Self-EvolveRec: Self-Evolving Recommender Systems with LLM-based Directional Feedback
यह शोध पत्र Self-EvolveRec का प्रस्ताव करता है, जो एक यूज़र सिम्युलेटर (User Simulator) और मॉडल डायग्नोसिस टूल (Model Diagnosis Tool) को एकीकृत करके एक स्व-विकसित (self-evolving), दिशात्मक फीडबैक लूप बनाता है जो मूल्यांकन मानदंडों को गतिशील रूप से अनुकूलित करता है और मौजूदा NAS एवं LLM-संचालित बेसलाइनों से काफी बेहतर प्रदर्शन करता है, जिससे पारंपरिक अनुशंसा प्रणाली (recommender system) डिज़ाइन की निश्चित खोज स्थानों (fixed search spaces) और स्केलर मेट्रिक्स (scalar metrics) की सीमाओं को दूर किया जा सके।
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 रोबोट को एक बेहतरीन शॉपिंग असिस्टेंट बनने के लिए सिखाने की कोशिश कर रहे हैं। वर्षों तक, इसे करने का मानक तरीका "मैड लिब्स" (Mad Libs) खेलने जैसा था जिसमें एक बहुत ही सख्त नियम पुस्तिका होती थी। आप रोबोट को लेगो ब्रिक्स (Lego bricks) की एक निश्चित सूची (पूर्व-निर्धारित गणितीय ऑपरेटर) देते और कहते, "केवल इन ईंटों का उपयोग करके सबसे अच्छा अनुशंसा इंजन (recommendation engine) बनाओ।" इसे न्यूरल आर्किटेक्चर सर्च (Neural Architecture Search - NAS) कहा जाता है। समस्या यह थी कि रोबोट केवल वही चीजें बना सकता था जो उसके द्वारा दी गई ईंटों के दायरे में आती थीं। वह एक नया प्रकार का ईंट नहीं बना सकता था, और न ही वह निर्देशों को ठीक कर सकता था यदि निर्देश गलत हों।
फिर, एक नया चलन आया: LLM-संचालित कोड विकास (LLM-driven code evolution)। यह एक खाली कैनवास और एक जादुई पेन हाथ में देने जैसा था, और उसे कहना था, "अपना खुद का कोड लिखो!" अब रोबोट नई ईंटें बना सकता था। लेकिन इसमें एक पेंच था। रोबोट अभी भी एक एकल, उबाऊ संख्या के आधार पर ग्रेड किया जा रहा था, जैसे कि एक टेस्ट स्कोर। यदि स्कोर कम होता, तो रोबोट बस अनुमान लगाता, "शायद मुझे इस नंबर को बदलना चाहिए?" और फिर से प्रयास करता। यह आँखों पर पट्टी बांधकर तीर चलाने जैसा था। उसे पता नहीं चलता था कि उसने लक्ष्य क्यों छोड़ा। क्या अनुशंसा बहुत लोकप्रिय थी? क्या उसने विंटेज मोजों के लिए उपयोगकर्ता की अजीब पसंद को अनदेखा कर दिया था? रोबोट को बस इतना पता था कि स्कोर गिर गया है और वह घबरा गया।
यहाँ Self-EvolveRec आता है, जो एक सुपर-स्मार्ट कोच की तरह काम करता है जिसके पास दो विशेष सहायक हैं।
दो सहायक: द क्रिटिक (The Critic) और द डॉक्टर (The Doctor)
केवल एक टेस्ट स्कोर देखने के बजाय, Self-EvolveRec एक यूजर सिम्युलेटर (User Simulator) का उपयोग करता है (मान लीजिए कि वह "द क्रिटिक" है) और एक मॉडल डायग्नोसिस टूल (Model Diagnosis Tool) (मान लीजिए कि वह "द डॉक्टर" है)।
द क्रिटिक अलग-अलग व्यक्तित्व वाले आभासी खरीदारों की एक टीम है। एक बजट के प्रति सचेत छात्र हो सकता है जो महंगे इलेक्ट्रॉनिक्स से नफरत करता है; दूसरा एक ट्रेंड-चेज़र हो सकता है जो नवीनतम गैजेट्स चाहता है। जब रोबोट कोई अनुशंसा करता है, तो द क्रिटिक केवल यह नहीं कहती, "स्कोर: 4/5।" वह कहती है, "मैं बोर हो रही हूँ! तुमने मुझे लगातार तीन गेमिंग कंसोल दिए। मुझे विविधता चाहिए!" या "यह आइटम मेरे बजट के हिसाब से बहुत महंगा है।" यह रोबोट को दिशात्मक फीडबैक (directional feedback) देता है: एक स्पष्ट मानचित्र कि क्या गलत है और क्यों।
द डॉक्टर एक मैकेनिक है जो इंजन के आंतरिक स्वास्थ्य की जांच करता है। जबकि द क्रिक यूजर एक्सपीरियंस के बारे में शिकायत करती है, द डॉक्टर इंजन के आंतरिक स्वास्थ्य की जांच करता है। वह कुछ ऐसा देख सकता है जो उपयोगकर्ता के लिए अदृश्य है, जैसे "एम्बेडिंग कोलैप्स" (Embedding Collapse)। कल्पना कीजिए कि यदि "जूते" और "सैंडल" के लिए रोबोट के सभी विचार उसके मस्तिष्क के एक ही छोटे से कोने में दब गए, जिससे उसे यह सोचने में मदद मिली कि वे बिल्कुल एक ही चीज़ हैं। द डॉक्टर इसे गणितीय रूप से मापता है और कहता है, "हे, तुम्हारा दिमाग भ्रमित हो रहा है; तुम्हारे विचार बहुत समान हैं।"
जादुई लूप: को-इवोल्यूशन (Co-Evolution)
यहीं पर यह वास्तव में बहुत दिलचस्प हो जाता है। आमतौर पर, यदि रोबोट एक नया कौशल सीखता है (जैसे कीमतों को प्रोसेस करने का एक नया तरीका), तो पुराना डॉक्टर शायद इसे चेक करने के लिए तैयार नहीं होगा। वह ऐसा होगा, "मेरे पास इस नए इंजन पार्ट के लिए कोई टूल नहीं है!"
Self-EvolveRec इसे डायग्नोसिस टूल - मॉडल को-इवोल्यूशन (Diagnosis Tool - Model Co-Evolution) के साथ हल करता है। जैसे-जैसे रोबोट विकसित होता है और नए कौशल सीखता है, डॉक्टर भी उसके साथ विकसित होता है। यदि रोबोट एक नया "प्राइस एनकोडर" (Price Encoder) बनाता है, तो डॉक्टर स्वचालित रूप से इसे मापने के लिए एक नया "प्राइस चेक" (Price Check) टूल बना लेता है। यदि द क्रिटिक "विविधता की कमी" की शिकायत करती है, तो द डॉक्टर विविधता को मापने और यह सत्यापित करने के लिए एक नया गणितीय सूत्र बनाता है कि क्या रोबोट ने वास्तव में इसे ठीक किया है। वे एक साथ बढ़ते हैं, यह सुनिश्चित करते हुए कि रोबोट को हमेशा सही उपकरणों द्वारा जांचा जा रहा है।
परिणाम: केवल एक अनुमान नहीं
लेखकों ने अमेज़न (CDs, इलेक्ट्रॉनिक्स, ऑफिस सप्लाई) और मूवीलेंस (MovieLens) के वास्तविक डेटा पर इनका परीक्षण किया। उन्होंने Self-EvolveRec की तुलना पुराने "लेगो ब्रिक" तरीकों और "आँखों पर पट्टी बांधकर तीर चलाने" वाले कोड-इवोल्यूशन तरीकों से की।
परिणामों ने दिखाया कि Self-EvolveRec ने लगातार अन्य तरीकों को पछाड़ दिया। उदाहरण के लिए, CDs डेटासेट में, एक बुनियादी मॉडल से शुरू करते हुए, Self-EvolveRec ने NDCG@5 (यह मापने का एक तरीका कि शीर्ष अनुशंसाएँ कितनी अच्छी हैं) को 0.3865 तक बढ़ाया, जबकि सबसे अच्छा "अंधेरे में तीर चलाने वाला" प्रतियोगी केवल 0.3610 तक ही पहुँच सका। HR@5 (हिट रेशियो) पर, Self-EvolveRec ने 0.5274 हासिल किया, जो प्रतियोगिता के 0.4870 से बेहतर था।
लेकिन असली जीत केवल नंबरों में नहीं थी। जब उन्होंने स्वतंत्र AI जजों से लिखे गए कोड की गुणवत्ता का मूल्यांकन करने के लिए कहा, तो Self-EraveRec ने रचनात्मकता (Creativity) (7.50 के मुकाबले 8.04) और अंतर्दृष्टि (Insight) (7.40 के मुकाबले 8.16) में उच्चतम स्कोर किया। यह सुझाव देता है कि रोबोट केवल अनुमान नहीं लगा रहा था; वह वास्तव में समस्याओं को समझ रहा था और चतुर समाधानों का आविष्कार कर रहा था, जैसे कि "कैटेगरी-अवेयर हार्ड नेगेटिव्स" (Category-Aware Hard Negatives) जोड़ना ताकि बार-बार एक ही उबाऊ चीजें रिकमेंड न की जाएं।
उन्होंने एक "उपयोगकर्ता संतुष्टि" सिमुलेशन भी चलाया। एक ऐसे परीक्षण में जहाँ आभासी उपयोगकर्ताओं ने यह तय किया कि वे ब्राउज़ करना जारी रखेंगे या छोड़ देंगे, Self-EvolveRec ने उन्हें लंबे समय तक व्यस्त रखा। CDs डेटासेट पर डेप्थ (Depth) (कितने पेज उन्होंने देखे) 2.048 तक पहुँच गया, जबकि अगले सबसे अच्छे तरीके के लिए यह 1.952 था। यह सुझाव देता है कि अनुशंसाएँ अधिक मानवीय और कम रोबोटिक महसूस हुईं।
यह क्या नहीं है
यह ध्यान रखना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं करता है। लेखक सावधानी बरतते हुए कहते हैं कि हालांकि उनका "यूजर सिम्युलेटर" मानव व्यवहार की नकल करने में बहुत अच्छा है, फिर भी यह एक सिमुलेशन है। वे स्पष्ट रूप से कहते हैं कि वास्तविक दुनिया के उपयोगकर्ताओं के लिए इन सुधारों को पूरी तरह से मान्य करने के लिए वास्तविक A/B टेस्टिंग की आवश्यकता होगी, जिसे वे भविष्य के कार्य के लिए छोड़ देते हैं। उन्होंने यह भी पाया कि यदि आप "क्रिटिक" (यूजर सिम्युलेटर) को हटा देते हैं और केवल "डॉक्टर" (डायग्नोसिस टूल) का उपयोग करते हैं, तो रोबोट अभी भी सुधार करता है, लेकिन उतना नहीं। दोनों का संयोजन ही जादू पैदा करता है।
संक्षेप में, Self-EvolveRec सुझाव देता है कि एक वास्तव में महान अनुशंसा प्रणाली बनाने के लिए, आप केवल स्कोर को नहीं देख सकते। आपको एक ऐसे कोच की आवश्यकता है जो आपको बता सके कि आप क्यों असफल हुए, एक ऐसे मैकेनिक की जो आपके आंतरिक गियर की जांच कर सके, और एक ऐसे सिस्टम की जो आपके बढ़ने के साथ-साथ विकसित हो सके। यह "अनुमान और जांच" की अराजक प्रक्रिया को खोज की एक निर्देशित यात्रा में बदल देता 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।