TRIZ-RAGNER: A Retrieval-Augmented Large Language Model for TRIZ-Aware Named Entity Recognition in Patent-Based Contradiction Mining
यह शोधपत्र TRIZ-RAGNER का प्रस्ताव करता है, जो एक रिट्रीवल-ऑगमेंटेड लार्ज लैंग्वेज मॉडल फ्रेमवर्क है जो पेटेंट ग्रंथों से विरोधाभास युग्मों (contradiction pairs) को निकालने की सटीकता और निरंतरता में महत्वपूर्ण सुधार करने के लिए एक TRIZ ज्ञान आधार पर डेंस रिट्रीवल और स्ट्रक्चर्ड प्रॉम्प्टिंग को एकीकृत करता है, जो मौजूदा नियम-आधारित, पारंपरिक मशीन लर्निंग और मानक LLM दृष्टिकोणों से बेहतर प्रदर्शन 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 जासूस हैं जो लाखों पुरानी, जटिल किताबों (पेटेंट) वाली एक विशाल लाइब्रेरी के भीतर छिपे एक बड़े रहस्य को सुलझाने की कोशिश कर रहे हैं। आपका लक्ष्य कोई चोरी हुआ रत्न ढूंढना नहीं है, बल्कि विरोधाभास (contradictions) ढूंढना है।
इventions (आविष्कार) की दुनिया में (जिसे TRIZ कहा जाता है), एक "विरोधाभास" एक विशिष्ट प्रकार की पहेली है: "मैंने कार का इंजन तेज़ तो कर दिया, लेकिन अब वह बहुत गर्म हो रहा है।" या, "मैंने पुल को मज़बूत बनाया, लेकिन अब यह बहुत भारी हो गया है।" "सुधारने वाले" (Improving) और "खराब करने वाले" (Worsening) फीचर्स के इन जोड़ों को ढूंढना ही नए, बेहतर समाधानों को खोजने की कुंजी है।
हालाँकि, इन पेटेंट्स को पढ़ना घास के ढेर में सुई खोजने जैसा है, वह भी आँखों पर पट्टी बांधकर। इनकी भाषा तकनीकी, अस्पष्ट और शब्दावली (jargon) से भरी होती है।
यहाँ बताया गया है कि कैसे एक शोध पत्र TRIZ-RAGNER इस समस्या को हल करता है, जिसे एक सरल कहानी के माध्यम से समझाया गया है।
समस्या: "भ्रमित होने वाला" (Hallucinating) जासूस
लंबे समय तक, कंप्यूटरों ने इसे दो तरीकों से हल करने की कोशिश की:
- नियमों का पालन करने वाला (The Rule-Follower): एक कंप्यूटर जो केवल विशिष्ट कीवर्ड्स (जैसे "तेज़" या "गर्म") को खोजता है। यह तेज़ है, लेकिन यह मूर्ख है। यदि पेटेंट कहता है "वेग बढ़ा" (velocity increased) बजाय "तेज़" (fast) के, तो यह उसे मिस कर देता है।
- समझदार लेकिन भ्रमित प्रतिभाशाली (The Smart-but-Confused Genius): एक आधुनिक लार्ज लैंग्वेज मॉडल (LLM), जैसे कि एक बहुत ही स्मार्ट AI जिसने पूरा इंटरनेट पढ़ लिया है। यह भाषा को खूबसूरती से समझता है, लेकिन इसकी एक बुरी आदत है: हैलुसिनेशन (Hallucination/भ्रम)। यह आत्मविश्वास के साथ अनुमान लगा सकता है, "ओह, खराब होने वाला कारक 'रंग' है!" जबकि पेटेंट का वास्तव में मतलब "वजन" था। इसके पास इंजीनियरिंग विरोधाभासों के लिए कोई विशिष्ट नियम पुस्तिका नहीं है, इसलिए यह अपनी ओर से बातें बना लेता है।
समाधान: TRIZ-RAGNER
लेखकों ने TRIZ-RAGNER नामक एक नया सिस्टम बनाया है। इसे एक सुपर-डिटेक्टिव के रूप में सोचें जिसके पास एक विशेष ट्रिक है: वह कभी अनुमान नहीं लगाता; वह हमेशा पहले अपने नोट्स चेक करता है।
यहाँ वह सुपर-डिटेक्टिव स्टेप-बाय-स्टेप कैसे काम करता है:
1. "जादुई लाइब्रेरी" (Retrieval/प्राप्ति)
पेटेंट वाक्य को पढ़ने से पहले, वह एक जादुई लाइब्रेरी (TRIZ नॉलेज बेस) की ओर दौड़ता है। इस लाइब्रेरी में सभी 39 इंजीनियरिंग मापदंडों (जैसे "गति," "वजन," "तापमान") का आधिकारिक शब्दकोश और उनके उपयोग के उदाहरण शामिल हैं।
- उपमा (Analogy): कल्पना कीजिए कि आप एक पहेली सुलझाने की कोशिश कर रहे हैं। अनुमान लगाने के बजाय, आप जल्दी से एक विशिष्ट संदर्भ पुस्तक निकालते हैं जिसमें सभी संभावित उत्तरों की सूची है। सिस्टम उस किताब के उन पृष्ठों को खोज निकालता है जो उस वाक्य के लिए सबसे अधिक प्रासंगिक हैं जिसे वह पढ़ रहा है।
2. "सख्त लाइब्रेरियन" (Reranking/पुनः रैंकिंग)
जादुई लाइब्रेरी बहुत बड़ी है। जासूस 50 ऐसे पृष्ठ निकालता है जो शायद प्रासंगिक हों। लेकिन उनमें से 40 पृष्ठ केवल थोड़े-बहुत संबंधित शोर (noise) हैं।
- उपमा: यहाँ प्रवेश होता है सख्त लाइब्रेरियन (Cross-Encoder) का। यह लाइब्रेरियन जासूस के वाक्य और उन 50 पृष्ठों को देखती है। वह कहती है, "नहीं, पेज 12 कार की 'गति' के बारे में है, लेकिन यह पेटेंट रॉकेट की 'गति' के बारे में है। पेज 12 को फेंक दें। पेज 3 को रखें।"
- वह कचरे को छान देती है ताकि जासूस केवल पूरी तरह से प्रासंगिक जानकारी देख सके।
3. "संरचित साक्षात्कार" (Prompting/प्रॉम्प्टिंग)
अब जासूस के पास वाक्य और एकदम सही संदर्भ पृष्ठ हैं। लेकिन यदि आप सिर्फ एक स्मार्ट AI से पूछते हैं, "विरोधाभास क्या है?", तो वह एक लंबा, बिखरा हुआ पैराग्राफ लिख सकता है।
- उपमा: सिस्टम जासूस को एक सख्त इंटरव्यू फॉर्म देता है। यह कहता है: "कहानी न लिखें। अनुमान न लगाएं। वाक्य और संदर्भ पृष्ठों को देखें, और इस विशिष्ट फॉर्म को भरें: [सुधारने वाला कारक: ___] [खराब करने वाला कारक: ___]।"
- यह AI को सटीक रहने और नियमों का पालन करने के लिए मजबूर करता है, जिससे उसे तथ्य बनाने से रोका जा सके।
परिणाम: यह क्यों मायने रखता है
इस शोध पत्र ने वास्तविक पेटेंट के एक डेटासेट (जिसे PaTRIZ कहा जाता है) का उपयोग करके इस नए जासूस का पुराने तरीकों के मुकाबले परीक्षण किया।
- पुराने तरीके: लगभग 60-70% उत्तर सही पाते थे। वे कई सूक्ष्म विरोधाभासों को मिस कर देते थे या गलत अनुमान लगाते थे।
- नया जासूस (TRIZ-RAGNER): इसने 84.2% उत्तर सही दिए।
बड़ी सीख:
एक स्मार्ट AI (जो भाषा को समझता है) को एक फैक्ट-चेकिंग सिस्टम (जो इंजीनियरिंग नियमों को जानता है) और एक सख्त फॉर्मेट (जो विस्तार से लिखने से रोकता है) के साथ जोड़कर, यह सिस्टम उन छिपे हुए आविष्कार के अवसरों को ढूंढ सकता है जिन्हें इंसान और पुराने कंप्यूटर मिस कर देते हैं।
यह एक ऐसे जासूस से अपग्रेड करने जैसा है जो केवल अंदाजे पर काम करता है, एक ऐसे जासूस में जिसके पास एक सुपरकंप्यूटर, इंजीनियरिंग कानूनों की एक लाइब्रेरी और एक चेकलिस्ट है, जो यह सुनिश्चित करता है कि मामला सुलझाने से पहले हर सुराग को सत्यापित किया जाए। यह इंजीनियरों को मौजूदा पेटेंट में समस्याओं को स्वचालित रूप से पहचानकर बेहतर चीजें तेजी से आविष्कार 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।