← नवीनतम पेपर
🤖 AI

Autonomous Knowledge Graph Exploration with Adaptive Breadth-Depth Retrieval

यह शोध पत्र ARK को प्रस्तुत करता है, जो एक अनुकूली, प्रशिक्षण-मुक्त नॉलेज ग्राफ रिट्रीवर है जो भाषा मॉडलों को साक्ष्य पुनर्प्राप्ति (एविडेंस रिट्रीवल) के लिए वैश्विक लेक्सिकल सर्च और नेबरहुड एक्सप्लोरेशन के बीच गतिशील रूप से संतुलन बनाने में सक्षम बनाता है, जो बेंचमार्क डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करता है और छोटे मॉडलों में सफल डिस्टिलेशन का प्रदर्शन करता है।

मूल लेखक: Joaquín Polonuer (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA, Departamento de Computación, FCEyN, Universidad de Buenos Aires, Buenos Aires, Argentina), Lucas Vittor
प्रकाशित 2026-04-30
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Joaquín Polonuer (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA, Departamento de Computación, FCEyN, Universidad de Buenos Aires, Buenos Aires, Argentina), Lucas Vittor (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA), Iñaki Arango (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA), Ayush Noori (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA, Department of Engineering Science, University of Oxford, Oxford, UK), David A. Clifton (Department of Engineering Science, University of Oxford, Oxford, UK, Oxford Suzhou Centre for Advanced Research, University of Oxford, Suzhou, Jiangsu, China), Luciano Del Corro (ELIAS Lab, Departamento de Ingeniería, Universidad de San Andrés, Victoria, Argentina, Lumina Labs, Buenos Aires, Argentina), Marinka Zitnik (Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA, Kempner Institute for the Study of Natural and Artificial Intelligence, Allston, MA, USA, Broad Institute of MIT and Harvard, Cambridge, MA, USA, Harvard Data Science Initiative, Cambridge, MA, USA)

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 रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आपके पास केवल एक नोटबुक नहीं, बल्कि एक विशाल, विस्तृत पुस्तकालय है जहाँ हर किताब अन्य किताबों से अदृश्य धागों द्वारा जुड़ी हुई है। कुछ किताबें केवल एक विषय (जैसे "सेब") के बारे में होती हैं, जबकि अन्य संबंधों की लंबी कड़ियों (जैसे "सेब" →\to "बाग" →\to "किसान" →\to "मौसम के पैटर्न") से जुड़ी होती हैं।

यह नॉलेज ग्राफ्स (KGs) की चुनौती है: तथ्यों का एक विशाल नेटवर्क जहाँ जानकारी नोड्स (चीजों) और एडजेस (संबंधों) के रूप में संग्रहीत होती है।

यह शोध पत्र एक नया टूल पेश करता है जिसे ARK (एडेप्टिव रिट्रीवर ऑफ नॉलेज) कहा जाता है। ARK को एक सुपर-स्मार्ट, स्वायत्त जासूस के रूप में सोचें जो जानता है कि आपके प्रश्न का उत्तर खोजने के लिए इस पुस्तकालय में ठीक कैसे नेविगेट करना है।

ARK कैसे काम करता है, इसे सरल उपमाओं के माध्यम से यहाँ समझाया गया है:

समस्या: "बहुत उथला" बनाम "बहुत खो जाना" की दुविधा

इन पुस्तकालयों में जानकारी खोजने के पिछले तरीकों में दो मुख्य कमियाँ थीं:

  1. "कीवर्ड सर्च" जासूस: यह जासूस विशिष्ट शब्दों (जैसे "Apple") वाले किताबों को खोजने में बहुत अच्छा है। लेकिन वे केवल कवर देखते हैं। यदि उत्तर कनेक्शन की एक श्रृंखला में तीन किताबें आगे छिपा हुआ है, तो वे उसे चूक जाते हैं। वे बहुत उथले (too shallow) हैं।
  2. "सीड" (बीज) जासूस: यह जासूस एक शुरुआती किताब चुनता है और धागों का अनुसरण करते हुए अगली किताब पर जाता है, फिर अगली पर। लेकिन यदि वे गलत शुरुआती किताब चुन लेते हैं, तो वे एक डेड एंड (बंद रास्ते) में खो जाते हैं। वे बहुत नाजुक (too brittle) हैं क्योंकि वे सही शुरुआती बिंदु का अनुमान लगाने पर निर्भर करते हैं।

समाधान: ARK का दो-उपकरणों वाला किट (Two-Tool Kit)

ARK इस समस्या को हल करने के लिए AI जासूस को एक दो-उपकरणों वाला किट देता है और उन्हें सुराग (क्वेरी) के आधार पर उनके बीच स्विच करने की स्वतंत्रता देता है।

  1. उपकरण A: "ग्लोबल सर्च" (एक व्यापक जाल)

    • यह क्या करता है: यह आपके प्रश्न से मेल खाने वाली किताबों को खोजने के लिए एक साथ पूरे पुस्तकालय को स्कैन करता है।
    • इसका उपयोग कब किया जाता है: यदि आपका प्रश्न किसी विशिष्ट चीज़ के बारे में है (जैसे, "फिल्म Inception के बारे में बताओ"), तो ARK तुरंत सही शुरुआती बिंदु खोजने के लिए एक व्यापक जाल फैलाता है।
    • उपमा: यह एक विशाल विश्वकोश में सही पेज खोजने के लिए सर्च इंजन का उपयोग करने जैसा है, इससे पहले कि आप पढ़ना शुरू करें।

  2. उपकरण B: "नेबरहुड एक्सप्लोरर" (स्थानीय भ्रमण)

    • यह क्या करता है: एक बार जब इसके पास एक शुरुआती किताब आ जाती है, तो यह उसके ठीक बगल में रखी किताबों (पड़ोसियों/neighbors) के पास जाता है और जाँचता है कि क्या वे प्रासंगिक हैं।
    • इसका उपयोग कब किया जाता है: यदि आपका प्रश्न घटनाओं की एक श्रृंखला के बारे में है (जैसे, "किसने उस अध्ययन का उल्लेख करने वाले पेपर को लिखा जिसने इस दवा के बारे में बताया था?"), तो ARK पूरे पुस्तकालय को खोजना बंद कर देता है और एक किताब से दूसरी किताब तक के "धागों" पर चलना शुरू कर देता है।
    • उपमा: यह एक लाइब्रेरियन से पूछने जैसा है, "इस मेज पर और कौन बैठा है?" और फिर उनकी किताबें चेक करना।

जादू: "एडेप्टिव" निर्णय लेना

ARK की प्रतिभा यह है कि यह तय करता है कि कौन सा टूल कब उपयोग करना है।

  • यदि आप शब्दों से भरपूर प्रश्न पूछते हैं (जैसे, "टेस्ला की कीमत क्या है?"), तो ARK तुरंत उत्तर खोजने के लिए ग्लोबल सर्च का उपयोग करता है।
  • यदि आप कनेक्शन से भरपूर प्रश्न पूछते हैं (जैसे, "दवा A कैसे प्रोटीन B को प्रभावित करती है, जो फिर बीमारी C को प्रभावित करती है?"), तो यह रास्ता खोजने के लिए नेबरहुड एक्सप्लोरेशन पर स्विच हो जाता है।

इसे यह बताने की आवश्यकता नहीं है कि कितने कदम चलने हैं। यह तब तक चलता रहता है जब तक कि इसे उत्तर न मिल जाए या इसे यह एहसास न हो जाए कि इसे फिर से एक व्यापक जाल फैलाने की आवश्यकता है।

"टीमवर्क" का बढ़ावा (पैरेलल एजेंट्स)

यह सुनिश्चित करने के लिए कि जासूस कुछ भी मिस न करे, ARK एक ही समय में कई जासूसों को बाहर भेज सकता है।

  • कल्पना करें कि तीन जासूसों को पुस्तकालय में भेजा जाता है। वे सभी थोड़ा अलग तरीके से शुरुआत करते हैं।
  • जब वे वापस आते हैं, तो ARK उनकी सूचियों को देखता है। यदि उनमें से दो या तीन ने एक ही किताब पाई है, तो वह किताब संभवतः सही उत्तर है।
  • यह "वोटिंग" प्रणाली परिणामों को बहुत अधिक विश्वसनीय बनाती है बिना AI को विशिष्ट उदाहरणों पर प्रशिक्षित किए।

"स्टूडेंट" वर्जन (डिस्टिलेशन)

आमतौर पर, इस स्मार्ट जासूस को बहुत स्पष्ट रूप से सोचने के लिए एक बहुत शक्तिशाली (और महंगे) दिमाग (एक बड़े AI मॉडल) की आवश्यकता होती है।

  • लेखकों ने "सुपर-स्मार्ट टीचर" की "विचार प्रक्रिया" (जासूस द्वारा लिया गया रास्ता) को एक छोटे, सस्ते और तेज़ "स्टूडेंट" (एक 8-बिलियन पैरामीटर मॉडल) को उन चरणों की नकल करने के लिए सिखाया।
  • परिणाम: स्टूडेंट जासूस लगभग उतना ही अच्छा काम कर सकता है जितना कि टीचर, लेकिन यह चलाने में बहुत तेज़ और सस्ता है। इसने यह नहीं सीखा कि "सही उत्तर" क्या है; इसने बस टीचर को काम करते हुए देखकर सीखा कि कैसे अन्वेषण (explore) करना है।

परिणाम

परीक्षण के लिए लेखकों ने तीन विशाल, वास्तविक दुनिया के पुस्तकालयों का उपयोग किया:

  1. Amazon: उत्पादों और समीक्षाओं का एक विशाल भंडार।
  2. MAG: वैज्ञानिक शोध पत्रों और लेखकों का एक विशाल पुस्तकालय।
  3. PRIME: जैविक डेटा (दवाएं, जीन, रोग) का एक जटिल मानचित्र।

निष्कर्ष:

  • ARK ने लगभग हर अन्य विधि को पछाड़ दिया, विशेष रूप से जटिल वैज्ञानिक और जैविक ग्राफ पर जहाँ "धागों" का पीछा करना महत्वपूर्ण है।
  • इसने सबसे पहले सही उत्तर खोजने में सटीकता में भारी सुधार किया (अन्य तरीकों की तुलना में 31% तक बेहतर)।
  • इसने साबित किया कि आपको AI को हर विशिष्ट ग्राफ पर प्रशिक्षित करने की आवश्यकता नहीं है; आपको बस उसे सही उपकरण देने और उसे रणनीति खुद निकालने देने की आवश्यकता है।

सारांश में

ARK एक ऐसे जासूस की तरह है जो जानता है कि सर्च इंजन का उपयोग कब करना है (सही शुरुआती बिंदु खोजने के लिए) और कब फ्लैशलाइट का उपयोग करना है (सुरागों का चरण-दर-चरण पालन करने के लिए)। यह प्रश्न के अनुसार खुद को ढालता है, गलतियों से बचने के लिए टीमों में काम करता है, और अपने ही एक छोटे, सस्ते संस्करण को वही काम करने के लिए सिखा सकता है। यह जटिल, जुड़े हुए डेटा में उत्तर खोजना बहुत तेज़ और अधिक सटीक 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →