअहेड को कैंडिडेट जनरेशन के साथ जोड़ता है, यह फ्रेमवर्क यह तय करने में सक्षम बनाता है कि जटिल सहयोग को कब और कैसे बुलाया जाए।
परिणाम: परिणाम दर्शाते हैं कि संरचित सहयोग और भविष्योन्मुखी नियोजन (forward-looking planning), फिक्स्ड कंप्यूट बजट को प्रभावी मल्टी-एजेंट प्रदर्शन में बदलने के लिए आवश्यक हैं, जो अधिक अनुकूलन योग्य और कंप्यूट-कुशल सिस्टम बनाने के लिए एक आशाजनक दिशा प्रदान करते हैं।

लेखक भविष्य के निहितार्थों के संबंध में विनम्र बने हुए हैं, और सख्त बाधाओं के तहत मल्टी-एजेंट सहयोग में इन्फरेंस-टाइम ऑप्टिमाइजेशन के लिए अपने फ्रेमवर्क की प्रभावशीलता के सत्यापन पर ध्यान केंद्रित करते हैं।