Citation-Enforced RAG for Fiscal Document Intelligence: Cited, Explainable Knowledge Retrieval in Tax Compliance
यह शोध पत्र एक मल्टीमॉडल, साइटेशन-अनिवार्य रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) फ्रेमवर्क प्रस्तुत करता है जिसे टैक्स अनुपालन में व्याख्यात्मकता और ऑडिटेबिलिटी को बढ़ाने के लिए डिज़ाइन किया गया है, जो वित्तीय दस्तावेज़ विश्लेषण में मतिभ्रम (hallucinations) को कम करने के लिए स्रोत निष्ठा, पृष्ठ-स्तरीय प्रोवेनेंस और साक्ष्य-आधारित परहेज को प्राथमिकता देता 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
मुख्य विचार: "सख्त लाइब्रेरियन" बनाम "बातूनी कहानीकार"
कल्पना कीजिए कि आप एक बहुत ही जटिल टैक्स नियम को समझने की कोशिश कर रहे हैं। आपके पास सरकारी दस्तावेजों (फॉर्म, निर्देश, कानून) का एक विशाल पुस्तकालय है जो अक्सर अस्त-व्यस्त, तालिकाओं (tables) से भरा और भ्रमित करने वाली भाषा में लिखा होता है।
- पुराना तरीका (स्टैंडर्ड AI): कल्पना कीजिए कि आप अपना सवाल पूछने के लिए एक बहुत ही बुद्धिमान, बातूनी कहानीकार से मदद मांग रहे हैं। उन्हें बहुत कुछ पता है, लेकिन वे आत्मविश्वास दिखाने के लिए कभी-कभी मनगढ़ंत बातें भी बना लेते हैं। यदि उन्हें उत्तर नहीं पता होता, तो वे एक विश्वसनीय लगने वाली कहानी गढ़ सकते हैं। टैक्स कानून में यह खतरनाक है क्योंकि एक गलत नियम आपको मुसीबत में डाल सकता है।
- नया तरीका (इस पेपर का समाधान): यह पेपर एक "सख्त लाइब्रेरियन" (Strict Librarian) AI पेश करता है। इस AI को तब तक बोलने की अनुमति नहीं है जब तक कि वह उस सटीक पन्ने की ओर इशारा न कर सके जहाँ उत्तर लिखा है। यदि लाइब्रेरी में उत्तर नहीं है, तो लाइब्रेरियन अनुमान लगाने के बजाय कहता है, "मुझे नहीं पता।"
मूल समस्या: वर्तमान AI टैक्स के मामले में क्यों विफल होता है
वर्तमान AI टूल्स निबंध लिखने या समाचारों का सारांश देने में बहुत अच्छे हैं। लेकिन जब आप उनसे टैक्स के बारे में पूछते हैं, तो वे "हैलुसिनेशन" (hallucinate) करने लगते हैं (यानी गलत जानकारी को सच की तरह पेश करते हैं)।
इसे ऐसे समझें: यदि आप एक स्टैंडर्ड AI से पूछते हैं, "क्या मैं अपने पालतू हैम्स्टर को बिजनेस खर्च के रूप में दिखा सकता हूँ?", तो वह कह सकता है, "हाँ, यदि आप इसका उपयोग डिलीवरी के लिए करते हैं," क्योंकि वह मददगार होने की कोशिश कर रहा है और आत्मविश्वास से भरा हुआ लग रहा है। लेकिन वास्तव में, टैक्स कोड कहता है "नहीं।"
वास्तविक दुनिया में, टैक्स अधिकारियों को प्रमाण (proof) चाहिए होता है। उन्हें यह जानने की जरूरत है कि ठीक कौन सा वाक्य, किस दस्तावेज़ में उस उत्तर का समर्थन करता है। स्टैंडर्ड AI अक्सर आपको उत्तर तो दे देता है लेकिन अपना "होमवर्क" दिखाना भूल जाता है।
समाधान: "सोर्स-फर्स्ट" सिस्टम (Source-First System)
लेखकों ने इसे ठीक करने के लिए तीन मुख्य नियम बनाए हैं। यहाँ बताया गया है कि वे कैसे काम करते हैं, एक जासूस (Detective) के उदाहरण के साथ:
1. सोर्स-फर्स्ट इनजेशन (द "रॉ एविडेंस" नियम)
अधिकांश AI सिस्टम एक दस्तावेज़ लेते हैं, उसका सारांश (summary) बनाते हैं, और फिर उस सारांश को स्टोर करते हैं।
- खामी: यदि AI ने किसी टेबल का सारांश गलत बना दिया, तो वह सारांश हमेशा के लिए गलत हो जाएगा। यह एक ऐसे जासूस की तरह है जो गवाह की बात को अपने शब्दों में लिख लेता है और फिर भूल जाता है कि गवाह ने वास्तव में क्या कहा था।
- समाधान: यह सिस्टम एक ऐसे जासूस की तरह काम करता है जो केवल मूल सबूतों की फोटोकॉपी रखता है। यह पहले दस्तावेजों का सारांश नहीं बनाता। यह दस्तावेजों को छोटे-छोटे हिस्सों (जैसे व्यक्तिगत पन्ने या पैराग्राफ) में तोड़ देता है और मूल टेक्स्ट को बरकरार रखता है। यह सुनिश्चित करता है कि यदि AI कोई दावा करता है, तो वह उस सटीक फोटोकॉपी की ओर इशारा कर सके जहाँ से वह दावा आया है।
2. साइटेशन एनफोर्समेंट (द "अपना काम दिखाओ" नियम)
जब AI किसी सवाल का जवाब देता है, तो उसे सिर्फ "हाँ" या "ना" कहने की अनुमति नहीं होती।
- नियम: AI द्वारा लिखी गई हर एक पंक्ति के साथ एक फुटनोट होना चाहिए, जैसे: "IRS फॉर्म 1040, पेज 12, सेक्शन B के अनुसार।"
- उपमा: एक छात्र की कल्पना करें जो परीक्षा दे रहा है। यदि वह बिना गणित का काम (math work) दिखाए उत्तर लिखता है, तो उसे शून्य अंक मिलते हैं। यह सिस्टम AI को हर दावे के लिए "अपना काम दिखाने" के लिए मजबूर करता है। यदि वह किसी वाक्य के लिए स्रोत नहीं ढूंढ पाता, तो उसे वह वाक्य लिखने की अनुमति नहीं है।
3. "एब्स्टेंशन" मैकेनिज्म (द "मुझे नहीं पता" बटन)
सुरक्षा के लिए यह सबसे महत्वपूर्ण हिस्सा है।
- समस्या: स्टैंडर्ड AI हर चीज़ का जवाब देने का दबाव महसूस करता है। यदि आप उससे ऐसा सवाल पूछते हैं जो दस्तावेजों में कवर नहीं किया गया है, तो वह फिर भी अनुमान लगाने की कोशिश करेगा।
- समाधान: इस सिस्टम में एक इन-बिल्ट "स्टॉप" बटन है। यदि AI लाइब्रेरी में देखता है और दस्तावेज़ स्पष्ट रूप से प्रश्न का उत्तर नहीं देते हैं, तो वह उत्तर देने से इनकार कर देता है।
- उपमा: एक अदालत में जज की कल्पना करें। यदि सबूत मौजूद नहीं हैं, तो एक अच्छा जज अनुमान नहीं लगाता; वे केस को खारिज कर देते हैं या मिसाल (mistrial) घोषित करते हैं। यह AI भी वैसा ही करता है। यह गलत उत्तर देने के बजाय यह कहना पसंद करेगा कि, "मैं इसका उत्तर नहीं दे सकता क्योंकि दस्तावेज़ों में यह नहीं दिया गया है।"
यह वास्तविक जीवन में कैसे काम करता है
शोधकर्ताओं ने इस सिस्टम का परीक्षण IRS (फेडरल) और कैलिफोर्निया और न्यूयॉर्क के टैक्स बोर्डों के वास्तविक टैक्स दस्तावेजों का उपयोग करके किया।
- इनपुट: उन्होंने सिस्टम में 298 वास्तविक टैक्स दस्तावेज़ (फॉर्म, निर्देश, गाइड) डाले।
- टेस्ट: उन्होंने सिस्टम से 55 वास्तविक सवाल पूछे जो एक टैक्स एनालिस्ट पूछ सकता है, जैसे "कैलिफोर्निया के रेजिडेंसी नियम क्या हैं?"
- परिणाम:
- सटीकता (Accuracy): 94.5% बार, AI का उत्तर उन दस्तावेजों द्वारा पूरी तरह समर्थित था जिनका उसने हवाला दिया था।
- हैलुसिनेशन (Hallucinations): इसने लगभग कभी मनगढ़ंत बातें नहीं बनाईं (केवल 1.8% बार)।
- कब रुकना है यह जानना: जब उत्तर दस्तावेजों में नहीं था, तो सिस्टम ने 88% बार सही ढंग से कहा "मुझे नहीं पता।"
- उपयोगिता: मानव विशेषज्ञों ने उत्तरों को बहुत उपयोगी (5 में से 4.2 स्टार) बताया क्योंकि वे आसानी से स्रोतों को सत्यापित कर सकते थे।
यह क्यों महत्वपूर्ण है
यह पेपर केवल एक "स्मार्टर" AI बनाने के बारे में नहीं है; यह एक जिम्मेदार AI बनाने के बारे में है।
चिकित्सा, कानून और टैक्स जैसे क्षेत्रों में, "लगभग सही" होना काफी नहीं है। आपको प्रमाणित (provable) होना चाहिए। यह सिस्टम साबित करता है कि हम जटिल दस्तावेजों को पढ़ने के लिए शक्तिशाली AI का उपयोग कर सकते हैं, लेकिन हमें इसे एक "सख्त लाइब्रेरियन" बनने के लिए मजबूर करना होगा जो बिना स्रोत के कभी नहीं बोलता और अनिश्चित होने पर कभी अनुमान नहीं लगाता।
संक्षेप में: यह AI को एक "आत्मविश्वासी अनुमान लगाने वाले" से बदलकर एक "सावधान शोधकर्ता" में बदल देता है जो हमेशा अपने सबूत (receipts) दिखाता 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।