Claim Automation using Large Language Model
यह शोध पत्र प्रदर्शित करता है कि स्थानीय रूप से तैनात, लो-रैंक एडाप्टेशन (LoRA) द्वारा फाइन-ट्यून किया गया लार्ज लैंग्वेज मॉडल, बीमा दावों के लिए सटीक, संरचित सुधारात्मक-कार्रवाई अनुशंसाएं उत्पन्न करने में सामान्य-उद्देश्य वाले मॉडलों से काफी बेहतर प्रदर्शन करता है, जो विनियमित डोमेन में निर्णय लेने की प्रक्रिया को स्वचालित करने के लिए एक विश्वसनीय और शासन योग्य समाधान प्रदान करता 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 विशाल बीमा कंपनी में काम करते हैं। हर दिन, हजारों कार मालिक टूटे हुए पुर्जों के साथ कॉल करते हैं। वे अपनी भाषा में समस्या का वर्णन करते हैं: "मेरा एसी गर्म हवा फेंक रहा है और एक अजीब सी रगड़ने की आवाज़ आ रही है," या "एक गड्ढे से टकराने के बाद इंजन की लाइट जल गई।"
अतीत में, मानव विशेषज्ञों (जिन्हें क्लेम एडजस्टर कहा जाता था) को इन बिखरे हुए, असंरचित कहानियों को पढ़ना पड़ता था और यह तय करना पड़ता था कि वास्तव में किस मरम्मत को मंजूरी दी जाए। यह काम धीमा, थकाऊ और मानवीय त्रुटियों के प्रति संवेदनशील था।
यह शोध पत्र इस बारे में है कि कैसे एक सुपर-स्मार्ट एआई रोबोट को यह पहला कदम उठाने के लिए सिखाया जाए। लेकिन इसमें एक पेंच है। उन्होंने केवल रोबोट से "अनुमान लगाने" के लिए नहीं कहा; उन्होंने इस काम के लिए विशेष रूप से बनाया गया, सुरक्षित और अत्यधिक प्रशिक्षित संस्करण वाला एक रोबोट तैयार किया।
यह कहानी कैसे उन्होंने इसे किया, इसके बारे में है, जिसे कुछ रोजमर्रा के उपमाओं के साथ समझाया गया है।
1. समस्या: "जनरलिस्ट" बनाम "स्पेशलिस्ट"
कल्पना कीजिए कि आपने 1998 की टोयोटा की एक विशिष्ट, अजीब यांत्रिक समस्या को ठीक करने के लिए एक शानदार, विश्व प्रसिद्ध शेफ (एक जनरल लार्ज लैंग्वेज मॉडल) को काम पर रखा है।
- शेफ की ताकत: वे कुछ भी बनाना जानते हैं। वे कविता लिख सकते हैं, क्वांटेबल फिजिक्स समझा सकते हैं, या एक परफेक्ट सूफ़ले बना सकते हैं।
- शेफ की कमजोरी: यदि आप उनसे एक कार्बोरेटर ठीक करने के लिए कहते हैं, तो वे आपको सैंडविच की रेसिपी दे सकते हैं। या वे ऐसी मरम्मत का सुझाव दे सकते हैं जो सुनने में तार्किक लगे लेकिन उस विशिष्ट कार के लिए वास्तव में खतरनाक हो। वे बहुत अधिक बातें भी कर सकते हैं, आपको 10 पन्नों का निबंध दे सकते हैं जब आपको केवल 3 शब्दों के निर्देश की आवश्यकता होती है।
बीमा की दुनिया में, इन "जनरलिस्ट" एआई शेफों का उपयोग करना जोखिम भरा है। वे भ्रमित हो सकते हैं (गलत जानकारी बना सकते हैं), क्लाउड पर डेटा भेजकर गोपनीयता नियमों का उल्लंघन कर सकते हैं, या बस ऐसे उत्तर दे सकते हैं जो बीमा कंपनी के सख्त नियमों के अनुकूल न हों।
2. समाधान: "अप्रेंटिस" प्रशिक्षण
लेखकों ने जनरल शेफ को काम पर रखना बंद करने और इसके बजाय एक स्पेशलिस्ट अप्रेंटिस (विशेषज्ञ प्रशिक्षु) को प्रशिक्षित करने का निर्णय लिया।
- कक्षा: उन्होंने एक शक्तिशाली एआई मॉडल (जिसे DeepSeek-R1 कहा जाता है) लिया और उसे 20 लाख वास्तविक कार मरम्मत रिकॉर्ड्स से भरी एक "कक्षा" में रखा।
- पाठ: उन्होंने एआई को केवल प्रश्न ही नहीं दिखाए; उन्होंने उसे वे उत्तर भी दिखाए जो वास्तविक मानव मैकेनिकों ने लिखे थे। उन्होंने एआई को सिखाया: "जब कोई ग्राहक 'रगड़ने की आवाज़' कहता है, तो सही उत्तर 'नई कार खरीदें' नहीं है, बल्कि 'ब्रेक पैड बदलें' है।"
- तकनीक (LoRA): कल्पना कीजिए कि एआई एक विशाल विश्वकोश (Encyclopedia) है। आप पूरे विश्वकोश को फिर से नहीं लिख सकते (यह बहुत महंगा और धीमा है)। इसके बजाय, उन्होंने LoRA (लो-रैंक अडैप्टेशन) नामक तकनीक का उपयोग किया। इसे विश्वकोश में एक स्टिक नोट या एक कस्टम इंडेक्स जोड़ने के रूप में सोचें। एआई अपने सभी सामान्य ज्ञान को बनाए रखता है, लेकिन अब इसके पास एक विशेष, छोटा सा 'चीट शीट' है जो इसे बताता है कि "इंश्योरेंस मैकेनिक" की भाषा में कैसे बोलना है।
3. नियम: "सख्त फोरमैन"
एआई के साथ सबसे बड़ी समस्याओं में से एक यह है कि यह बहुत अधिक बातें कर सकता है और अप्रत्याशित हो सकता है। यदि एआई एक पैराग्राफ लिखता है जबकि कंप्यूटर सिस्टम को केवल एक कोड की आवश्यकता होती है, तो पूरा सिस्टम टूट जाता है।
लेखकों ने एक गवर्नेंस फ्रेमवर्क (नियमों का एक सेट) बनाया:
- लोकल डिप्लॉयमेंट: एआई बीमा कंपनी के अपने सर्वर पर रहता है, खुले इंटरनेट पर नहीं। यह रसोई में एक लॉक किए गए सेफ में रेसिपी बुक रखने जैसा है, न कि इसे किसी सार्वजनिक ब्लॉग पर पोस्ट करने जैसा। यह ग्राहक के डेटा को निजी रखता है।
- स्ट्रक्चर्ड आउटपुट: उन्होंने एआई को एक रोबोटिक फोरमैन की तरह काम करने के लिए प्रशिक्षित किया। उसे कहानी नहीं लिखनी है; उसे एक विशिष्ट फॉर्म भरना ही होगा। यदि फॉर्म पूरी तरह से नहीं भरा गया है, तो एआई जानता है कि वह विफल हो गया है।
4. परिणाम: "शायद" से "हाँ" तक
उन्होंने चार अलग-अलग संस्करणों का परीक्षण किया:
- रॉ एआई (Raw AI): केवल मूल मॉडल। यह अव्यवस्थित था, अक्सर नियमों का पालन करने से इनकार कर देता था और गलत उत्तर देता था। (जैसे जनरल शेफ द्वारा कार ठीक करने की कोशिश करना)।
- प्रॉम्प्टेड एआई (Prompted AI): उन्होंने एक बहुत ही सख्त प्रॉम्प्ट का उपयोग करके एआई को निर्देश देने की कोशिश की (जैसे चिल्लाकर निर्देश देना)। यह थोड़ा बेहतर हुआ लेकिन इसने अभी भी गलतियाँ कीं और फॉर्मेट का पालन नहीं किया।
- इंस्ट्रक्शन-ट्यून्ड एआई (Instruction-Tuned AI): एक संस्करण जिसे आदेशों का बेहतर पालन करने के लिए प्रशिक्षित किया गया था। इसने 86% समय फॉर्मेट का पालन किया, लेकिन वास्तविक मरम्मत सलाह में अभी भी गलतियाँ कीं।
- फाइन-ट्यून्ड स्पेशलिस्ट (विजेता): यह वही है जिसे उन 20 लाख वास्तविक क्लेम्स पर प्रशिक्षित किया गया था।
- फॉर्मेट: इसने 100% समय नियमों का पालन किया।
- सटीकता: इसने स्पष्ट मामलों में 92% बार सही मरम्मत का अनुमान लगाया।
उपमा:
- प्रॉम्प्टेड एआई एक पर्यटक की तरह है जिसने एक शब्दकोश (phrasebook) खरीदा है। वे रास्ता पूछ सकते हैं, लेकिन उनका लहजा गलत हो सकता है या वे बारीकियों को मिस कर सकते हैं।
- फाइन-ट्यून एआई एक स्थानीय टैक्सी ड्राइवर की तरह है जिसने उन विशिष्ट सड़कों पर 20 साल तक गाड़ी चलाई है। वे जानते हैं कि कहाँ जाना है, वे यातायात के नियमों को जानते हैं, और वे बिना मैप पूछे आपको वहां पहुंचा देते हैं।
5. यह क्यों महत्वपूर्ण है
यह शोध पत्र सिद्ध करता है कि बीमा जैसे उच्च-दांव वाले कामों के लिए, आप केवल एक सामान्य एआई को "प्लग एंड प्ले" नहीं कर सकते। आपको इसे स्पेशलाइज करना होगा।
एआई को वास्तविक दुनिया के डेटा पर प्रशिक्षित करके और इसे सख्त नियमों का पालन करने के लिए मजबूर करके, उन्होंने एक ऐसा उपकरण बनाया जो:
- काम को तेज करता है: एडजस्टर्स को पूरी कहानी पढ़ने की आवश्यकता नहीं होती; एआई उन्हें तुरंत उत्तर दे देता है।
- पैसे बचाता है: कम गलतियों का मतलब है कम खराब मरम्मतों का भुगतान।
- रहस्यों को सुरक्षित रखता है: डेटा कंपनी की इमारत से बाहर कभी नहीं जाता।
संक्षेप में: उन्होंने एक स्मार्ट लेकिन बिखरे हुए एआई को लिया, उसे बहुत सारा विशिष्ट प्रशिक्षण डेटा दिया, उसे एक सुरक्षित कमरे में रखा, और उसे एक विशिष्ट फॉर्म भरना सिखाया। परिणाम एक विश्वसनीय, सुपर-फास्ट सहायक है जो बीमा कंपनियों को कारों को अधिक तेज़ी से और अधिक सटीकता से ठीक करने में मदद करता 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।