STATe-of-Thoughts: Structured Action Templates for Tree-of-Thoughts
यह शोध पत्र STATe-of-Thoughts (STATe) को प्रस्तुत करता है, जो एक व्याख्यात्मक इन्फरेंस-टाइम कंप्यूट विधि है जो टोकन-स्तरीय टेम्परेचर सैंपलिंग पर निर्भर रहने के बजाय डिस्क्रीट, उच्च-स्तरीय टेक्स्टुअल एक्शन पैटर्न्स पर खोज करके आउटपुट विविधता और रीजनिंग कंट्रोल में सुधार करती 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 रोबोट को कहानी लिखना या एक प्रभावशाली तर्क बनाना सिखाने की कोशिश कर रहे हैं। आप उसे एक प्रॉम्प्ट देते हैं, और वह टाइप करना शुरू कर देता है। लेकिन कभी-कभी, रोबोट एक लूप में फंस जाता है, एक ही उबाऊ विचारों को दोहराता रहता है, या बेतुकी बातों में भटक जाता है। इसे ठीक करने के लिए, वैज्ञानिकों ने "इन्फरेंस-टाइम कंप्यूट" (ITC) विकसित किया है। ITC को रोबोट को एक "सोचने वाली टोपी" देने और बोलने से पहले विचार-मंथन के लिए अतिरिक्त समय देने के रूप में समझें। केवल अगले शब्द का अनुमान लगाने के बजाय, रोबोट अपने पूरे वाक्य, या यहाँ तक कि अपने पूरे पैराग्राफ की योजना पहले से बनाने की कोशिश करता है।
इसका सबसे प्रसिद्ध तरीका है "ट्री ऑफ थॉट्स" (Tree of Thoughts)। कल्पना कीजिए कि रोबोट जंगल में एक मोड़ पर खड़ा एक हाइकर है। केवल एक रास्ता चुनने और अच्छे की उम्मीद करने के बजाय, वह तीन अलग-अलग रास्तों पर चलने की कल्पना करता है। वह प्रत्येक रास्ते की जाँच करता है, देखता है कि कौन सा रास्ता आशाजनक लग रहा है, और फिर तय करता है कि उसे किस रास्ते पर चलना चाहिए। यह रोबट को बेहतर उत्तर खोजने में मदद करता है। हालाँकि, इसमें एक पेंच है: आमतौर पर, रोबोट इन रास्तों को एक डिजिटल पासे को उछालकर (एक विधि जिसे "हाई-टेम्परेचर सैंपलिंग" कहा जाता है) चुनता है। यह एक हाइकर से आँखें बंद करके गोल-गोल घूमने और फिर रास्ता चुनने के लिए कहने जैसा है। कभी-कभी वे एक शानदार रास्ता चुनते हैं, लेकिन अक्सर वे ऐसे रास्ते चुन लेते हैं जो आपस में बहुत समान दिखते हैं, या वे जंगल में खो जाते हैं। रोबोट अंततः कई उत्तरों के साथ समाप्त होता है जो मूल रूप से एक जैसे ही होते हैं, बस उनके शब्द थोड़े अलग होते हैं।
यहीं पर एक नई विधि आती है जिसे STATe-of-Thoughts (या STATe) कहा जाता है। इस शोध के पीछे के शोधकर्ताओं ने रोबोट को एक बेहतर नक्शा देना चाहा। रास्ता चुनने के लिए पहिया घुमाने के बजाय, STATe रोबोट को स्पष्ट, लेबल वाले संकेत बोर्ड (signposts) देता है। इससे पहले कि रोबोट चलना शुरू करे, एक "कंट्रोलर" एक विशिष्ट रणनीति चुनता है, जैसे कि "एक दुखद कहानी से शुरुआत करें," "एक वैज्ञानिक तथ्य का उपयोग करें," या "दो अलग-अलग देशों की तुलना करें।" रोबोट फिर उस विशिष्ट निर्देश का पालन करता है। यह हाइकर को यह बताने जैसा है, "उस लाल साइन वाला रास्ता लें जिस पर 'सुंदर दृश्य' लिखा है।" इस तरह, रोबोट एक ही चीज़ के थोड़े अलग संस्करणों के बजाय, पूरी तरह से अलग प्रकार के तर्कों या कहानियों की खोज करता है।
COLM 2026 में एक कॉन्फ्रेंस पेपर के रूप में प्रकाशित यह शोध पत्र दिखाता है कि यह "संकेत बोर्ड" वाला तरीका पुराने "पहिया घुमाने" वाले तरीके से बहुत बेहतर काम करता है। जब शोधकर्ताओं ने रचनात्मक लेखन कार्यों पर STATe का परीक्षण किया, तो रोबोट ने ऐसी कहानियाँ बनाईं जो न केवल अधिक विविध (एक-दूसरे से बहुत अलग) थीं, बल्कि उच्च गुणवत्ता वाली भी थीं। तर्क निर्माण (argument generation) पर एक परीक्षण में, उन्होंने पाया कि वे यह अनुमान लगा सकते थे कि कोई तर्क कितना अच्छा होगा, केवल उन संकेतों के अनुक्रम को देखकर जो रोबोट ने चुने थे। उदाहरण के लिए, उन्होंने पाया कि एक विशिष्ट प्रकार का उदाहरण देकर शुरुआत करना और फिर उसके बाद एक निश्चित प्रकार के साक्ष्य का उपयोग करना एक जीतने वाली रणनीति थी।
सबसे महत्वपूर्ण बात यह है कि STATe हमें यह समझने में मदद करता है कि रोबोट ने एक अच्छा तर्क क्यों बनाया। क्योंकि हर कदम एक स्पष्ट, मानव-पठनीय निर्देश (जैसे "उदाहरण दें" या "स्वीकार करें") द्वारा निर्देशित था, इसलिए शोधकर्ता रोबोट के पथ को देख सकते थे और कह सकते थे, "आह, यह सफल हुआ क्योंकि इसने शुरुआत में ही एक वास्तविक दुनिया के उदाहरण का उपयोग करने का विकल्प चुना।" यह एक बड़ी बात है क्योंकि यह रोबोट की सोचने की प्रक्रिया को एक 'ब्लैक बॉक्स' से बदलकर ऐसी चीज़ में बदल देता है जिसे हम पढ़ सकते हैं, जिससे सीख सकते हैं, और यहाँ तक कि सुधार भी सकते हैं। यह पेपर सुझाव देता है कि इन संरचित एक्शन टेम्पलेट्स का उपयोग करके, हम ऐसी AI बना सकते हैं जो न केवल अधिक स्मार्ट और रचनात्मक है, बल्कि समझने और नियंत्रित करने में भी आसान 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।