Formula-One Prompting: Equation-First Reasoning For Applied Mathematics
यह शोध पत्र फॉर्मूला-वन प्रॉम्प्टिंग (F-1) को पेश करता है, जो एक दो-चरणीय तर्क पद्धति है जो एक समाधान रणनीति चुनने से पहले गवर्निंग इक्वेशंस (शासी समीकरणों) को स्पष्ट रूप से एक मध्यवर्ती चरण के रूप में तैयार करके, लागू गणित में लार्ज लैंग्वेज मॉडल के प्रदर्शन में सुधार करती है, जिससे यह कई बेंचमार्क में मौजूदा चेन-ऑफ-थॉट और प्रोग्राम-ऑफ-थॉट दृष्टिकोणों से बेहतर प्रदर्शन करती 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 प्रतिभाशाली लेकिन थोड़े बिखरे हुए छात्र को एक जटिल गणित की समस्या हल करने के लिए कह रहे हैं।
यदि आप बस कहते हैं, "इसे हल करो," तो वे उत्तर तक पहुँचने के लिए सीधे छलांग लगा सकते हैं, और अंदाज़ा लगाने की कोशिश कर सकते हैं। यह Zero-Shot प्रॉम्पटिंग जैसा है।
यदि आप कहते हैं, "कदम-दर-कदम सोचें," तो वे तर्क का एक लंबा पैराग्राफ लिख सकते हैं। यह Chain-of-Thought (CoT) है।
यदि आप कहते हैं, "इसे हल करने के लिए एक कंप्यूटर प्रोग्राम लिखें," तो वे कोड जनरेट कर सकते हैं। यह Program-of-Thought (PoT) है।
समस्या यह है कि वास्तविक दुनिया के गणित (जैसे वित्त, भौतिकी, या क्रिप्टोग्राफी) के लिए, ये छात्र अक्सर सबसे महत्वपूर्ण हिस्सा भूल जाते हैं: गणना शुरू करने से पहले वास्तविक सूत्र (formula) लिखना। वे समीकरण के माध्यम से "सोचने" की कोशिश करते हैं बजाय इसे पहले लिखने के, जिससे भ्रम और गलतियाँ होती हैं।
पेश है "Formula-One Prompting" (F-1)
इस पेपर के लेखक AI से बात करने का एक नया तरीका प्रस्तावित करते हैं जिसे Formula-One Prompting कहा जाता है। इसे एक छात्र को एक विशिष्ट, दो-चरणीय रेसिपी देने जैसा समझें जो उन्हें धीमा होने और चीजों को सही क्रम में करने के लिए मजबूर करती है।
यह इस प्रकार काम करता है, एक सरल उपमा का उपयोग करते हुए:
उपमा: वास्तुकार (Architect) बनाम निर्माता (Builder)
कल्पमान कीजिए कि आप एक घर बनाना चाहते हैं।
- पुराने तरीके (CoT/PoT): आप निर्माता को कहते हैं, "बनाना शुरू करो!" निर्माता तुरंत ईंटें बिछाना शुरू कर सकता है, और बीच में ही उसे एहसास हो सकता है कि वह भार वहन करने वाली दीवारों (load-bearing walls) को ध्यान में रखना भूल गया था, और फिर उसे सब कुछ फिर से तोड़ना पड़ेगा।
- F-1 तरीका: आप निर्माता को कहते हैं, "पहले, ब्लूप्रिंट तैयार करो (समीकरण)। एक बार जब ब्लूप्रिंट एकदम सही हो जाए, तब तय करो कि इसे हाथ से बनाना है, मशीन का उपयोग करना है, या केवल सामग्री की गणना करनी है।"
F-1 के दो चरण
चरण 1: ब्लूप्रिंट (समीकरण का औपचारिक रूप देना)
समस्या को हल करने से पहले, AI को रुकने और यह कहने के लिए मजबूर किया जाता है:
- मैं क्या जानता हूँ? (दी गई जानकारी: जैसे, "ब्याज दर 5% है," "गुरुत्वाकर्षण 9.8 है")।
- मुझे क्या खोजना है? (लक्ष्य)।
- नियम क्या है? (शासी समीकरण: जैसे, "चक्रवृद्धि ब्याज सूत्र" या "न्यूटन का दूसरा नियम")।
यह वास्तुकार द्वारा ब्लूप्रिंट बनाने जैसा है। यह AI को समस्या को हल करने की कोशिश करने से पहले उसके ढांचे को समझने के लिए मजबूर करता है।
चरण 2: प्राकृतिक प्रवाह (उपकरण का चयन करना)
एक बार जब ब्लूप्रिंट तैयार हो जाता है, तो AI उसे देखता है और खुद से पूछता है: "ठीक है, अब जब मेरे पास सूत्र है, तो मैं इसे कैसे हल करूँ?"
- यदि सूत्र सरल है (केवल संख्याओं को भरना है), तो यह Direct Calculation करता है।
- यदि सूत्र के लिए लंबे तार्किक प्रमाण की आवश्यकता है, तो यह Chain-of-Thought (कदम-दर-कदम तर्क) का उपयोग करता है।
- यदि सूत्र में भारी संख्यात्मक गणना शामिल है, तो यह Code (Program-of-Thought) लिखता है।
महत्वपूर्ण बात यह है कि AI स्वयं उपकरण चुनता है। हम इसे यह नहीं बताते कि "कोड का उपयोग करें!" या "तर्क का उपयोग करें!" यह स्वाभाविक रूप से खुद तय करता है।
यह एक बड़ी बात क्यों है?
पेपर ने पांच अलग-अलग AI मॉडल पर चार कठिन क्षेत्रों में इसका परीक्षण किया: वित्त (Finance), भौतिकी (Physics), क्रिप्टोग्राफी (Cryptography), और गणित प्रतियोगिताएं (Math Competitions)।
यहाँ परिणाम सरल भाषा में दिए गए हैं:
- यह अधिक स्मार्ट है: F-1 ने मानक "कदम-दर-कदम सोचें" (CoT) पद्धति को लगभग 6% और "कोड लिखें" (PoT) पद्धति को 8% से पीछे छोड़ दिया। यह सुनने में छोटा लग सकता है, लेकिन गणित में, यह फेल होने और 'A' ग्रेड के बीच का अंतर है।
- यह वास्तविक जीवन के लिए सर्वश्रेष्ठ है: सबसे बड़े सुधार वित्त और भौतिकी में हुए। क्यों? क्योंकि ये क्षेत्र विशिष्ट नियमों (सूत्रों) पर बने हैं। सूत्र को पहले लिखने के लिए मजबूर करके, यह AI को "x से स्वतंत्र" को "शून्य के बराबर" समझने जैसी मूर्खतापूर्ण गलतियाँ करने से रोकता है।
- यह कुशल है: आमतौर पर, बेहतर परिणाम प्राप्त करने के लिए, आपको AI को कई बार प्रयास करने के लिए कहना पड़ता है या जटिल रूटिंग सिस्टम का उपयोग करना पड़ता है। F-1 इसे एक ही बातचीत में करता है, जिससे समय और पैसा बचता है।
पेपर से एक वास्तविक उदाहरण
समस्या: एक भौतिकी प्रश्न पूछता है कि क्या एक निश्चित मान "समय से स्वतंत्र" (independent of time) है।
- पुराना तरीका (CoT): AI सोचता है, "यदि यह स्वतंत्र है, तो शायद यह शून्य होगा?" वह भ्रमित हो जाता है और उत्तर को "0" के रूप में लिख देता है। गलत।
- F-1 तरीका:
- चरण 1: AI समीकरण लिखता है और महसूस करता है, "आह, नियम कहता है कि डेरिवेटिव शून्य है, जिसका अर्थ है कि मान बदलता नहीं है, न कि यह कि मान शून्य है।"
- चरण 2: यह समस्या को सही ढंग से हल करता है, यह समझाते हुए कि मान स्थिर (constant) है, न कि शून्य। सही।
निचोड़
Formula-One Prompting AI को जल्दबाजी करने से रोकने के लिए सिखाने जैसा है। यह AI को खेल के नियम लिखने के लिए मजबूर करता है, इससे पहले कि वह खेलना शुरू करे। ऐसा करके, AI वित्त, विज्ञान और सुरक्षा में वास्तविक दुनिया की समस्याओं को हल करने में बहुत बेहतर हो जाता है, और इसके लिए किसी अतिरिक्त कंप्यूटर या जटिल निर्देशों की आवश्यकता नहीं होती है।
यह एक सरल बदलाव है: पहले सूत्र लिखें, फिर समस्या को हल करें। और यह अद्भुत परिणाम देता 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।