Bridging the Knowledge Void: Inference-time Acquisition of Unfamiliar Programming Languages for Coding Tasks
यह शोध पत्र **ILA-agent** का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो बड़े भाषा मॉडलों (Large Language Models) को व्यवहारिक प्रिमिटिव्स (behavioral primitives) का उपयोग करके दस्तावेज़ों और निष्पादन परिवेशों (execution environments) को संवादात्मक रूप से एक्सप्लोर करने के माध्यम से इन्फरेंस के दौरान अपरिचित प्रोग्रामिंग भाषाओं में महारत हासिल करने में सक्षम बनाता है, जिसे **Cangjie-bench** नामक एक नए बेंचमार्क के माध्यम से सत्यापित किया गया 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 विश्व-स्तरीय शेफ हैं जिसने अपना पूरा जीवन केवल इतालवी व्यंजन बनाने में बिताया है। आप हर पास्ता शेप, हर सॉस और हर तकनीक को कंठस्थ जानते हैं। आप एक उस्ताद हैं।
अचानक, आपको जापान के एक किचन में छोड़ दिया जाता है। आपसे एक बेहतरीन, प्रामाणिक सुशी प्लैटर बनाने के लिए कहा जाता है।
भले ही आप रसोई के "प्रतिभाशाली" व्यक्ति हों, लेकिन इस कार्य के लिए आप वर्तमान में बेकार हैं। आप मछलियों के नाम नहीं जानते, चावल को कैसे संभालना है यह भी नहीं जानते, और यदि आप अपने इतालवी उपकरणों (जैसे पास्ता रोलर) का उपयोग समुद्री घास (seaweed) पर करने की कोशिश करते हैं, तो आप सब गड़बड़ कर देंगे।
समस्या: "विशेषज्ञ का अंधा बिंदु" (The Expert's Blind Spot)
वर्तमान AI मॉडल उन्हीं इतालवी शेफ की तरह हैं। वे अविश्वसनीय रूप से बुद्धिमान हैं, लेकिन उनका ज्ञान उस समय पर आधारित है जब उन्होंने स्कूल में पढ़ाई की थी (उनका ट्रेनिंग डेटा)।
यदि कल कोई नई प्रोग्रामिंग भाषा (एक नई रेसिपी की तरह) आविष्कार होती है, तो AI उसे नहीं जान पाएगा। आमतौर पर, इसे ठीक करने के लिए, वैज्ञानिक AI को फिर से "री-ट्रेन" करने की कोशिश करते हैं, जो शेफ को चार साल के लिए वापस स्कूल भेजने जैसा है—यह अविश्वसनीय रूप से महंगा, धीमा और थका देने वाला है।
समाधान: "ILA-एजेंट" (The Smart Apprentice)
AI को फिर से प्रशिक्षित करने के बजाय, शोधकर्ताओं ने ILA-agent नामक एक फ्रेमवर्क बनाया।
ILA-agent को एक ऐसे शेफ के रूप में न देखें जो सब कुछ जानता है, बल्कि एक प्रतिभाशाली प्रशिक्षु (apprentice) के रूप में देखें जिसे एक नए किचन में जीवित रहने के लिए तीन विशिष्ट उपकरण दिए गए हैं:
- कुकबुक (Exploration Primitives): अंदाज़ा लगाने के बजाय, एजेंट आधिकारिक मैनुअल देख सकता है। वह केवल पन्ने नहीं पलटता; उसके पास सही अध्याय खोजने के लिए "विषय सूची" (Table of Contents) टूल है और विशिष्ट सामग्रियों को खोजने के लिए "सर्च" टूल है।
- टेस्ट स्टोव (Verification Primitives): यह सबसे महत्वपूर्ण हिस्सा है। यदि प्रशिक्षु एक नई तकनीक आज़माता है, तो वह केवल यह मान नहीं लेता कि वह काम करेगी। वे वास्तव में एक छोटा नमूना "पकाते" हैं और देखते हैं कि वह जल गया या उसका स्वाद सही है या नहीं। कोडिंग में, इसका अर्थ है कि AI कोड का एक छोटा सा हिस्सा लिखता है और यह देखने के लिए चलाता है कि क्या कंप्यूटर कोई एरर (error) दे रहा है।
- विशेष गैजेट्स (Language-specific Extensions): यदि किचन विशेष रूप से जापानी है, तो प्रशिक्षु को एक विशेष सुशी चाकू दिया जाता है। यह AI को किसी विशिष्ट भाषा के अनूठे, कठिन हिस्सों को अधिक कुशलता से संभालने में मदद करता है।
परीक्षण: "कैंग्जी" (Cangjie) चुनौती
यह साबित करने के लिए कि यह काम करता है, शोधकर्ताओं ने Cangjie नामक एक बिल्कुल नई, बहुत दुर्लभ प्रोग्रामिंग भाषा का उपयोग किया। क्योंकि लगभग किसी को भी इसका उपयोग करना नहीं आता, AI अपनी पुरानी यादों का उपयोग करके "चीटिंग" नहीं कर सका। उसे दिए गए टूल्स का उपयोग करके इसे शून्य से सीखना ही था।
परिणाम: करके सीखना
परिणाम प्रभावशाली थे। "प्रशिक्षु" (ILA-agent) ने "अनुमान लगाने वाले विशेषज्ञ" (Standard AI) या "नोट्स का एक पन्ना पढ़ने वाले विशेषज्ञ" (RAG) की तुलना में बहुत बेहतर प्रदर्शन किया।
शोधकर्ताओं ने AI की "विचार प्रक्रिया" को भी देखा। उन्होंने देखा कि AI एक बहुत ही मानवीय पैटर्न का पालन करता है:
- चरण 1: "मैं खो गया हूँ। मुझे बुनियादी बातों के लिए मैनुअल खोजना चाहिए।"
- चरण 2: "ठीक है, मुझे लगता है कि मुझे यह मिल गया है। मुझे यह देखने के लिए एक छोटा परीक्षण करना चाहिए कि क्या मैं सही हूँ।"
- चरण 3: "यह विफल रहा! मुझे मैनुअल को फिर से देखना चाहिए कि मैंने क्या मिस किया, और फिर एक बार फिर कोशिश करनी चाहिए।"
बड़ी तस्वीर
यह पेपर इस विचार से हमें दूर ले जाता है कि AI को काम शुरू करने से पहले "सब कुछ जानना" आवश्यक है। इसके बजाय, यह दिखाता है कि यदि हम AI को खोजने और सत्यापित करने के सही उपकरण देते हैं, तो वह किसी भी चीज़ का उस्ताद बन सकता है—यहाँ तक कि उस चीज़ का भी जो कल अस्तित्व में नहीं थी।
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।