RMIT-ADM+S at the MMU-RAG NeurIPS 2025 Competition
यह शोध पत्र RMIT-ADM+S प्रस्तुत करता है, जो एक पुरस्कार विजेता, संसाधन-कुशल रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम है, जिसमें नवीन रूटिंग-टू-RAG (R2RAG) आर्किटेक्चर है जो कंज्यूमर-ग्रेड हार्डवेयर पर उच्च प्रदर्शन प्राप्त करने के लिए क्वेरी जटिलता के आधार पर रिट्रीवल रणनीतियों को गतिशील रूप से अनुकूलित 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 Neurops 2025 नामक एक विशाल, अराजक पुस्तकालय में एक लाइब्रेरियन हैं। लोग सवाल पूछते हुए अंदर भाग रहे हैं। कुछ बहुत सरल हैं, जैसे "समय क्या हुआ है?" या "राष्ट्रपति कौन है?" अन्य अविश्वसनीय रूप से जटिल हैं, जैसे "अगले दशक में वैश्विक कॉफी की कीमतों पर जलवायु परिवर्तन के आर्थिक प्रभाव का विश्लेषण करें, जिसमें तीन विशिष्ट क्षेत्रों में राजनीतिक अस्थिरता को भी ध्यान में रखा गया हो।"
RMIT यूनिवर्सिटी की टीम (इस शोध पत्र के लेखक) ने इस अनुरोध को संभालने के लिए एक विशेष रोबोट लाइब्रेरियन बनाया है जिसका नाम है R2RAG (Routing-to-RAG)। इस रोबोट ने प्रतियोगिता में सबसे स्मार्ट और सबसे कुशल लाइब्रेरियन होने का एक बड़ा पुरस्कार जीता।
यहाँ बताया गया है कि R2RAG कैसे काम करता है, इसे सरल तरीके से समझाया गया है:
1. स्मार्ट गेटकीपर (क्वेरी क्लासिफायर)
जब कोई व्यक्ति डेस्क पर आता है, तो रोबोट तुरंत खोजना शुरू नहीं करता है। पहले, इसके पास एक गेटकीपर होता है।
- उपमा: गेटकीपर को एक क्लब के बाउंसर की तरह समझें।
- यह क्या करता है: यह आपके प्रश्न को देखता है और पूछता है, "क्या यह एक त्वरित प्रश्न है, या यह एक गहरा, जटिल शोध प्रोजेक्ट है?"
- निर्णय:
- यदि यह एक सरल प्रश्न है (जैसे "मौसम कैसा है?"), तो गेटकीपर आपको एक्सप्रेस लेन की ओर इशारा करता है।
- यदि यह एक जटिल प्रश्न है (जैसे कॉफी की कीमतों का विश्लेषण), तो गेटकीपर आपको डीप डाइव रूम की ओर इशारा करता है।
2. एक्सप्रेस लेन (वैनिला RAG)
सरल प्रश्नों के लिए, रोबोट एक शॉर्टकट लेता है।
- उपमा: यह ड्राइव-थ्रू में कॉफी ऑर्डर करने जैसा है। आप मांगते हैं, वे कप उठाते हैं, और आपको थमा देते हैं।
- यह कैसे काम करता है: रोबट लाइब्रेरी डेटाबेस से कुछ दस्तावेज़ मांगता है, सबसे अच्छे दस्तावेज़ों को चुनता है, और जल्दी से एक छोटा उत्तर लिख देता है। यह तेज़, कुशल है और इसमें समय बर्बाद नहीं होता।
3. डीप डाइव रूम (वैनिला एजेंट)
जटिल प्रश्नों के लिए, रोबोट केवल अनुमान नहीं लगाता। वह एक जासूस बन जाता है।
- उपमा: एक जासूस की कल्पना करें जो मर्डर मिस्ट्री सुलझा रहा है। वह केवल एक सुराग नहीं देख सकता; उसे गवाहों का इंटरव्यू लेना होगा, उनके अलबी (Alibi) की जांच करनी होगी, और नक्शों को देखना होगा।
- यह कैसे काम करता है:
- राउंड 1: जासूस सुरागों के लिए लाइब्रेरी से पूछता है।
- समीक्षा: जासूस सुरागों को पढ़ता है और पूछता है, "क्या मेरे पास समाधान के लिए पर्याप्त जानकारी है? क्या मैंने कोई दृष्टिकोण छोड़ दिया है? क्या कहानी संतुलित है?"
- लूप: यदि उत्तर "नहीं, मेरे पास कुछ कमी है" है, तो जासूस जो चीज़ गायब है उसके आधार पर एक नया प्रश्न लिखता है और फिर से खोज करता है।
- रुकना: यह लूप तब तक चलता रहता है जब तक कि जासूस को पूरी तस्वीर स्पष्ट न मिल जाए, या जब तक कि वह किसी समय सीमा (जैसे 5 मिनट का टाइमर) तक न पहुँच जाए।
- परिणाम: अंत में, जासूस एक व्यापक रिपोर्ट लिखता है जो सभी कड़ियों को जोड़ती है।
4. "छोटे दिमाग" का लाभ
आमतौर पर, इस तरह का जटिल जासूसी काम करने के लिए, आपको एक घर के आकार के सुपरकंप्यूटर की आवश्यकता होगी। लेकिन R2RAG विशेष है क्योंकि यह छोटे, कुशल दिमागों (छोटे AI मॉडल) का उपयोग करता है जो एक मानक कंप्यूटर ग्राफिक्स कार्ड (जैसे गेमिंग पीसी में होता है) पर फिट हो सकते हैं।
- रूपक: यह एक पहेली सुलझाने के लिए मिलकर काम करने वाली तीन चतुर गिलहरियों की एक टीम की तरह है, बजाय एक विशाल, धीमे हाथी के। वे तेज़ हैं, उन्हें बहुत अधिक भोजन (बिजली) की आवश्यकता नहीं है, और वे एक छोटे से पेड़ के घर (एक सिंगल कंप्यूटर) में फिट हो सकते हैं।
5. वास्तविक लोगों से सीखना (गुणात्मक भाग)
प्रतियोगिता से पहले, टीम ने केवल कंप्यूटर पर नंबर नहीं चलाए। उन्होंने परीक्षण के लिए वास्तविक मनुष्यों (छात्रों और प्रोफेसरों) को आमंत्रित किया।
- अंतर्दृष्टि: उन्होंने पाया कि जबकि रोबोट गणित में अच्छा था, कभी-कभी यह सरल प्रश्नों के लिए बहुत अधिक शब्दजाल वाला था या जटिल प्रश्नों के लिए बहुत संक्षिप्त था।
- सुधार: उन्होंने मनुष्यों की बात सुनी। उन्होंने रोबोट को अधिक विनम्र होना, लहजे (Tone) को समझना और यह जानना सिखाया कि कब बोलना बंद करना है। वे समझ गए कि रोबोट क्या जवाब देता है, उससे कहीं अधिक महत्वपूर्ण यह है कि वह कैसे जवाब देता है।
बड़ी जीत
R2RAG ने "बेस्ट डायनेमिक इवैल्यूएशन" पुरस्कार जीता। इसका मतलब है कि इसने केवल सही उत्तर ही नहीं दिया; इसने यह भी समझा कि प्रश्न कितना कठिन था, उसके आधार पर उत्तर कैसे ढूँढा जाए। इसने साबित कर दिया कि आपको एक स्मार्ट, अनुकूलन योग्य AI सिस्टम बनाने के लिए एक विशाल, महंगे सुपरकंप्यूटर की आवश्यकता नहीं है। आपको बस एक स्मार्ट डिज़ाइन और थोड़ी सी रचनात्मकता की आवश्यकता है।
संक्षेप में: R2RAG एक स्मार्ट लाइब्रेरियन है जो जानता है कि कब त्वरित उत्तर लेना है और कब जासूस की टोपी पहननी है, और यह सब एक सामान्य होम कंप्यूटर पर चलता 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।