💬 NLP

Routing Absorption in Sparse Attention: Why Random Gates Are Hard to Beat

यह शोध पत्र प्रदर्शित करता है कि एंड-टू-एंड स्पार्स अटेंशन ट्रेनिंग "रूटिंग एब्जॉर्प्शन" (routing absorption) से ग्रस्त होती है, जहाँ मॉडल के Q/K/V प्रोजेक्शन किसी भी आरोपित मास्क के साथ सह-अनुकूलित (co-adapt) हो जाते हैं, जिससे सीखे गए गेटिंग मैकेनिज्म रैंडम गेट्स की तुलना में अप्रभावी हो जाते हैं और यह सुझाव मिलता है कि पोस्ट-हॉक स्पर्सिफिकेशन (post-hoc sparsification) एक बेहतर विकल्प है।

मूल लेखक: Keston Aquino-Michaels

प्रकाशित 2026-03-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Keston Aquino-Michaels

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

मुख्य विचार: क्यों "स्मार्ट" गेट्स AI में विफल हो जाते हैं

कल्पना कीजिए कि आप एक सुपर-स्मार्ट लाइब्रेरी (AI मॉडल) बना रहे हैं जो लाखों किताबें पढ़ सकती है। इसे तेज़ बनाने के लिए, आप एक लाइब्रेरियन (गेट) स्थापित करना चाहते जिसका एकमात्र काम यह तय करना है कि किसी विशिष्ट प्रश्न के लिए अलमारी से कौन सी किताबें निकाली जाएं और किन्हें अनदेखा किया जाए।

लक्ष्य: आप चाहते हैं कि लाइब्रेरियन ट्रेनिंग प्रक्रिया के दौरान यह सीख ले कि कौन सी किताबें महत्वपूर्ण हैं, ताकि लाइब्रेरी सुपर-कुशल बन सके।

वास्तविकता: यह पेपर तर्क देता है कि जब आप लाइब्रेरियन और लाइब्रेरी को एक साथ ट्रेन करते हैं, तो लाइब्रेरी लाइब्रेरियन को पूरी तरह से अनदेखा करना सीख जाती है। लाइब्रेरी लाइब्रेरियन के किसी भी नियम के अनुकूल होने में इतनी माहिर हो जाती है कि लाइब्रेरियन के वास्तविक निर्णय मायने रखना बंद कर देते हैं।

इस घटना को रूटिंग एब्जॉर्प्शन (Routing Absorption) कहा जाता है।

मुख्य समस्या: "अति-अनुकूलित" (Over-Adapting) लाइब्रेरी

पेपर ने इस बात को साबित करने के लिए 31-मिलियन-पैरामीटर वाले एक AI मॉडल (एक मध्यम आकार के मस्तिष्क) का उपयोग किया है। उनके प्रयोगों में यह हुआ:

सेटअप: उन्होंने AI को एक "गेट" (एक छोटा नेटवर्क) दिया जो यह तय करेगा कि अटेंशन (पढ़ने) के किन हिस्सों को रखना है।
अपेक्षा: उन्हें लगा कि गेट यह सीख लेगा कि डेटा का सबसे अच्छा 10% हिस्सा कैसे चुना जाए, और AI बिना बुद्धिमत्ता खोए तेज़ हो जाएगा।
परिणाम: गेट ने लगभग कुछ नहीं सीखा। चाहे गेट एक "स्मार्ट" सीखा हुआ गेट था या एक "डम्ब" रैंडम गेट (सिक्का उछालकर निर्णय लेने वाला), AI का प्रदर्शन लगभग एक जैसा ही रहा।

क्यों? क्योंकि AI (लाइब्रेरी) गेट (लाइब्रेरियन) से 80 गुना बड़ा है।

उपमा: कल्पना कीजिए कि एक विशाल, लचीली मिट्टी की मूर्ति (AI) और एक छोटा, कठोर स्टैम्प (गेट) है। यदि आप स्टैम्प को मिट्टी में दबाते हैं, तो मिट्टी केवल स्टैम्प का आकार ही नहीं लेती; मिट्टी स्टैम्प के चारों ओर खुद को ढाल लेती है और पुनर्गठित हो जाती है ताकि अंतिम आकार फिर भी एकदम सही दिखे।
AI के आंतरिक हिस्से (जिन्हें Q/K/V प्रोजेक्शन कहा जाता है) इतने लचीले हैं कि वे गेट जो कुछ भी करता है, उसके साथ तालमेल बिठा लेते हैं। यदि गेट कहता है "इन शब्दोंों को अनदेखा करें," तो AI उन अन्य शब्दों में अर्थ खोजने के लिए सीख जाता है। यदि गेट रैंडम है, तो AI उस रैंडम शोर (noise) के साथ काम करना सीख जाता है।

गेट का सिग्नल विशाल AI द्वारा अवशोषित (Absorbed) कर लिया जाता है, जिससे गेट बेकार हो जाता है।

चार प्रमाण (The "Smoking Guns")

लेखकों ने यह साबित करने के लिए चार विशिष्ट परीक्षण चलाए कि यह केवल एक ट्रेनिंग एरर नहीं है, बल्कि इन मॉडल्स के काम करने का एक मौलिक नियम है।

1. "स्मार्ट बनाम डम्ब" टेस्ट

प्रयोग: उन्होंने एक "स्मार्ट" गेट के साथ एक AI को और दूसरे को "रैंडम" गेट के साथ ट्रेन किया।
परिणाम: दोनों का प्रदर्शन अंततः खराब ही रहा। स्मार्ट गेट सिक्के उछालने वाले गेट से बेहतर नहीं हो सका।
निष्कर्ष: AI को गेट की आवश्यकता नहीं थी; उसे बस एक गेट की आवश्यकता थी ताकि वह उसके अनुकूल ढल सके।

2. "जीरो सिग्नल" टेस्ट

प्रयोग: उन्होंने गेट को "हार्ड" (कठोर हाँ/ना निर्णय) बनाने की कोशिश की। गणितीय रूप में, यह गेट को शून्य "ग्रेडिएंट्स" (सुधार के लिए कोई फीडबैक नहीं) देता है।
परिणाम: गेट में कोई सुधार नहीं हुआ।
निष्कर्ष: भले ही गेट (सॉफ्ट वर्जन में) सीख सकता था, लेकिन उसमें बहुत कम सुधार हुआ। जब वह सीख नहीं सकता था (हार्ड वर्जन), तब भी वह उतना ही बुरा था। बाधा गणित में नहीं है; बाधा यह है कि AI सिग्नल को बहुत तेज़ी से सोख लेता है।

3. "डिस्टिलेशन" टेस्ट (सबसे महत्वपूर्ण)

प्रयोग: उन्होंने एक ऐसा AI लिया जो पहले से ही बिना किसी गेट के (एक "डेंस" मॉडल) प्रशिक्षित था। फिर, उन्होंने AI को फ्रीज (स्थिर) कर दिया और केवल गेट को ट्रेन किया।
परिlet: गेट एक जीनियस बन गया! उसने केवल 1,000 स्टेप्स में बेहतरीन किताबें चुनना सीख लिया।
विपरीत स्थिति: जब उन्होंने गेट को AI के साथ सीखते हुए (ट्रेनिंग के दौरान) आज़माया, तो गेट विफल रहा।
निष्कर्ष: गेट सीख सकता है, लेकिन केवल तभी जब AI स्थिर रहे। यदि गेट के सीखने के दौरान AI हिलता-डुलता रहता है, तो AI समस्या को छिपाने के लिए अपना आकार बदल लेता है, और गेट कभी भी इसे समझ नहीं पाता।

4. "रैंडम नॉइज़" टेस्ट

प्रयोग: उन्होंने AI को अनुकूलित होने से रोकने के लिए हर सेकंड गेट के नियमों को रैंडम तरीके से बदलने की कोशिश की (जैसे अन्य AI विधियों में "ड्रॉपआउट")।
परिणाम: AI अपने काम में बहुत बुरा हो गया।
निष्कर्ष: रैंडम शोर ने AI को मजबूत बनाने के बजाय, उसके आंतरिक ढांचे को तोड़ दिया। AI ने अराजकता से बचने के लिए अपने अटेंशन को "फ्लैटन" (सपाट) करना सीख लिया, जिससे उसकी तीक्ष्ण और स्मार्ट एकाग्रता खो गई।

ऐसा क्यों होता है? (आकार का अंतर)

पेपर इसकी तुलना Mixture-of-Experts (MoE) मॉडल्स से करता है, जहाँ एक राउटर डेटा को अलग-अलग "एक्सपर्ट" सब-नेटवर्क्स में भेजता है। MoE में, रैंडम रूटिंग अक्सर स्मार्ट रूटिंग के समान ही प्रभावी होती है क्योंकि एक्सपर्ट्स आत्मनिर्भर होते हैं।

लेकिन अटेंशन (इस पेपर का केंद्र) में, समस्या अधिक गंभीर है।

MoE: एक्सपर्ट्स अलग-अलग कमरों की तरह हैं। यदि राउटर आपको गलत कमरे में भेज देता है, तो उस कमरे को खुद स्थिति संभालनी पड़ती है।
अटेंशन: "एक्सपर्ट्स" (Q/K/V भाग) पूरे भवन में साझा (Shared) होते हैं। यदि राउटर गड़बड़ी करता है, तो पूरा भवन अपना भार संतुलित करने के लिए शिफ्ट हो सकता है। क्योंकि AI के पास गेट की तुलना में 80 गुना अधिक "मांसपेशियां" (पैरामीटर्स) हैं, वह हमेशा खींचतान में जीत जाता है।

समाधान: उन्हें एक साथ ट्रेन न करें

पेपर निष्कर्ष निकालता है कि आप गेट और AI को एक साथ ट्रेन नहीं कर सकते।

गलत तरीका: गेट और AI को एक ही समय में ट्रेन करना। AI गेट के सिग्नल को सोख लेगा, और गेट कुछ नहीं सीख पाएगा।
सही तरीका (Post-Hoc):
1. AI को परफेक्ट होने के लिए ट्रेन करें (Dense training)।
2. AI को फ्रीज (Freeze) कर दें (उसे बदलने से रोक दें)।
3. फिर गेट को यह सीखने के लिए ट्रेन करें कि AI को कैसे विभाजित किया जाए।

क्योंकि AI फ्रीज है, वह गेट को "सोख" नहीं सकता। गेट को वास्तव में संरचना को समझना होगा, और वह इसे बहुत तेज़ी और प्रभावी ढंग से करता है।

एक वाक्य में सारांश

एक AI को उसके साथ एक "गेट" को ट्रेन करके कुशल बनाना, एक छोटे कंडक्टर को एक विशाल ऑर्केस्ट्रा का नेतृत्व करना सिखाने जैसा है; ऑर्केस्ट्रा इतना बड़ा और लचीला है कि वह कंडक्टर जो कुछ भी करने की कोशिश करेगा, वह बस उसी के अनुसार बजने लगेगा, जिससे कंडक्टर के वास्तविक चुनाव अप्रासंगिक हो जाते हैं। एक अच्छा कंडक्टर पाने के लिए, आपको पहले ऑर्केस्ट्रा को अपना संगीत सीखने देना होगा, और फिर कंडक्टर को यह सिखाना होगा कि प्रदर्शन को कैसे छोटा किया जाए।

यहाँ केस्टन एक्विनो-माइकल्स के शोध पत्र "Routing Absorption in Sparse Attention: Why Random Gates Are Hard to Beat" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एंड-टू-एंड स्पार्स अटेंशन ट्रेनिंग (end-to-end sparse attention training) की एक महत्वपूर्ण विफलता को संबोधित करता है। सैद्धांतिक रूप से, ट्रांसफॉर्मर में अटेंशन मैकेनिज्म अत्यधिक केंद्रित (concentrated) होते हैं (कीज़ का एक छोटा समूह अधिकांश अटेंशन मास को कैप्चर करता है), जो यह सुझाव देता है कि एक हल्का सीखा हुआ गेट (learned gate) आसानी से सबसे महत्वपूर्ण टोकन की पहचान कर सकता है और उन्हें बनाए रख सकता है।

हालाँकि, व्यवहार में, जब स्पार्स अटेंशन को मॉडल के साथ संयुक्त रूप से (end-to-end) प्रशिक्षित किया जाता है, तो सीखा हुआ गेटिंग मैकेनिज्म फ्रोज़न रैंडम गेट्स (frozen random gates) से बेहतर प्रदर्शन करने में विफल रहता है। यह शोध पत्र यह तर्क देता है कि यह खराब गेट आर्किटेक्चर या अपर्याप्त प्रशिक्षण के कारण नहीं है, बल्कि रूटिंग एब्जॉर्प्शन (Routing Absorption) नामक एक घटना के कारण है।

मुख्य परिकल्पना (Core Hypothesis): मॉडल की विशाल पैरामीटर संख्या (विशेष रूप से Query/Key/Value प्रोजेक्शन) किसी भी आरोपित मास्क की भरपाई करने के लिए सह-अनुकूलित (co-adapt) हो जाती है। गेट का सिग्नल Q/K/V रिप्रेजेंटेशन में "अवशोषित" (absorbed) हो जाता है, जिससे गेट के विशिष्ट रूटिंग निर्णय अप्रासंगिक हो जाते हैं। फलस्वरूप, मॉडल किसी विशिष्ट महत्वपूर्ण टोकन को चुनने के बजाय, किसी भी मास्क (यहाँ तक कि रैंडम मास्क भी) के साथ कार्य करने के लिए सीख जाता है।

2. कार्यप्रणाली और प्रयोगात्मक सेटअप (Methodology & Experimental Setup)

लेखकों ने एक 31M-पैरामीटर ट्रांसफॉर्मर (6 लेयर्स, 256-डिमेंशन, 4 हेड्स) का उपयोग करके नियंत्रित प्रयोग किए, जिसे WikiText-103 पर प्रशिक्षित किया गया था, और Qwen3-1.7B (55 गुना बड़े पैमाने पर) पर प्रारंभिक सत्यापन किया गया।

गेट आर्किटेक्चर: एक हल्का बाइलिनियर गेट ( $d_{gate}=32$ ) जो लगभग 393K पैरामीटर (~1.3%) जोड़ता है।
ट्रेनिंग रिजीम्स (Training Regimes):
- एंड-टू-एंड (End-to-End): गेट और Q/K/V प्रोजेक्शन संयुक्त रूप से प्रशिक्षित।
- पोस्ट-हॉक (Post-hoc): Q/K/V फ्रोज़न; केवल गेट को प्रशिक्षित किया गया (डिस्टिलेशन)।
- गेट-ओनली (Gate-Only): Q/K/V फ्रोज़न; गेट को अभिसरण (convergence) तक प्रशिक्षित किया गया।
प्रमुख तुलनाएँ: लर्नड गेट्स बनाम फ्रोज़न रैंडम गेट्स बनाम ऑरेकल मास्क बनाम स्टोकेस्टिक मास्किंग।

3. प्रमुख योगदान और साक्ष्य (Key Contributions & Evidence)

शोध पत्र रूटिंग एब्जॉर्प्शन को प्रदर्शित करने वाले चार स्वतंत्र साक्ष्य प्रस्तुत करता है:

A. लर्नड गेट्स ≈ रैंडम गेट्स (सॉफ्ट गेटिंग)

प्रयोग: 50,000 स्टेप्स के लिए डिफरेंशिएबल सॉफ्ट गेटिंग के साथ मॉडल को एंड-टू-एंड प्रशिक्षित किया गया।
परिणाम: सीखे हुए गेट ने 48.73 की परप्लेक्सिटी (perplexity) प्राप्त की, जबकि एक फ्रोज़न रैंडम गेट ने 49.83 प्राप्त की। अंतर केवल 2.2% था।
निहितार्थ: 50,000 स्टेप्स के ग्रेडिएंट अपडेट के बावजूद, गेट ने लगभग कुछ भी नहीं सीखा। Q/K/V प्रोजेक्शन मास्क की उपस्थिति के प्रति इतने प्रभावी ढंग से अनुकूलित हो गए कि मास्क की सामग्री अप्रासंगिक हो गई। गेट ने रैंडम रूटिंग की तुलना में संभावित सुधार का केवल 9% ही कैप्चर किया।

B. हार्ड टॉप-K में ज़ीरो ग्रेडिएंट (Zero Gradient in Hard Top-K)

प्रयोग: हार्ड टॉप-k गेटिंग (नॉन-डिफरेंशिएबल) का उपयोग किया गया।
परिणाम: लर्नड गेट्स और रैंडम गेट्स समान रूप से प्रदर्शन करते हैं (71.22 vs 71.24 PPL)।
निहितार्थ: हालांकि हार्ड गेटिंग में ज़ीरो ग्रेडिएंट मिलता है (एक ज्ञात समस्या), यह तथ्य कि सॉफ्ट गेटिंग (जो ग्रेडिएंट प्राप्त करती है) भी रैंडम गेट से बेहतर प्रदर्शन करने में विफल रही, यह दर्शाता है कि बाधा ग्रेडिएंट फ्लो नहीं है, बल्कि सह-अनुकूलित Q/K/V लेयर्स द्वारा सिग्नल का अवशोषण है।

C. डिस्टिलेशन कंट्रास्ट (सह-अनुकूलन का प्रमाण)

प्रयोग: एक गेट को दो अलग-अलग चेकपॉइंट्स पर प्रशिक्षित किया गया:
1. डेंस-ट्रेन्ड Q/K/V: जिसने कभी मास्क नहीं देखा।
2. को-एडाप्टेड Q/K/V: एंड-टू-एंड सॉफ्ट गेटिंग के साथ प्रशिक्षित।
परिणाम:
- Dense Q/K/V पर, गेट ने उच्च F1 और कम परप्लेक्सिटी (48.6) प्राप्त की।
- Co-adapted Q/K/V पर, वही गेट उच्च F1 (सही टोकन की भविष्यवाणी करना) प्राप्त करने के बावजूद विनाशकारी परप्लेक्सिटी (601.6) प्राप्त करता है।
निहितार्थ: को-एडाप्टेड Q/K/V रिप्रेजेंटेशन सिग्मॉइड मास्क के फंक्शनल फॉर्म पर निर्भर हो गए, न कि केवल चयनित टोकन पर। हार्ड मास्क (सही टोकन के साथ भी) में स्विच करने से मॉडल टूट गया। यह सिद्ध करता है कि जब मॉडल को-एडाप्टेड नहीं होता है, तब भी रिप्रेजेंटेशन "मास्क-अग्नोस्टिक" (mask-agnostic) होते हैं।

D. स्टोकेस्टिक मास्किंग विफल रहती है (Stochastic Masking Fails)

प्रयोग: को-एडेप्टेशन को रोकने के लिए रैंडम मास्क ड्रॉपआउट (हर फॉरवर्ड पास में मास्क को रैंडमाइज करना) के साथ प्रशिक्षित किया गया।
परिणाम: मॉडल काफी खराब हो गया (डिप्लॉयमेंट के समय बिना मास्क के भी 78.2 PPL)।
निहितार्थ: फीचर ड्रॉपआउट के विपरीत, अटेंशन मास्क को रैंडमाइज करना अटेंशन स्ट्रक्चर को रेगुलराइज करने के बजाय उसे नष्ट कर देता है। मॉडल ने शोर (noise) से बचने के लिए अपने अटेंशन डिस्ट्रीब्यूशन को फ्लैट कर दिया, जिससे स्पार्स अटेंशन के लिए आवश्यक केंद्रित सिग्नल का बलिदान हो गया।

4. तंत्र: पैरामीटर एसिमेट्री (Mechanism: Parameter Asymmetry)

शोध पत्र रूटिंग एब्जॉर्प्शन का श्रेय पैरामीटर एसिमेट्री को देता है:

अनुपात: मॉडल के पास ~31M पैरामीटर हैं, जबकि गेट के पास ~393K हैं (एक 80:1 का अनुपात)।
डायनामिक्स: विशाल कंप्यूट सबस्ट्रेट (Q/K/V) के पास गेट की सीमाओं की भरपाई करने के लिए गेट की तुलना में 80 गुना अधिक डिग्री ऑफ फ्रीडम है।
स्केल प्रभाव: Qwen3-1.7B पर प्रयोगों ने पुष्टि की कि यह स्केल पर और तीव्र हो जाता है। यहाँ तक कि जब केवल एक सिंगल लेयर के Q/K/V को अनफ्रीज़ किया गया, तब भी लर्नड गेट ने रैंडम गेट की तुलना में शून्य लाभ दिया। जैसे-जैसे अधिक लेयर्स को अनफ्रीज़ किया गया, लर्नड और रैंडम गेट्स के बीच का अंतर 31.6 PPL (पोस्ट-हॉक) से घटकर 6.9 PPL रह गया, जो दर्शाता है कि को-एडेप्टेशन क्षमता ही एब्जॉर्प्शन को संचालित करती है।

5. महत्व और निहितार्थ (Significance & Implications)

स्पार्स अटेंशन विधियों के लिए

एंड-टू-एंड ट्रेनिंग दोषपूर्ण है: लर्नड, प्रति-क्वेरी टोकन-लेवल गेटिंग पर निर्भर विधियाँ (हालिया स्पार्स अटेंशन पेपर्स) संभवतः रूटिंग एब्जॉर्प्शन से पीड़ित हैं। "लर्नड" रूटिंग दावा किए गए से बहुत कम योगदान दे सकती है क्योंकि मॉडल इसकी भरपाई कर लेता है।
सिफारिश: स्पार्स अटेंशन को एक पोस्ट-ट्रेनिंग कंप्रेशन स्टेप (पोस्ट-होक डिस्टिलेशन) के रूप में माना जाना चाहिए, न कि एंड-टू-एंड ऑब्जेक्टिव के रूप में। गेट को रिप्रेजेंटेशन लर्निंग से अलग करने से एब्जॉर्प्शन को रोका जा सकता है।
एब्लेशन चेक: कोई भी विधि जो लर्नड रूटिंग लाभ का दावा करती है, उसका रैंडम रूटिंग के विरुद्ध एब्लेशन किया जाना चाहिए। यदि रैंडम रूटिंग समान प्रदर्शन करती है, तो एब्जॉर्प्शन हो रहा है।

मिक्स्चर-ऑफ-एक्सपर्ट्स (MoE) के लिए

सादृश्य (Analogy): यह घटना MoE में रूटिंग एब्जॉर्प्शन (जहाँ एक्सपर्ट्स रैंडम राउटर के प्रति को-एडाप्ट होते हैं) को दर्शाती है।
अंतर: अटेंशन में यह संरचनात्मक रूप से अधिक गंभीर है। MoE में, एक्सपर्ट्स स्व-निहित मॉड्यूल होते हैं। अटेंशन में, साझा Q/K/V पैरामीटर्स क्रॉस-लेयर कंपनसेशन की अनुमति देते हैं, जिससे एब्जॉर्प्शन प्रभाव अधिक मजबूत और कठिन हो जाता है।

सैद्धांतिक अंतर्दृष्टि (Theoretical Insight)

डिकपलिंग सिद्धांत (Decoupling Principle): जब एक छोटा सहायक नेटवर्क (रूटर) बहुत बड़े कंप्यूट सबस्ट्रेट को नियंत्रित करता है, तो उन्हें अलग (decouple) किया जाना चाहिए। यदि उन्हें संयुक्त रूप से प्रशिक्षित किया जाता है, तो सबस्ट्रेट रूटर के सिग्नल को अवशोषित कर लेगा, जिससे रूटर के विशिष्ट निर्णय अप्रासंगिक हो जाएंगे।

निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि रूटिंग एब्जॉर्प्शन ही मुख्य कारण है कि एंड-टू-एंड स्पार्स अटेंशन विफल हो जाता है। मॉडल के Q/K/V प्रोजेक्शन किसी भी आरोपित मास्क के अनुकूल हो जाते हैं, जिससे लर्नड गेट्स रैंडम गेट्स से बेहतर नहीं रह जाते। समाधान डिकपलिंग (Decoupling) है: पहले डेंस मॉडल को प्रशिक्षित करें, फिर फ्रोज़न रिप्रेजेंटेशन पर एक स्पार्स गेट को डिस्टिल करें। यह दृष्टिकोण लगभग ऑरेकल प्रदर्शन प्राप्त करता है क्योंकि यह उस को-एडेप्टेशन को रोकता है जो एब्जॉर्प्शन का कारण बनता है।