Think Fast and Slow: Step-Level Cognitive Depth Adaptation for LLM Agents
यह शोध पत्र CogRouter प्रस्तुत करता है, जो एक ऐसा ढांचा है जो ACT-R सिद्धांत पर आधारित दो-चरणीय प्रशिक्षण प्रक्रिया के माध्यम से प्रत्येक चरण में संज्ञानात्मक गहराई (cognitive depth) को गतिशील रूप से अनुकूलित करके, लंबी अवधि के कार्यों (long-horizon tasks) पर LLM एजेंट की दक्षता और प्रदर्शन को बढ़ाता है, जिससे टोकन के उपयोग में उल्लेखनीय कमी के साथ अत्याधुनिक परिणाम प्राप्त होते 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
कल्पना कीजिए कि आप एक व्यक्तिगत सहायक (personal assistant) को काम पर रख रहे हैं जो आपको जटिल समस्याओं को हल करने में मदद करेगा, जैसे कि घर बदलने का आयोजन करना, किसी खराब उपकरण को ठीक करना, या एक सरप्राइज पार्टी की योजना बनाना।
वर्तमान में, अधिकांश AI सहायक (Large Language Models) दो कठोर मोडों में फंसे हुए हैं:
- "रिफ्लेक्स" (Reflex) सहायक: वे बिना सोचे-समझे तुरंत कार्य करते हैं। सरल कार्यों के लिए यह बेहतरीन है जैसे "लाइट चालू करो," लेकिन वे जटिल समस्याओं पर गलतियाँ कर सकते हैं क्योंकि उन्होंने पहले से योजना नहीं बनाई।
- "ओवर-थिंकर" (Over-thinker) सहायक: वे हर एक कदम के लिए 50 पन्नों का निबंध लिखने में घंटों बिता देते है, भले ही उत्तर स्पष्ट हो। वे कठिन पहेलियों को सुलझाने में शानदार हैं लेकिन बहुत धीमे और महंगे हैं, जिससे साधारण कार्यों जैसे "कप उठाओ" के लिए भी ऊर्जा बर्बाद होती है।
समस्या: वास्तविक जीवन काला या सफेद (black and white) नहीं है। कभी-कभी आपको पलक झपकते ही प्रतिक्रिया देने की आवश्यकता होती है; कभी-कभी आपको गहरी रणनीति की आवश्यकता होती है। लेकिन वर्तमान AI हर क्षण के साथ एक जैसा व्यवहार करता है।
समाधान: COGROUTER
यह शोध पत्र एक नया फ्रेमवर्क पेश करता है जिसे COGROUTER (कॉग्निटिव राउटर) कहा जाता है। COGROUTER को एक स्मार्ट ड्राइवर की तरह सिखाने के बारे में सोचें जिसे पता है कि कब ऑटोपायलट पर क्रूज करना है और कब पूर्ण मैनुअल नियंत्रण लेना है।
सोचने के चार "गियर्स" (Gears)
मानव मनोविज्ञान (विशेष रूप से ACT-R नामक एक सिद्धांत) के आधार पर, शोधकर्ताओं ने AI को सोचने के चार अलग-अलग "गियर्स" के बीच स्विच करना सिखाया है:
- गियर 1: रिफ्लेक्स (सहज प्रतिक्रिया)
- उपमा: आप गर्म चूल्हे को छूते हैं और तुरंत अपना हाथ पीछे खींच लेते हैं।
- AI की क्रिया: "दरवाजा खुला है, इसलिए मैं अंदर जाता हूँ।" इसमें सोचने की आवश्यकता नहीं है। तेज़ और सस्ता।
- गियर 2: स्थितिगत जांच (Situational Awareness)
- उपमा: आप गाड़ी चला रहे हैं और लाल बत्ती देखते हैं। आप रुकने से पहले अपनी गति और ट्रैफिक की जांच करते हैं।
- AI की क्रिया: "मुझे फ्रिज खोलना है, लेकिन पहले, मुझे यह देखना चाहिए कि क्या यह लॉक है।" वर्तमान स्थिति पर एक त्वरित, केंद्रित नज़र।
- गियर 3: अनुभव समीक्षा (Experience Integration)
- उपमा: आपने कल नल ठीक करने की कोशिश की थी और असफल रहे। आज, आपको याद आता है कि वह विशिष्ट तरीका काम नहीं किया था, इसलिए आप एक अलग टूल आज़माते हैं।
- AI की क्रिया: "मैंने थर्मामीटर के लिए रसोई में देखने की कोशिश की थी, लेकिन वह वहां नहीं था। मुझे वर्कशॉप में देखना चाहिए।" पिछली गलतियों से सीखना।
- गियर 4: ग्रैंड स्ट्रैटेजिस्ट (रणनीतिक योजनाकार)
- उपमा: आप एक देशव्यापी सड़क यात्रा (cross-country road trip) की योजना बना रहे हैं। आप मार्ग मैप करते हैं, गैस स्टेशनों की जांच करते हैं, और कार शुरू करने से पहले ही ट्रैफिक जाम की योजना बनाते हैं।
- AI की क्रिया: "इस विज्ञान प्रयोग को हल करने के लिए, मुझे थर्मामीटर, फिर एक पदार्थ, और फिर एक ताप स्रोत ढूंढना होगा। यदि मैं पहले गलत कमरे में जाता हूँ, तो मैं समय बर्बाद कर दूँगा। चलिए सबसे अच्छा रास्ता मैप करते हैं।" भविष्य की ओर देखने वाली गहरी योजना।
यह कैसे सीखता है: "कॉन्फिडेंस" (Confidence) का तरीका
AI को यह सिखाना कि कब गियर बदलना है, सबसे कठिन हिस्सा है। यदि आप इसे बस "ज़्यादा सोचो" कहते हैं, तो यह हर चीज़ के बारे में ज़रूरत से ज़्यादा सोच लेगा। यदि आप इसे "तेज़ बनो" कहते हैं, तो यह लापरवाह हो जाएगा।
शोधकर्ताओं ने एक चतुर दो-चरणीय प्रशिक्षण प्रक्रिया का उपयोग किया:
- क्लासरूम (सुपरवाइज्ड फाइन-ट्यूनिंग): पहले, उन्होंने AI को विशेषज्ञों द्वारा समस्याओं को हल करने के उदाहरण दिखाए, जिसमें प्रत्येक चरण को सही "गियर" के साथ लेबल किया गया था। इसने AI को यह सिखाया कि प्रत्येक गियर कैसा दिखता है।
- जिम (पॉलिसी ऑप्टिमाइज़ेशन): यह जादुई हिस्सा है। AI खेल खेलता है, लेकिन शोधकर्ता कॉन्फिडेंस (विश्वास) पर आधारित एक विशेष स्कोरिंग सिस्टम का उपयोग करते हैं।
- नियम: यदि AI "गियर 1" (रिफ्लेक्स) का उपयोग कर रहा है और वह अगले कदम की भविष्यवाणी उच्च विश्वास (high confidence) के साथ करता है, तो उसे इनाम मिलता है। यदि वह एक सरल कार्य के लिए "गियर 4" (स्ट्रैटेजिस्ट) का उपयोग करता है और अभी भी आश्वस्त है, तो यह ठीक है, लेकिन उसने ऊर्जा बर्बाद की।
- परिणाम: AI सीख जाता है कि यदि कार्य आसान है, तो उसे ऊर्जा बचाने के लिए "रिफ्लेक्स" गियर का उपयोग करना चाहिए। यदि वह फंस जाता है या स्थिति जटिल हो जाती है, तो वह काम पूरा करने के लिए स्वाभाविक रूप से "स्ट्रैटेजिस्ट" गियर पर स्विच हो जाता है।
यह क्यों मायने रखता है
इसके परिणाम प्रभावशाली हैं। एक अपेक्षाकृत छोटे AI मॉडल (Qwen2.5-7B) का उपयोग करके, COGROUTER:
- GPT-4o या OpenAI के o3 जैसे विशाल, महंगे मॉडलों की तुलना में अधिक समस्याओं को हल करता है।
- 62% कम "टोकन" (शब्दों/कंप्यूटेशनल ऊर्जा) का उपयोग करता है।
- तेज़ था क्योंकि इसने साधारण चरणों पर ज़रूरत से ज़्यादा सोचने में समय बर्बाद नहीं किया।
संक्षेप में: COGROUTER AI को "एक ही हुनर वाला" (one-trick pony) बनने से रोकता है। यह उन्हें किफायती विचारक बनाता है, जो कठिन क्षणों के लिए अपनी मानसिक शक्ति बचाकर रखते हैं और आसान चीज़ों के लिए ऑटोपायलट पर चलते हैं। यह उस छात्र के बीच का अंतर है जो पॉप क्विज़ के लिए 10 घंटे पढ़ाई करता है और वह जो जानता है कि 'A' ग्रेड पाने के लिए कितना प्रयास लगाना 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।