Reasoning While Asking: Transforming Reasoning Large Language Models from Passive Solvers to Proactive Inquirers
यह शोध पत्र प्रोएक्टिव इंटरएक्टिव रीजनिंग (PIR) को प्रस्तुत करता है, जो एक नया प्रतिमान (पैराडाइम) है जो तर्क करने वाले LLMs को पैसिव सॉल्वर से प्रोएक्टिव इनक्वायरर में बदल देता है, जो आधार (प्रिमाइज़) और इरादे की अनिश्चितता को संबोधित करने के लिए आंतरिक तर्क के साथ उपयोगकर्ता स्पष्टीकरण को जोड़ता है, जिससे सटीकता और दक्षता में उल्लेखनीय सुधार होता है और कम्प्यूटेशनल लागत कम होती 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
यहाँ "Reasoning While Asking" (PIR) पेपर का सरल, रोजमर्रा की भाषा में स्पष्टीकरण दिया गया है, जिसमें अवधारणाओं को स्पष्ट करने के लिए उपमाओं (analogies) का उपयोग किया गया है।
समस्या: "ज़रूरत से ज़्यादा सोचने वाला" छात्र
कल्पना कीजिए कि आप एक शिक्षक हैं और एक छात्र से गणित का सवाल हल करने के लिए कह रहे हैं। छात्र अविश्वसनीय रूप से बुद्धिमान है और उसने हज़ारों सूत्र (formulas) रट रखे हैं। हालाँकि, उसकी एक अजीब आदत है: वह कभी स्पष्टीकरण के लिए नहीं पूछता।
यदि आप कहते हैं, "डेटा स्क्रिप्ट ठीक करो," तो छात्र यह नहीं पूछता कि "कौन सी स्क्रिप्ट? किस फॉर्मेट में?" इसके बजाय, वह तुरंत यह अंदाज़ा लगाने के लिए 2,000 शब्दों का निबंध लिखना शुरू कर देता है कि आपका मतलब क्या हो सकता है। वह गलत स्क्रिप्ट का अंदाज़ा लगा सकता है, अटक सकता है, या ऐसा समाधान 'हैलुसिनेट' (hallucinate) कर सकता है जो दिखने में तो सही लगे पर असल में गलत हो, जिससे बहुत सारा समय और ऊर्जा बर्बाद हो जाती है। यह वही है जिसे पेपर में "ब्लाइंड सेल्फ-थिंकिंग" (Blind Self-Thinking) कहा गया है। वर्तमान AI मॉडल इसी छात्र की तरह हैं: वे सोचने के लिए इतने उत्सुक हैं कि वे यह जांचना भूल जाते हैं कि क्या उनके पास वास्तव में सभी तथ्य मौजूद हैं।
समाधान: "सक्रिय जासूस" (PIR)
लेखकों ने AI के काम करने का एक नया तरीका प्रस्तावित किया है जिसे प्रोएक्टिव इंटरएक्टिव रीजनिंग (Proactive Interactive Reasoning - PIR) कहा जाता है। एक निष्क्रिय हल करने वाले के रूप में जो केवल अनुमान लगाता है, उसके बजाय AI एक सक्रिय जासूस (proactive detective) बन जाता है।
इसे एक अपराध सुलझाने वाले जासूस की तरह समझें। यदि कोई गवाह कहता है, "मैंने एक कार देखी," तो जासूस तुरंत "नीली सेडान" पर रिपोर्ट नहीं लिखता। इसके बजाय, जासूस पूछता है, "उसका रंग क्या था? क्या वह तेज़ चल रही थी? क्या आपने नंबर प्लेट देखी?"
PIR AI को यही करना सिखाता है:
- रुकना और जांचना: एक लंबी तर्क प्रक्रिया (reasoning process) में डूबने से पहले, AI अपने आत्मविश्वास की जांच करता है। "क्या मैं वास्तव में इसे हल करने के लिए पर्याप्त जानता हूँ?"
- पहले पूछना: यदि AI को अनिश्चितता महसूस होती है (जैसे किसी जासूस को सुराग की कमी महसूस होती है), तो वह रुक जाता है और लापता जानकारी प्राप्त करने के लिए उपयोगकर्ता से एक विशिष्ट प्रश्न पूछता है।
- कुशलता से हल करना: एक बार जब उपयोगकर्ता उत्तर दे देता है, तो AI उस नई जानकारी का उपयोग करके समस्या को तेज़ी से और सटीक रूप से हल करता है, बिना गलत अनुमानों पर समय बर्बाद किए।
उन्होंने AI को यह कैसे सिखाया
शोधकर्ताओं ने केवल AI को "प्रश्न पूछने" के लिए नहीं कहा। उन्होंने दो विशिष्ट चरणों वाला एक "ट्रेनिंग जिम" बनाया:
चरण 1: "स्क्रिप्ट" प्रशिक्षण (सुपरवाइज्ड फाइन-ट्यूनिंग)
एक नए कर्मचारी को स्क्रिप्ट देकर सिखाने की कल्पना करें। शोधकर्ताओं ने मौजूदा समस्याओं को लिया और कृत्रिम रूप से उनमें "संदेह के क्षण" डाले जहाँ AI को प्रश्न पूछना चाहिए था। फिर उन्होंने एक स्क्रिप्ट लिखी जहाँ AI पूछता है, "आपका क्या मतलब है?" और उपयोगकर्ता उत्तर देता है। AI ने इन स्क्रिप्ट्स को तब तक पढ़ने का अभ्यास किया जब तक कि उसने यह पैटर्न नहीं सीख लिया कि कब रुकना है और कब पूछना है।
चरण 2: "सिमुलेशन" प्रशिक्षण (यूज़र-सिम्युलेटर ऑप्टिमाइजेशन)
यह सबसे चतुर हिस्सा है। आप AI को 24/7 वास्तविक मनुष्यों से बात करवाकर प्रशिक्षित नहीं कर सकते (यह बहुत धीमा और महंगा है)। इसलिए, शोधकर्ताओं ने एक यूज़र सिम्युलेटर (User Simulator) बनाया—एक दूसरा AI जिसे मानव उपयोगकर्ता की तरह व्यवहार करने के लिए प्रोग्राम किया गया है।
- उन्होंने एक खेल बनाया जहाँ मुख्य AI समस्या को हल करने की कोशिश करता है, और सिम्युलेटर AI उपयोगकर्ता की भूमिका निभाता है।
- यदि मुख्य AI एक अच्छा प्रश्न पूछता है जिससे सही उत्तर जल्दी मिल जाता है, तो उसे उच्च स्कोर (एक "रिवॉर्ड") मिलता है।
- यदि मुख्य AI बहुत अधिक प्रश्न पूछता है या अंधे होकर अनुमान लगाता है, तो उसे कम स्कोर मिलता है।
- समय के साथ, AI एक आदर्श संतुलन सीख जाता है: इतना पूछना जिससे वह सुनिश्चित हो सके, लेकिन इतना भी नहीं कि वह उपयोगकर्ता को परेशान करे।
परिणाम: तेज़, स्मार्ट और कम बर्बादी वाला
पेपर में इस नए "जासूस AI" का परीक्षण तीन प्रकार के कार्यों पर किया गया: गणित, कोडिंग और दस्तावेज़ों का संपादन (Editing)। यहाँ पुराने "ज़रूरत से ज़्यादा सोचने वाले" AI की तुलना में परिणाम दिए गए हैं:
- बेहतर सटीकता: नया AI बहुत अधिक बार सही उत्तर प्राप्त करता है (कुछ गणित परीक्षणों में 32% बेहतर) क्योंकि वह लापता जानकारी पर अनुमान नहीं लगाता।
- कम बर्बादी: इसने लगभग आधी कंप्यूटिंग शक्ति (टोकन) का उपयोग किया। 2,000 शब्दों का अनुमान लिखने के बजाय, इसने एक प्रश्न पूछा और 500 शब्दों का समाधान लिखा।
- कम टर्न (Turns): भले ही इसने प्रश्न पूछे, लेकिन बातचीत के कुल संदेशों की संख्या कम थी। ऐसा इसलिए क्योंकि इसने पहली बार में ही समस्या को सही ढंग से हल कर लिया, बजाय इसके कि बाद में गलत अनुमान को ठीक करने के लिए वापस जाना पड़े।
- वास्तविक दुनिया का परीक्षण: वास्तविक मनुष्यों के साथ एक ब्लाइंड टेस्ट में, प्रतिभागियों ने नए AI को पसंद किया। उन्हें यह पसंद आया कि जानकारी गायब होने पर यह "हैलुसिनेट" (मनगढ़ंत बातें बनाना) नहीं करता। उन्हें लगा कि यह अधिक सहायक और कुशल है।
सारांश
यह पेपर एक ऐसी प्रणाली पेश करता है जो AI को "अंधाधुंध अत्यधिक सोचने" से रोकती है। AI को यह पहचानने के लिए प्रशिक्षित करके कि वह कब भ्रमित है और अनुमान लगाने से पहले मदद के लिए पूछने के लिए, यह अधिक कुशल, सटीक और उपयोगकर्ता के अनुकूल साथी बन जाता है। यह AI को एक ऐसे छात्र से बदलकर एक जासूस बना देता है जो पहले तथ्य इकट्ठा करता 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।