Pursuing Best Industrial Practices for Retrieval-Augmented Generation in the Medical Domain
यह शोध पत्र तीन प्रकार के कार्यों में प्रदर्शन और दक्षता संबंधी समझौतों के व्यवस्थित मूल्यांकन द्वारा समर्थित, चिकित्सा क्षेत्र के लिए व्यावहारिक विकल्प प्रस्तावित करने और सर्वोत्तम प्रथाओं को स्थापित करने हेतु रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) प्रणालियों के घटकों का विश्लेषण 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
कल्पना कीजिए कि आपके पास एक अत्यंत प्रतिभाशाली लेकिन थोड़ा भूलक्कड़ जीनियस है जिसका नाम LLM (लार्ज लैंग्वेज मॉडल) है। इस जीनियस ने लगभग हर लिखी गई किताब पढ़ ली है, इसलिए वे बहुत कुछ जानते हैं। लेकिन, उन्हें दो बड़ी समस्याएँ हैं:
- वे कभी-कभी मनगढ़ंत बातें बना लेते हैं: यदि आप उनसे कोई कठिन चिकित्सा प्रश्न पूछते हैं, तो वे आत्मविश्वास के साथ आपको गलत उत्तर दे सकते हैं जो सुनने में सही लगता है। इसे "हैलुसिनेशन" (hallucination) कहा जाता है।
- उन्हें आज की खबरें नहीं पता: उनका ज्ञान प्रशिक्षण के दौरान कुछ समय पहले ही रुक गया था, इसलिए उन्हें नवीनतम चिकित्सा सफलताओं या ताज़ा खबरों के बारे में जानकारी नहीं है।
इसे ठीक करने के लिए, इंजीनियरों ने RAG (रिट्रीवल-ऑगमेंटेड जनरेशन) नामक एक प्रणाली बनाई। RAG को एक जीनियस को एक लाइब्रेरी कार्ड और एक रिसर्च असिस्टेंट देने के रूप में समझें। आपके प्रश्न का उत्तर देने से पहले, असिस्टेंट लाइब्रेरी में दौड़ता है, सबसे प्रासंगिक किताबें ढूंढता है, और उन्हें जीनियस को सौंप देता है। जीनियस फिर उन विशिष्ट पृष्ठों को पढ़ता है और केवल उसी साक्ष्य के आधार पर उत्तर देता है।
यह शोध पत्र एक मास्टर शेफ की गाइड की तरह है कि कैसे एक मेडिकल लाइब्रेरी के लिए सबसे अच्छा संभव रिसर्च असिस्टेंट बनाया जाए। लेखकों (लिज़ ली और वेई झू) ने केवल एक सिस्टम नहीं बनाया; उन्होंने लाइब्रेरी को व्यवस्थित करने, किताबें खोजने और जीनियस को उत्तर देने के लिए कहने के दर्जनों अलग-अलग तरीकों का परीक्षण किया, यह देखने के लिए कि क्या सबसे अच्छा काम करता है।
यहाँ उनके "बेस्ट प्रैक्टिसेज" का सरल उपमाओं (analogies) के साथ विवरण दिया गया है:
1. "क्या मुझे मदद की ज़रूरत है?" की जाँच (क्वेरी क्लासिफिकेशन)
समस्या: कभी-कभी आप एक साधारण प्रश्न पूछते हैं जैसे "2+2 क्या है?" इसके लिए जीनियस को लाइब्रेरी जाने की आवश्यकता नहीं है; वे इसे पहले से ही जानते हैं। उन्हें लाइब्रेरी भेजने से केवल समय बर्बाद होता है।
समाधान: लेखकों ने दरवाजे पर एक बाउंसर लगाया है। यह बाउंसर आपके प्रश्न को देखता है और निर्णय लेता है: "क्या हमें किताबें लाने की आवश्यकता है?"
- यदि हाँ: असिस्टेंट लाइब्रेरी की ओर दौड़ता है।
- यदि नहीं: जीनियस तुरंत उत्तर देता है।
- परिणाम: यह सटीकता खोए बिना काफी समय (लेटेंसी) बचाता है।
2. किताबों को पन्नों में काटना (चंकिंग)
समस्या: यदि आप जीनियस को एक 500 पन्नों की पूरी पाठ्यपुस्तक थमा देते हैं, तो वे अभिभूत हो सकते हैं या उस विशिष्ट वाक्य को मिस कर सकते हैं जिसकी आपको आवश्यकता है। यदि आप उन्हें केवल एक शब्द देते हैं, तो वे संदर्भ (context) नहीं समझ पाएंगे।
समाधान: लेखकों ने किताबों को टुकड़ों में काटने के विभिन्न तरीकों का परीक्षण किया।
- विजेता: उन्होंने पाया कि एक विधि जिसे "Small2Big" कहा जाता है, सबसे अच्छी है। कल्पना कीजिए कि आप एक विशिष्ट वाक्य की तलाश कर रहे हैं। असिस्टेंट उस वाक्य वाले कागज का एक छोटा टुकड़ा (खोज के लिए) पकड़ता है, लेकिन फिर जीनियस को एक थोड़ा बड़ा पन्ना थमा देता जिसमें वह वाक्य और उसके पहले और बाद का पैराग्राफ भी शामिल होता है।
- यह क्यों काम करता है: खोज सटीक है, लेकिन जीनियस को मज़ाक या चिकित्सा संबंधी बारीकियों को समझने के लिए पर्याप्त संदर्भ मिलता है।
3. लाइब्रेरी कैटलॉग (इंडेक्सिंग)
समस्या: लाखों किताबों वाली लाइब्रेरी में असिस्टेंट सही किताब कैसे ढूंढेगा?
समाधान: उन्होंने विभिन्न कैटलॉग सिस्टम का परीक्षण किया।
- स्पार्स इंडेक्स (Sparse Index): जैसे किसी किताब को उसके सटीक शीर्षक शब्दों द्वारा खोजना (जैसे, "heart" और "attack" खोजना)।
- डेंस इंडेक्स (Dense Index): जैसे किसी किताब को उसके "वाइब" या अर्थ द्वारा खोजना (जैसे, "सीने में दर्द" खोजना और दिल के दौरे से जुड़ी किताबें ढूंढना, भले ही शीर्षक में "heart" शब्द न हो)।
- विजेता: हाइब्रिड इंडेक्सिंग (Hybrid Indexing)। उन्होंने दोनों कैटलॉग का उपयोग किया। यह एक ऐसे लाइब्रेरियन की तरह है जो शीर्षक भी चेक करता है और अर्थ भी समझता है। यह सुनिश्चित करता है कि कोई भी प्रासंगिक किताब छूटे नहीं।
4. बेहतर प्रश्न पूछना (क्वेरी ऑग्मेंटेशन)
समस्या: कभी-कभी उपयोगकर्ता खराब तरीके से प्रश्न पूछते हैं। "मेरा सिर दर्द कर रहा है, मैं क्या करूं?"—यह अस्पष्ट है।
समाधान: असिस्टेंट के लाइब्रेरी जाने से पहले, वे प्रश्न को अधिक विशिष्ट बनाने के लिए उसे फिर से लिखते हैं।
- विजेता: केवल प्रश्न को फिर से लिखने के बजाय, उन्होंने "स्यूडो-रिस्पॉन्स जनरेशन" नामक एक ट्रिक आजमाई। सिस्टम पहले जीनियस से एक उत्तर का अनुमान लगाने को कहता है, फिर उस अनुमान का उपयोग बेहतर किताबें खोजने में मदद के लिए करता है। यह कहना है जैसा कि, "मुझे लगता है कि उत्तर X है, चलिए X की पुष्टि या खंडन करने वाली किताबें ढूंढते हैं।" यह बहुत बेहतर जानकारी ढूंढता है, हालांकि इसमें थोड़ा अधिक समय लगता है।
5. जीनियस कैसे सोचता है (प्रॉम्प्टिंग)
समस्या: एक बार किताबें मिल जाने के बाद, जीनियस को उत्तर कैसे लिखना चाहिए?
समाधान: उन्होंने विभिन्न निर्देशों का परीक्षण किया।
- प्रत्यक्ष उत्तर (Direct Answer): "बस मुझे उत्तर दें।" (तेज़, लेकिन गलतियों की संभावना)।
- चेन ऑफ थॉट (Chain of Thought): "चरण-दर-चरण सोचें।" (बेहतर)।
- विजेता: "COT-Refine"। यह जीनियस को यह बताने जैसा है: "पहले, अपना प्रारंभिक अनुमान लिखें। फिर, उन किताबों को देखें जो मैंने ढूंढी हैं। यदि किताबें आपके अनुमान का खंडन करती हैं, तो अपना विचार बदलें और एक नया, बेहतर उत्तर लिखें।" यह "स्व-सुधार" (self-correction) का चरण सटीकता में काफी सुधार करता है।
अंतिम निर्णय: "BP-RAG" सिस्टम
लेखकों ने इन सभी जीतने वाली रणनीतियों को एक सिस्टम में मिला दिया जिसे वे BP-RAG (बेस्ट प्रैक्टिस RAG) कहते हैं।
- प्रदर्शन: यह अकेले काम करने वाले जीनियस की तुलना में बहुत अधिक स्मार्ट और सटीक है। उनके परीक्षणों में, इसने सटीकता में लगभग 25% का सुधार किया।
- समझौता (Trade-off): एकमात्र कमी गति है। क्योंकि सिस्टम इतना गहन है (बाउंसर की जांच करना, किताबों को सटीक रूप से काटना, दो कैटलॉग का उपयोग करना और स्व-सुधार करना), इसलिए सीधे जीनियस से पूछने की तुलना में उत्तर प्राप्त करने में लगभग 32% अधिक समय लगता है।
चिकित्सा के लिए यह क्यों मायने रखता है
एक अस्पताल में, तेज़ होने से ज़्यादा महत्वपूर्ण है सही होना। यदि एक डॉक्टर किसी दुर्लभ बीमारी के बारे में AI से पूछता है, तो उन्हें AI से 100% निश्चित होने की आवश्यकता होती है, न कि केवल तेज़ होने की। यह शोध पत्र एक ऐसा AI असिस्टेंट बनाने की "रेसिपी" प्रदान करता है जो जीवन-मरण के निर्णयों के भरोसे रहने के लिए विश्वसनीय है, और साथ ही व्यस्त क्लिनिक में उपयोगी होने के लिए पर्याप्त कुशल भी है।
संक्षेप में: उन्होंने एक सुपर-इंटेलिजेंट AI को एक "रिसर्च टीम" देने का सही तरीका खोज निकाला है ताकि वह मनगढ़ंत बातें बनाना बंद करे और डॉक्टरों को हर बार सही उत्तर दे सके।
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।