TodoEvolve: Learning to Architect Agent Planning Systems
TodoEvolve एक मेटा-प्लानिंग प्रतिमान पेश करता है जो एक मॉड्यूल डिज़ाइन स्पेस जिसका नाम PlanFactory है और एक नवीन सुदृढीकरण लर्निंग ऑब्जेक्टिव (IGPO) का उपयोग करता है ताकि कार्य-विशिष्ट प्लानिंग आर्किटेक्चर को स्वायत्त रूप से संश्लेषित और गतिशील रूप से परिष्कृत किया जा सके जो हस्तनिर्मित प्रणालियों से बेहतर प्रदर्शन करते हैं।
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
समस्या: "एक ही आकार सबके लिए" (One-Size-Fits-All) सूट की दुविधा
कल्पना कीजिए कि आप अपने जीवन में मदद के लिए एक व्यक्तिगत सहायक (personal assistant) रख रहे हैं।
वर्तमान में अधिकांश AI "एजेंट्स" उन सहायकों की तरह हैं जो केवल एक विशिष्ट प्रकार की निर्देश पुस्तिका (instruction manual) का पालन करना जानते हैं। यदि आप उनसे किराने की एक साधारण सूची व्यवस्थित करने के लिए कहते हैं, तो वे एक रैखिक मैनुअल (स्टेप 1, स्टेप 2, स्टेप 3) का उपयोग करते हैं। यदि आप उनसे एक विशाल, बहु-शहरों वाली शादी की योजना बनाने के लिए कहते हैं, तो वे उसी किराने की सूची वाले मैनुअल का उपयोग करने की कोशिश करते हैं। वे घबरा जाते हैं, विवरणों को ट्रैक करना खो देते हैं, या सब कुछ एक सीधी रेखा में करने की कोशिश करते हैं जब उन्हें मल्टीटास्किंग करनी चाहिए।
AI की दुनिया में, हम इन्हें "फिक्स्ड प्लानिंग स्ट्रक्चर्स" (fixed planning structures) कहते हैं। ये कठोर होते हैं। चाहे कार्य "मौसम की जांच करें" जैसा सरल हो या "सॉफ्टवेयर प्रोग्राम लिखें" जैसा जटिल, ये बदलते नहीं हैं।
समाधान: TodoEvolve (द "मास्टर आर्किटेक्ट" असिस्टेंट)
शोधकर्ताओं ने TodoEvolve बनाया। AI को केवल एक मैनुअल देने के बजाय, उन्होंने AI को हर बार नया कार्य देने पर अपना खुद का मैनुअल डिजाइन करने की क्षमता दी।
TodoEvolve को केवल एक सहायक के रूप में नहीं, बल्कि एक मास्टर आर्किटेक्ट के रूप में सोचें जो सहायक के पीछे बैठा है। सहायक के काम शुरू करने से पहले, आर्किटेक्ट आपके अनुरोध को देखता है और कहता है: "रुको, यह एक सरल कार्य नहीं है। इसके लिए, हमें एक साधारण चेकलिस्ट की आवश्यकता नहीं है; हमें समानांतर (parallel) रूप से काम करने वाली परस्पर जुड़ी टीमों के एक जटिल जाल की आवश्यकता है।"
यह कैसे काम करता है: डिज़ाइन के चार स्तंभ
इन कस्टम "मैनुअलों" को बनाने के लिए, TodoEvolve चार विशिष्ट डिज़ाइन टूल्स का उपयोग करता है (जिन्हें वे PlanFactory कहते हैं):
- टोपोलॉजी (ब्लूप्रिंट): क्या योजना एक सीधी रेखा (जैसे एक रेसिपी) होनी चाहिए, एक पेड़ (जैसे एक वंशावली) होनी चाहिए, या एक जटिल जाल (जैसे मकड़ी का जाल) होना चाहिए?
- इनिशियलाइजेशन (सेटअप): हम इस योजना का पहला ड्राफ्ट कैसे लिखें?
- एडेप्टेशन (पिवट/बदलाव): यदि कुछ गलत हो जाता है (जैसे, कोई वेबसाइट डाउन है), तो योजना तुरंत कैसे बदलती है?
- नेविगेशन (स्टीयरिंग): सहायक वास्तव में एक चरण से दूसरे चरण पर कैसे आगे बढ़ता है?
सीक्रेट सॉस: IGPO (द "एफिशिएंसी कोच")
उन्होंने AI को इतना अच्छा आर्किटेक्ट कैसे बनाया? उन्होंने एक प्रशिक्षण पद्धति का उपयोग किया जिसे IGPO (इम्पीडेंस-गाइडेड प्रेफरेंस ऑप्टिमाइज़ेशन) कहा जाता है।
कल्पना कीजिए कि आप एक शेफ को प्रशिक्षित कर रहे हैं। आप उन्हें केवल यह नहीं कहते कि, "एक अच्छा भोजन बनाएं।" आप उनसे कहते हैं, "एक ऐसा भोजन बनाएं जो स्वादिष्ट हो, लेकिन सामग्री बर्बाद न करें, दस पैन का उपयोग न करें यदि एक से काम चल सकता है, और तीन घंटे न लें यदि आप इसे तीस मिनट में कर सकते हैं।"
शोधकर्ताओं ने AI को न केवल सही उत्तर पाने के लिए पुरस्कृत किया, बल्कि इसे कुशलतापूर्वक प्राप्त करने के लिए भी पुरस्कृत किया। उन्होंने "कॉग्निटिव इम्पीडेंस" (Cognitive Impedance) के लिए दंडित किया—जो कि एक फैंसी तरीका है यह कहने का कि "बर्बाद की गई मानसिक शक्ति और बर्बाद किया गया समय।" इसने AI को "बहुत अधिक नौकरशाही वाला" होने (एक ऐसी योजना बनाना जो इतनी जटिल हो जाए कि वह सिरदर्द बन जाए) या "बहुत आलसी" होने (एक ऐसी योजना बनाना जो बहुत सरल हो और विफल हो जाए) से बचने के लिए सिखाया।
यह क्यों मायने रखता है (परिणाम)
जब उन्होंने इस "मास्टर आर्किटेक्ट" दृष्टिकोण का परीक्षण किया, तो परिणाम जबरदस्त थे:
- यह स्मार्ट है: इसने कठिन वास्तविक दुनिया के परीक्षणों पर मौजूदा AI सहायकों को काफी बेहतर प्रदर्शन किया।
- यह वर्सटाइल (बहुमुखी) है: यह काम करता है चाहे "वर्कर" एक छोटा, सस्ता AI हो या एक विशाल, महंगा AI (जैसे GPT-5)। यह एक मैनेजर की तरह है जो इंटर्न के समूह का नेतृत्व उतनी ही प्रभावी ढंग से कर सकता है जितना कि CEOs के समूह का।
- यह कुशल है: यह केवल काम पूरा नहीं करता है; यह "स्वीट स्पॉट" (सही संतुलन) पाता है जो गहनता और गति के बीच होता है।
संक्षेप में सारांश
पुराना AI: एक सहायक जिसके पास हर काम के लिए एक ही कठोर निर्देश पुस्तिका है।
TodoEvolve: एक आर्किटेक्ट जो आपके द्वारा फेंके गए हर विशिष्ट समस्या के लिए एक कस्टम, परफेक्ट वर्कफ़्लो 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।