Singpath-VL Technical Report
सिंघपाथ-वीएल (Singpath-VL) सर्वाइकल साइटोलॉजी के लिए एक विशिष्ट विजन-लैंग्वेज मॉडल है जो एक मिलियन-स्केल डेटासेट को संश्लेषित करने के लिए एक नवीन तीन-चरणीय पाइपलाइन का लाभ उठाकर एनोटेटेड डेटा की कमी को संबोधित करता है, जिसका उपयोग फिर बेहतर रूपात्मक धारणा और नैदानिक वर्गीकरण के लिए क्यूwen3-वीएल-4बी (Qwen3-VL-4B) बेस मॉडल को फाइन-ट्यून करने के लिए किया जाता 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 बहुत ही बुद्धिमान, सुशिक्षित छात्र (एक AI) को एक बहुत ही विशिष्ट, सूक्ष्म अपराध स्थल: सर्वाइकल सेल्स (गर्भाशय ग्रीवा की कोशिकाओं) का मास्टर डिटेक्टिव बनने के लिए सिखाने की कोशिश कर रहे हैं।
चिकित्सा की दुनिया में, इन कोशिकाओं को सूक्ष्मदर्शी (microscope) के नीचे देखना एक समुद्र तट पर रेत के एक थोड़े से अलग दिखने वाले कण को खोजने जैसा है। सुराग सूक्ष्म होते हैं: एक केंद्रक (nucleus) जो थोड़ा बहुत बड़ा है, एक आकार जो थोड़ा सा अनियमित है, या एक रंग जो बस एक शेड बहुत गहरा है।
यहाँ Singpath-VL की कहानी है, जो इन सूक्ष्म रहस्यों को सुलझाने के लिए बनाया गया एक नया AI डिटेक्टिव है, जिसे सरल भाषा में समझाया गया है।
समस्या: "खाली लाइब्रेरी"
लंबे समय से, AI तस्वीरों को देखने और उनका वर्णन करने में बहुत अच्छा होता जा रहा है। लेकिन जब बात सर्वाइकल साइटोलॉजी (कैंसर कोशिकाओं की जांच) की आती है, तो AI फंस गया था।
क्यों? क्योंकि एक AI को सिखाने के लिए, आपको पाठ्यपुस्तकों (डेटा) की एक विशाल लाइब्रेरी चाहिए होती है जो चित्रों को विशेषज्ञ विवरणों के साथ जोड़ती हो।
- समस्या: इस विशिष्ट कार्य के लिए लगभग कोई सार्वजनिक लाइब्रेरी मौजूद नहीं है।
- परिणाम: सामान्य AI मॉडल सामान्य जासूसों की तरह हैं। वे बता सकते हैं, "यह एक कोशिका की तस्वीर है," लेकिन वे उन सूक्ष्म, महत्वपूर्ण विवरणों को मिस कर देते हैं जो एक डॉक्टर को बताते हैं कि मरीज बीमार है या स्वस्थ। वे अक्सर भ्रमित हो जाते हैं या गलत अनुमान लगाते हैं।
समाधान: शून्य से एक "सुपर-टेक्स्टबुक" बनाना
चूंकि लाइब्रेरी मौजूद नहीं थी, इसलिए Singpath AI Lab की टीम ने अपनी खुद की लाइब्रेरी लिखने का निर्णय लिया। लेकिन वे केवल एक मानव विशेषज्ञ को दस लाख विवरण लिखने के लिए नहीं कह सकते थे (इसमें बहुत समय लगेगा)। इसलिए, उन्होंने डेटा को स्वचालित रूप से बनाने के लिए एक तीन-चरणीय असेंबली लाइन बनाई।
इस असेंबली लाइन को एक समाचार कहानी पर काम करने वाली संपादकों की टीम की तरह समझें:
- चरण 1: ड्राफ्टर्स (कमजोर एनोटेटर्स/लेखक)
उन्होंने तीन अलग-अलग, शक्तिशाली AI मॉडल्स को लिया और उनसे एक ही कोशिका की तस्वीर का वर्णन करने को कहा। प्रत्येक AI ने एक कच्चा मसौदा (rough draft) लिखा। कभी-कभी वे सहमत हुए; कभी-कभी वे असहमत थे। - चरण 2: एडिटर-इन-चीफ (कंसेंसस फ्यूजन)
एक स्मार्ट "एडिटर" AI ने तीनों ड्राफ्ट्स को पढ़ा। उसने उन हिस्सों को देखा जहाँ तीनों सहमत थे (सत्य) और उन हिस्सों को हटा दिया जो स्पष्ट रूप से भ्रामक या भ्रमित करने वाले थे। उसने एक साफ, सुसंगत पैराग्राफ को आपस में जोड़ दिया। - चरण 3: स्पेशलिस्ट (विशेषज्ञ इंजेक्शन)
अंत में, एक छोटा, अत्यधिक विशिष्ट AI (जिसे केवल सर्वाइकल सेल्स पर प्रशिक्षित किया गया था) ने पैराग्राफ की समीक्षा की। उसने वह "सीक्रेट सॉस" जोड़ा जिसे सामान्य AI मिस कर गए थे—जैसे कि कोशिका के केंद्रक (nucleus) की सटीक बनावट (texture)।
परिणाम: उन्होंने Singpath-CytoText बनाया, जो एक मिलियन कोशिका चित्रों की एक विशाल लाइब्रेरी है जो पूर्ण, विशेषज्ञ-स्तर के विवरणों के साथ जुड़ी हुई है।
प्रशिक्षण: एक जनरल को स्पेशलिस्ट में बदलना
अब जब उनके पास पाठ्यपुस्तक थी, तो उन्हें अपने छात्र को प्रशिक्षित करने की आवश्यकता थी। उन्होंने एक स्मार्ट, सामान्य-उद्देश्य वाले AI के साथ शुरुआत की जिसे Qwen3-VL कहा जाता है (इसे एक मेडिकल छात्र के रूप में सोचें जो सब कुछ बहुत कुछ जानता है लेकिन अभी तक विशेषज्ञ नहीं बना है)।
उन्होंने तीन-चरणीय प्रशिक्षण शिविर का उपयोग किया:
- अलाइनमेंट (Alignment): उन्होंने छात्र को यह नई पाठ्यपुस्तक दिखाई ताकि वह कोशिका के आकार और रंगों की "भाषा" बोलना सीख सके।
- इंस्ट्रक्शन फॉलोइंग (निर्देश पालन): उन्होंने छात्र को केवल चित्रों का वर्णन करने के बजाय, डॉक्टरों के विशिष्ट प्रश्नों का उत्तर देने के बारे में सिखाया।
- मेमोरी प्रिजर्वेशन (स्मृति संरक्षण): यह कठिन हिस्सा है। जब आप एक नया, जटिल कौशल सीखते हैं, तो आप कभी-कभी अपने पुराने कौशल भूल जाते हैं। उन्होंने "मेमोरी रिप्ले" तकनीक का उपयोग किया, जिसमें पुराना, सामान्य ज्ञान मिला दिया गया ताकि AI एक सहायक होने के साथ-साथ विशेषज्ञ बनने के दौरान अपनी पुरानी जानकारी न भूल जाए।
परिणाम: विशेषज्ञों को पछाड़ना
उन्होंने अपने नए AI, Singpath-VL का परीक्षण अन्य शीर्ष AI और यहाँ तक कि मानव विशेषज्ञों के विरुद्ध किया।
- "मॉर्फोलॉजी" टेस्ट: उन्होंने AI से सूक्ष्म विवरणों को पहचानने के लिए कहा (जैसे "क्या केंद्रक बड़ा है?")।
- परिणाम: Singpath-VL 89% बार सही था। अन्य AI संघर्ष करते रहे, और केवल 26% से 53% बार ही सही हो पाए।
- उपमा: यह लोगों के एक समूह से किसी किताब में एक विशिष्ट टाइपो (वर्तनी की गलती) को खोजने के लिए कहने जैसा है। सामान्य AI इसे मिस कर गए, लेकिन Singpath-VL ने इसे लगभग हर बार ढूंढ लिया।
- "डायग्नोसिस" टेस्ट: उनसे अंतिम निदान (जैसे, "क्या यह कैंसर है या नहीं?") देने के लिए कहा गया।
- परिणाम: Singpath-VL अविश्वसनीय रूप से सटीक था, विशेष रूप से उन कठिन, ग्रे-एरिया मामलों के लिए जहाँ इंसान अक्सर हिचकिचाते हैं। इसने कठिन श्रेणियों पर एक मानक इमेज-रिकग्निशन मॉडल (EfficientNet) को भी पीछे छोड़ दिया।
यह क्यों मायने रखता है
कल्पना कीजिए कि भविष्य में, एक पैथोलॉजिस्ट (डॉक्टर) के पास एक सुपर-पावर्ड असिस्टेंट बैठा है।
- AI स्लाइड को देखता है और कहता है: "डॉक्टर, इस कोशिका को देखें। ध्यान दें कि केंद्रक सामान्य से 20% बड़ा है और इसकी बनावट खुरदरी है। नियमों के आधार पर, यह एक हाई-ग्रेड लीजन का संकेत देता है।"
- यह केवल अनुमान नहीं लगाता; यह समझाता है कि वह ऐसा क्यों सोचता है, उसी तर्क का उपयोग करता है जिसका उपयोग एक मानव विशेषज्ञ करता है।
भविष्य: डिटेक्टिव से पार्टनर तक
लेखक स्वीकार करते हैं कि उनका वर्तमान AI केवल सर्वाइकल कोशिकाओं का विशेषज्ञ है। यह अभी मूत्र या थायराइड कोशिकाओं को नहीं देख सकता। लेकिन लक्ष्य इस "मस्तिष्क" को एक पैन-साइटोपैथोलॉजी असिस्टेंट बनाने के लिए विस्तारित करना है जो किसी भी प्रकार की कोशिका को संभाल सके।
वे यह भी चाहते हैं कि AI अधिक "व्याख्यात्मक" (explainable) बने। केवल "कैंसर" कहने के बजाय, वे चाहते हैं कि AI कहे, "मुझे लगता है कि यह कैंसर है क्योंकि X, Y और Z है," जिससे निर्णय पारदर्शी और विश्वसनीय बन सके।
संक्षेप में: Singpath-VL एक नया AI है जिसने अपनी खुद की विशाल पाठ्यपुस्तक बनाकर और कठोर प्रशिक्षण लेकर सर्वाइकल सेल्स की सूक्ष्म, माइक्रोस्कोपिक भाषा को पढ़ना सीखा है। यह डॉक्टरों को बीमारियों को जल्दी और अधिक सटीकता से पकड़ने में मदद करने के लिए एक स्मार्ट, विश्वसनीय साथी देने की दिशा में एक बड़ी छलांग 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।