💬 NLP

ReIn: Conversational Error Recovery with Reasoning Inception

यह शोध पत्र ReIn का प्रस्ताव करता है, जो एक टेस्ट-टाइम हस्तक्षेप विधि है जो एजेंट के मापदंडों (parameters) या प्रॉम्प्ट्स को संशोधित किए बिना, एजेंट की निर्णय लेने की प्रक्रिया में रिकवरी रीजनिंग (recovery reasoning) इंजेक्ट करने के लिए एक बाहरी मॉड्यूल का उपयोग करके, उपयोगकर्ता-प्रेरित त्रुटियों के प्रति संवादात्मक एजेंटों की लचीलापन को बढ़ाता है, जिससे कार्य सफलता दर में उल्लेखनीय सुधार होता है।

मूल लेखक: Takyoung Kim, Jinseok Nam, Chandrayee Basu, Xing Fan, Chengyuan Ma, Heng Ji, Gokhan Tur, Dilek Hakkani-Tür

प्रकाशित 2026-02-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Takyoung Kim, Jinseok Nam, Chandrayee Basu, Xing Fan, Chengyuan Ma, Heng Ji, Gokhan Tur, Dilek Hakkani-Tür

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

यहाँ सरल भाषा और रचनात्मक उपमाओं का उपयोग करते हुए शोध पत्र "REIN: Conversational Error Recovery with Reasoning Inception" की व्याख्या दी गई है।

बड़ी समस्या: जब रोबोट अटक जाता है

कल्पना कीजिए कि आप एक बहुत ही स्मार्ट, मददगार रोबोट सहायक (जैसे कि एक सुपर-चार्ज्ड सिरी या एलेक्सा) से बात कर रहे हैं जो आपके लिए उड़ानें बुक कर सकता है, कपड़े खरीद सकता है और आपका शेड्यूल मैनेज कर सकता है। आमतौर पर, यह बहुत अच्छा काम करता है। लेकिन कभी-कभी, आप कोई गलती कर देते हैं।

शायद आप कहते हैं, "उस उड़ान को बदल दो," लेकिन आपने अभी तक रोबोट को यह नहीं बताया है कि आप किस उड़ान की बात कर रहे हैं। या शायद आप ऐसी चीज़ मांगते हैं जो रोबोट बिल्कुल नहीं कर सकता, जैसे "मेरे लिए एक फ्लाइट बुक करो और साथ ही एक शानदार रेस्टोरेंट में टेबल भी रिजर्व कर दो" (जबकि रोबोट केवल फ्लाइट बुक करना जानता है)।

वास्तविक दुनिया में, ये गलतियाँ हर समय होती हैं। यदि रोबोट बस अंदाज़ा लगाता रहता है या भ्रमित हो जाता है, तो बातचीत विफल हो जाती है, और आप निराश हो जाते हैं।

पुराना तरीका बनाम नया तरीका

आमतौर पर, रोबोट के दिमाग को ठीक करने के लिए, इंजीनियरों को दो में से एक काम करना पड़ता है:

रोबोट को फिर से प्रशिक्षित करना (Retrain the Robot): यह ऐसा है जैसे रोबोट को नए नियम सीखने के लिए महीनों तक वापस स्कूल भेजना। यह महंगा और धीमा है।
नियम पुस्तिका को फिर से लिखना (Rewrite the Rulebook): यह ऐसा है जैसे रोबोट की निर्देश पुस्तिका लेना और उसके पन्नों को फिर से लिखना। लेकिन यदि आप एक शब्द भी बदलते हैं, तो आप अनजाने में कुछ और तोड़ सकते हैं।

लेखकों ने पूछा: क्या हम रोबोट को स्कूल भेजे बिना या उसकी मैनुअल को फिर से लिखे बिना, मौके पर ही उसकी गलतियों को ठीक कर सकते हैं?

समाधान: REIN (रीज़निंग इनसेप्शन)

उन्होंने REIN नामक एक विधि विकसित की। इसका नाम फिल्म Inception के नाम पर रखा गया है, जहाँ एक सपने के भीतर दूसरा सपना बोया जाता है।

REIN कैसे काम करता है, यहाँ फ्लाइट अटेंडेंट की उपमा दी गई है:

1. सेटअप (The Setup)

टास्क एजेंट (द पायलट): यह मुख्य रोबोट है जो आपकी मदद करने की कोशिश कर रहा है। इसके पास नियमों का एक निश्चित सेट है और इसे आसानी से बदला नहीं जा सकता।
इनसेप्शन मॉड्यूल (द को-पायलट): यह एक अलग, छोटा "वॉचडॉग" (निगरानी करने वाला) रोबोट है जो पायलट के बगल में बैठा है। इसका एकमात्र काम बातचीत को सुनना और परेशानी पर नज़र रखना है।

2. "इनसेप्शन" का क्षण (The "Inception" Moment)

कल्पना कीजिए कि आप (यात्री) कुछ भ्रमित करने वाला कहते हैं: "मैं इसे अपग्रेड करना चाहता हूँ।"

REIN के बिना: पायलट (टास्क एजेंट) घबरा जाता है। उसे नहीं पता कि "यह" क्या है। वह गलत अंदाज़ा लगा सकता है, गुस्सा हो सकता है, या हार मान सकता है।
REIN के साथ: को-पायलट (इनसेप्शन मॉड्यूल) इसे तुरंत सुन लेता है। वह सोचता है, "रुको, यात्री अस्पष्ट बात कर रहा है। यह एक जाल है!"

पायलट को रोकने के बजाय, को-पायलट पायलट के कान में एक गुप्त विचार फुसफुसाता है इससे पहले कि पायलट जवाब दे।

फुसफुसाहट: "हे पायलट, यात्री ने 'इसे' कहा लेकिन यह नहीं बताया कि वह क्या है। अंदाज़ा मत लगाओ! इसके बजाय, विनम्रता से उनसे पूछो कि वे किस फ्लाइट की बात कर रहे हैं, और हमारे आंतरिक लॉग में नोट लिखो कि ऐसा अक्सर होता है।"

यही "रीज़निंग इनसेप्शन" है। यह पायलट के निर्णय लेने से ठीक पहले तर्क का एक बीज बो देता है।

3. परिणाम

पायलट फुसफुसाहट सुनता है, रुकता है, और अचानक बिल्कुल सही काम करता है। वह सही सवाल पूछता है और बातचीत को बचा लेता है।

महत्वपूर्ण बात: पायलट ने अपना दिमाग (पैरामीटर्स) या अपनी नियम पुस्तिका (प्रॉम्प्ट्स) नहीं बदली। उसने बस आखिरी सेकंड में दिए गए अतिरिक्त संकेत का पालन किया।

यह एक बड़ी बात क्यों है?

शोध पत्र ने दो मुख्य परिदृश्यों में इसका परीक्षण किया: एयरलाइन और रिटेल (शॉपिंग)।

यह उन गलतियों पर भी काम करता है जो आपने इसे नहीं सिखाईं: भले ही को-पायलट को केवल "अस्पष्ट सर्वनामों" (vague pronouns) को पहचानने के लिए प्रशिक्षित किया गया था, वह भ्रम के नए प्रकारों (जैसे विरोधाभासी अनुरोधों) को पहचानने और उन्हें सही ढंग से संभालने में आश्चर्यजनक रूप से अच्छा था। यह एक सुरक्षा गार्ड की तरह है जिसे लाल टोपी पहचानने के लिए प्रशिक्षित किया गया है, लेकिन वह संदिग्ध दिखने के कारण नीली टोपी पहनने वाले को भी पकड़ लेता है।
यह नियमों को फिर से लिखने से अधिक सुरक्षित है: रोबोट के निर्देशों को फिर से लिखना जोखिम भरा है। यदि आप व्याकरण में गड़बड़ी करते हैं, तो रोबोट कुछ खतरनाक करने लग सकता है। REIN एक अस्थायी सुरक्षा जाल की तरह है; यह रोबोट के मूल प्रोग्रामिंग को स्थायी रूप से बदले बिना उसकी मदद करता है।
यह "प्रॉम्प्ट इंजेक्शन" को मात देता है: कुछ लोग रोबोट को ठीक करने के लिए उन्हें नए निर्देश चिल्लाकर देते हैं ("पिछले नियमों को अनदेखा करें!")। यह पेपर दिखाता है कि REIN स्मार्ट है। यह रोबोट के मौजूदा नियमों को तोड़ने के बजाय उनके साथ मिलकर काम करता है।

"इंस्ट्रक्शन हाइरार्की" (निर्देश पदानुक्रम) का ट्विस्ट

पेपर ने यह भी खोजा कि रोबोट कैसे सोचते हैं। रोबोटों में महत्व का एक सख्त क्रम होता है:

सिस्टम इंस्ट्रक्शंस (द बॉस)
यूज़र मैसेजेस (द कस्टमर)
टूल आउटपुट्स (द व्हिस्पर/REIN)

आमतौर पर, "फुसफुसाहट" (टूल आउटपुट) सबसे कमजोर आवाज़ होती है। यदि यह बॉस के नियमों के साथ संघर्ष करती है, तो रोबोट अक्सर इसे अनदेखा कर देता है। हालाँकि, लेखकों ने पाया कि यदि फुसफुसाहट एक विशिष्ट टूल (जैसे, "त्रुटि रिपोर्ट करें" बटन) से जुड़ी है, तो रोबोट उसे सुनता है! यह ऐसा है जैसे को-पायलट ने केवल फुसफुसाया नहीं, बल्कि वास्तव में एक लाल बटन दबा दिया जिसे पायलट को स्वीकार करना ही होगा।

निष्कर्ष (The Takeaway)

REIN एआई सहायकों को अधिक लचीला बनाने का एक चतुर, कम लागत वाला तरीका है। एक ऐसा परफेक्ट रोबोट बनाने के बजाय जो कभी गलती न करे, हम एक ऐसा सिस्टम बनाते हैं जहाँ एक "को-पायलट" मुख्य रोबोट को भ्रमित होने के क्षण में ही वापस पटरी पर ला सकता है।

यह उस रोबोट के बीच का अंतर है जो आपके लड़खड़ाने पर क्रैश हो जाता है, और उस रोबोट के बीच का अंतर जिसके पास एक दोस्त है जो आपके गिरने से पहले आपको थामने के लिए तैयार है।

यहाँ शोध पत्र "REIN: Conversational Error Recovery with Reasoning Inception" का विस्तृत तकनीकी सारांश दिया गया है, जिसे ICLR 2026 में प्रकाशित किया गया है।

1. समस्या विवरण (Problem Statement)

LLM-आधारित संवादात्मक एजेंट (Conversational Agents), हालांकि निश्चित कार्य-उन्मुख (task-oriented) सेटिंग्स में शक्तिशाली होते हैं, फिर भी अनपेक्षित, उपयोगकर्ता-प्रेरित त्रुटियों (unanticipated, user-induced errors) के प्रति संवेदनशील रहते हैं। ये त्रुटियाँ अक्सर निम्नलिखित कारणों से उत्पन्न होती हैं:

अस्पष्ट अनुरोध (Ambiguous Requests): उपयोगकर्ता अस्पष्ट संदर्भ (anaphora), कई व्याख्याएँ, या विरोधाभासी निर्देश प्रदान करते हैं।
असमर्थ अनुरोध (Unsupported Requests): उपयोगकर्ता ऐसे कार्यों, मापदंडों (parameters), या डोमेन के लिए पूछते हैं जो एजेंट की परिभाषित क्षमताओं के बाहर हैं।

मौजूदा शमन रणनीतियाँ (जैसे स्पष्टीकरण, फॉलबैक तंत्र) वास्तविक दुनिया के उपयोगकर्ता व्यवहार की व्यापकता को कवर करने में अक्सर विफल रहती हैं। इसके अलावा, मानक रिकवरी दृष्टिकोण जैसे कि फाइन-ट्यूनिंग (fine-tuning) या सिस्टम प्रॉम्प्ट संशोधन (system prompt modification) उत्पादन वातावरण (production environments) में अव्यावहारिक होते हैं क्योंकि इनमें उच्च लागत, समय की आवश्यकता और अनपेक्षित दुष्प्रभावों या सुरक्षा उल्लंघनों (जैसे निर्देश पदानुक्रम को तोड़ना) का जोखिम होता है।

मुख्य चुनौती: एक एजेंट त्रुटियों से प्रभावी ढंग से कैसे उबर सकता है जब उसके मॉडल पैरामीटर और सिस्टम प्रॉम्प्ट निश्चित (fixed) हों और उन्हें बदला न जा सके?

2. कार्यप्रणाली: रीजनिंग इनसेप्शन (REI: Reasoning Inception)

लेखक REIN का प्रस्ताव करते हैं, जो एक टेस्ट-टाइम हस्तक्षेप विधि (test-time intervention method) है जो मॉडल के भार (weights) या सिस्टम प्रॉम्प्ट को संशोधित किए बिना एजेंट की निर्णय लेने की प्रक्रिया में एक प्रारंभिक तर्क चरण (initial reasoning step) को "रोपित" (plant) करती है।

A. आर्किटेक्चर अवलोकन (Architecture Overview)

REIN एक एक्सटर्नल इनसेप्शन मॉड्यूल (एक LLM) के माध्यम से संचालित होता है जो टास्क एजेंट (कार्य करने वाला निश्चित LLM) के साथ इंटरैक्ट करता है।

त्रुटि का पता लगाना (Error Detection): इनसेप्शन मॉड्यूल संवाद संदर्भ ( $C_t$ ) और वर्तमान उपयोगकर्ता कथन ( $u_t$ ) का विश्लेषण त्रुटियों के एक पूर्व-निर्धारित सेट ( $E$ ) और रिकवरी योजनाओं ( $\Phi$ ) के विरुद्ध करता है।
इनसेप्शन ब्लॉक जनरेशन (Inception Block Generation):
- यदि कोई त्रुटि पाई जाती है, तो मॉड्यूल एक रिकवरी प्लान ( $\rho_t$ ) तैयार करता है और उसे एक think ब्लॉक (एक तर्क चरण) में लपेट देता है।
- यदि कोई त्रुटि नहीं पाई जाती है, तो यह एक खाली सेट लौटाता है।
संदर्भ संवर्धन (Context Augmentation): इस उत्पन्न तर्क ब्लॉक को वर्तमान टर्न के लिए एजेंट के अपने तर्क चक्र शुरू करने से पहले टास्क एजेंट के आंतरिक संदर्भ ( $\hat{C}_t$ ) में इंजेक्ट किया जाता है।
स्वायत्त निष्पादन (Autonomous Execution): टास्क एजेंट, अब इस इंजेक्ट किए गए तर्क पर आधारित होकर, स्वायत्त रूप से अपना उत्तर और टूल कॉल (tool invocations) उत्पन्न करता है।

B. औपचारिक तंत्र (Formal Mechanism)

इनपुट: संवाद संदर्भ, उपलब्ध टूल्स ( $L$ ), त्रुटि-रिकवरी मैपिंग ( $\Phi$ ), और इनसेप्शन मॉड्यूल का प्रॉम्प्ट ( $S'$ )।
प्रक्रिया:
$r_t = \begin{cases} \emptyset & \text{यदि } F(\dots) = \text{No} \\ \text{think}[\rho_t] & \text{यदि } F(\dots) = \text{Yes} \end{cases}$
एजेंट की पॉलिसी $\pi_c$ फिर संवर्धित संदर्भ $\hat{C}_t = \tilde{C}_t \cup \{r_t\}$ के आधार पर क्रियाओं (actions) का चयन करती है।
प्रतिबंध: टास्क एजेंट का सिस्टम प्रॉम्प्ट ( $S$ ) और पैरामीटर अपरिवर्तित रहते हैं। हस्तक्षेप केवल अनुमान चरण (inference stage) के दौरान संदर्भ इंजेक्शन (context injection) के माध्यम से होता है।

C. त्रुटि वर्गीकरण और रिकवरी योजनाएं (Error Taxonomy & Recovery Plans)

पेपर दो मुख्य उपयोगकर्ता स्थितियों को विशिष्ट त्रुटि प्रकारों (तालिका 1) के साथ परिभाषित करता है:

अस्पष्ट अनुरोध (Ambiguous Requests):
- प्रकार: एनैफोरा (Anaphora), बहु-व्याख्या (Multiple Interpretation), विरोधाभास (Contradiction)।
- रिकवरी: एक आंतरिक त्रुटि रिपोर्ट (एक टूल कॉल) उत्पन्न करना ताकि अस्पष्टता को लॉग किया जा सके और एजेंट को स्पष्टीकरण देने या समस्या की रिपोर्ट करने के लिए निर्देशित किया जा सके।
असमर्थ अनुरोध (Unsupported Requests):
- प्रकार: असमर्थ क्रियाएं (Unsupported Actions), असमर्थ पैरामीटर्स (Unsupported Parameters), असमर्थ डोमेन (Unsupported Domains)।
- रिकवरी: समस्या के संरचित सारांश के साथ मानव एजेंटों को हस्तांतरण (escalation)।

3. प्रयोगात्मक सेटअप (Experimental Setup)

बेंचमार्क: लेखकों ने $\tau$ -Bench (एयरलाइन और रिटेल डोमेन) को पुन: उपयोग किया, जिसमें 98 सत्र और 588 संदर्भ उदाहरण तैयार किए गए।
त्रुटि सिमुलेशन: उन्होंने "देखे गए" (seen) त्रुटि प्रकार (जो प्रशिक्षण/इनसेप्शन प्रॉम्प्ट के लिए उपयोग किए गए) और "अनदेखे" (unseen) त्रुटि प्रकार (सामान्यीकरण का परीक्षण करने के लिए) बनाए।
मॉडल:
- टास्क एजेंट: Claude Sonnet 3.7, Haiku 3.5।
- इनसेप्शन मॉड्यूल: Sonnet 3.7, Haiku 3.5, Mistral Large, Llama 3.3 70B, और Llama 3.2 3B सहित विभिन्न मॉडल।
मेट्रिक्स: Pass@1 (प्रथम प्रयास में सफलतापूर्वक पूर्ण किए गए कार्यों का अनुपात)।

4. मुख्य परिणाम (Key Results)

महत्वपूर्ण प्रदर्शन लाभ: REIN सभी परीक्षण किए गए इनसेप्शन मॉड्यूल वेरिएंट के बीच कार्य पूर्णता दरों में पर्याप्त सुधार करता है। अस्पष्ट परिदृश्यों में, REIN के बिना प्रदर्शन शून्य के करीब था, जबकि REIN ने उच्च सफलता दर बहाल कर दी।
अनदेखी त्रुटियों के लिए सामान्यीकरण (Generalization to Unseen Errors): REINE ने "अनदेखे" त्रुटि प्रकारों (जैसे विरोधाभास और डोमेन त्रुटियां) के लिए सफलतापूर्वक सामान्यीकरण किया जो देखे गए प्रकारों के साथ रिकवरी रणनीतियों को साझा करते हैं, जो मजबूती (robustness) को प्रदर्शित करता है।
मॉडल आकार संवेदनशीलता (Model Size Sensitivity): बड़े इनसेप्शन मॉड्यूल (जैसे Sonnet 3.7, Mistral Large) ने लगभग 100% सक्रियता दर (त्रुटियों की सही पहचान) प्राप्त की, जबकि छोटे मॉडलों (Llama 3.2 3B) में सीमित लॉन्ग-कॉन्टेक्स्ट समझ के कारण कम सक्रियता दर थी, हालांकि वे बेसलाइन से बेहतर प्रदर्शन करते हैं।
प्रॉम्प्ट संशोधन की श्रेष्ठता (Superiority over Prompt Modification): नेटिव प्रॉम्प्ट इंजेक्शन (NPI) (सिस्टम प्रॉम्प्ट में सीधे रिकवरी नियम जोड़ना) और सेल्फ-रिफाइन (SR) (पुनरावृत्त फीडबैक) की तुलना में, REIN ने सिस्टम प्रॉम्प्ट को संशोधित करने के जोखिमों के बिना उच्च प्रदर्शन प्राप्त किया।
निर्देश पदानुक्रम बाईपास (Instruction Hierarchy Bypass): पेपर यह प्रदर्शित करता है कि REIN प्रभावी रूप से मानक "निर्देश पदानुक्रम" (System > User > Tool Outputs) को ओवरराइड कर सकता है, लेकिन केवल तभी जब इसे उचित रूप से परिभाषित रिकवरी टूल के साथ जोड़ा जाए। टूल परिभाषा के बिना, एजेंट इंजेक्ट किए गए तर्क को अनदेखा कर देता है और सिस्टम प्रॉम्प्ट का सख्ती से पालन करता है।

5. मुख्य योगदान (Key Contributions)

टेस्ट-टाइम हस्तक्षेप (Test-Time Intervention): एक नया प्रतिमान पेश करता है जो कोर एजेंट को पुन: प्रशिक्षित या प्रॉम्प्ट इंजीनियरिंग करने की आवश्यकता के बिना त्रुटि रिकवरी के लिए उपयोग किया जाता है।
रीजनिंग इनसेप्शन मैकेनिज्म (Reasoning Inception Mechanism): एजेंट के आंतरिक निर्णय चक्र को निर्देशित करने के लिए एक "सीड" (seed) तर्क (इनसेप्शन ब्लॉक) को इंजेक्ट करने का एक विशिष्ट तरीका प्रस्तावित करता है।
सुरक्षा और दक्षता (Safety and Efficiency): यह दर्शाता है कि REIN, प्रॉम्प्ट संशोधन के मुकाबले एक सुरक्षित और कुशल विकल्प है, विशेष रूप से जब रिकवरी टूल्स को संयुक्त रूप से परिभाषित किया जाता है, जिससे एजेंट सुरक्षित रूप से निर्देश पदानुक्रम बाधाओं को बायपास कर सकते हैं।
व्यापक मूल्यांकन (Comprehensive Evaluation): अनदेखी त्रुटि सामान्यीकरण और गतिशील अनुप्रयोग विश्लेषण सहित संवादात्मक त्रुटि रिकवरी के लिए एक व्यवस्थित मूल्यांकन ढांचा प्रदान करता है।

6. महत्व और निहितार्थ (Significance and Implications)

व्यावहारिक परिनियोजन (Practical Deployment): REIN उन उत्पादन वातावरणों में मजबूत संवादात्मक एजेंटों को तैनात करने के लिए एक व्यवहार्य समाधान प्रदान करता है जहाँ मॉडल को पुन: प्रशिक्षित करना असंभव है और प्रॉम्प्ट संशोधन जोखिम भरा है।
लचीलापन (Resilience): यह ध्यान को "सभी त्रुटियों को रोकने" (जो अक्सर असंभव है) से बदलकर "सुचारू रूप से उबरने" (recovering gracefully) पर केंद्रित करता है, जिससे ओपन-एंडेड संवादों में उपयोगकर्ता संतुष्टि में काफी सुधार होता है।
सुरक्षा (Safety): कच्चे प्रॉम्प्ट इंजेक्शन के बजाय टूल परिभाषाओं के माध्यम से निर्देश पदानुक्रम का लाभ उठाकर, REIN एजेंट के व्यवहार को निर्देशित करने का एक सुरक्षित तरीका प्रदान करता है, जो एडवरसेरियल प्रॉम्प्ट इंजेक्शन से जुड़े जोखिमों को कम करता है।
भविट दिशा (Future Direction): यह कार्य स्व-निगरानी एजेंटों की ओर एक मार्ग सुझाता है जो पुन: प्रशिक्षण के बिना विकसित होते डोमेन में प्रदर्शन गिरावट का पता लगा सकते हैं और उसे कम कर सकते हैं।

संक्षेप में, REIN सिद्ध करता है कि एक हल्का, बाहरी रीजनिंग मॉड्यूल प्रभावी रूप से एक निश्चित LLM एजेंट को जटिल संवादात्मक विफलताओं से उबरने के लिए "इनसेप्ट" (incept) कर सकता है, जो सैद्धांतिक क्षमताओं और वास्तविक दुनिया की विश्वसनीयता के बीच के अंतर को पाटता है।