CVPD at QIAS 2026: RAG-Guided LLM Reasoning for Al-Mawarith Share Computation and Heir Allocation
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) पाइपलाइन प्रस्तुत करता है जो इस्लामी विरासत के हिस्सों की गणना करने और उन्हें वारिसों के बीच आवंटित करने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए नियम-आधारित सिंथेटिक डेटा, क्रॉस-एनकोडर रीरैंकिंग के साथ हाइब्रिड रिट्रीवल, और स्कीमा-प्रतिबंधित सत्यापन को जोड़ता है, जिससे QIAS 2026 लीडरबोर्ड पर प्रथम स्थान सुरक्षित हुआ 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
यहाँ एक शोध पत्र (paper) का स्पष्टीकरण है, जिसे अकादमिक शब्दावली से बदलकर एक ऐसी कहानी में अनुवादित किया गया है जिसे आप कॉफी पीते समय समझ सकें।
बड़ी समस्या: "गणितीय" पारिवारिक रेसिपी
कल्पना कीजिए कि एक पारिवारिक समारोह में एक दादाजी का निधन हो गया है। 20 रिश्तेदार आए हैं, और सभी हिस्से का दावा कर रहे हैं। लेकिन एक पेच है: इस्लामी उत्तराधिकार कानून (Islamic Inheritance Law) केवल पाई (pie) को समान रूप से बांटने के बारे में नहीं है। यह एक अविश्वसनीय रूप से जटिल, बहु-चरणीय रेसिपी है।
- कौन शामिल है? (कुछ रिश्तेदारों को विरासत से रोका जाता है यदि कोई करीबी रिश्तेदार मौजूद हो)।
- किसे एक निश्चित हिस्सा मिलता है? (पत्नियों, माता-पिता और बेटियों के लिए विशिष्ट, अपरिवर्तनीय प्रतिशत होते हैं)।
- बचे हुए हिस्से को किसे मिलता है? (बाकी हिस्सा बेटों या भाइयों को जाता है)।
- "मैथ ग्लिच" (गणितीय त्रुटि): कभी-कभी निश्चित हिस्से 100% से अधिक जुड़ जाते हैं (पाई बहुत छोटी है), या 100% से कम होते हैं (पाई का कुछ हिस्सा बच जाता है)। इन गणितीय त्रुटियों को ठीक करने के लिए कानून के पास विशेष नियम हैं।
कंप्यूटरों के लिए चुनौती यह है कि यह केवल एक कहानी को "पढ़ना" नहीं है; यह एक तर्क पहेली (logic puzzle) को हल करना है जहाँ गणित या नियमों में एक छोटी सी गलती भी पूरे उत्तर को खराब कर देती है।
समाधान: "सुपर लाइब्रेरियन" + "स्ट्रिक्ट एडिटर"
टीम (CVPD) ने QIAS 2026 नामक प्रतियोगिता जीतने के लिए एक सिस्टम बनाया। उन्होंने केवल एक रोबोट को उत्तर का "अनुमान" लगाने के लिए प्रशिक्षित नहीं किया। इसके बजाय, उन्होंने तीन भागों वाली एक टीम बनाई:
1. सिंथेटिक शेफ (डेटा जनरेटर)
रोबोट को सिखाने से पहले, उन्हें एहसास हुआ कि उन्हें वास्तविक दुनिया में मौजूद अभ्यास समस्याओं से कहीं अधिक समस्याओं की आवश्यकता है।
- उपमा: कल्पना कीजिए कि एक शेफ जो न केवल असली भोजन बनाता है बल्कि कंप्यूटर का उपयोग करके 1,00,000 नकली लेकिन सटीक रेसिपी भी तैयार करता है।
- उन्होंने क्या किया: उन्होंने एक सख्त कंप्यूटर प्रोग्राम (एक "सिंबोलिक कैलकुलेटर") लिखा जो सटीक कानूनी नियमों का पालन करता था ताकि नकली पारिवारिक परिदृश्य और उनके सटीक समाधान बनाए जा सकें। इसने AI को सीखने के लिए "सही उत्तरों" का एक विशाल पुस्तकालय दिया, जिससे यह सुनिश्चित हुआ कि बोलने की कोशिश करने से पहले वह गणित को पूरी तरह से समझ ले।
2. सुपर लाइब्रेरियन (RAG सिस्टम)
जब AI को कोई वास्तविक प्रश्न मिलता है, तो वह केवल अपनी याददाश्त पर निर्भर नहीं रहता। वह एक सुपर लाइब्रेरियन की तरह कार्य करता है।
- उपमा: यदि आप एक सामान्य लाइब्रेरियन से कोई प्रश्न पूछते हैं, तो वह अपनी याददाश्त के आधार पर अनुमान लगा सकता है। यदि आप सुपर लाइब्रेरियन से पूछते हैं, तो वह तुरंत अलमारियों की ओर दौड़ता है, सबसे प्रासंगिक 5 किताबें निकालता है, और आपको पढ़ने के लिए देने से पहले उन्हें आपके हाथ में थमा देता है।
- यह कैसे काम करता है: सिस्टम ने दो खोज विधियों (एक शब्दों के अर्थ के लिए और एक सटीक शब्दों के लिए) का उपयोग किया ताकि उनके पुस्तकालय में सबसे समान पिछले मामलों को खोजा जा सके। फिर इसने एक "क्रॉस-एनकोडर" (एक स्मार्ट फ़िल्टर) का उपयोग किया ताकि AI को दिखाने के लिए सबसे अच्छे उदाहरणों को चुना जा सके। यह सुनिश्चित करता है कि AI बोलने से पहले सही "पूर्ववृत्तों" (precedents) को देख रहा है।
3. स्ट्रिक्ट एडिटर (वैलिडेटर)
यही असली सफलता का मंत्र है। सबसे स्मार्ट AI भी लापरवाह हो सकता है। वह एक कॉमा भूल सकता है, एक नाम छोड़ सकता है, या उसका गणित 101% हो सकता है।
- उपमा: एक सख्त संपादक की कल्पना करें जो तब तक समाचार पत्र नहीं छापता जब तक कि हर हेडलाइन टेम्पलेट में फिट न हो, हर नंबर ठीक 100% न हो, और हर नाम सही ढंग से न लिखा गया हो। यदि AI कोई गलती करता है, तो संपादक उसे ठीक करता है या खारिज कर देता है।
- उन्होंने क्या किया: उन्होंने एक "सुरक्षा जाल" बनाया जो AI के आउटपुट की एक कठोर चेकलिस्ट के विरुद्ध जांच करता है। क्या इसने सभी वारिसों को सूचीबद्ध किया? क्या गणित सही है? क्या प्रारूप (format) सही है? यदि नहीं, तो यह स्वचालित रूप से इसे ठीक करता है।
परिणाम: दौड़ जीतना
प्रतियोगिता (QIAS 2026) कानूनी AI के लिए ओलंपिक की तरह थी।
- स्कोर: उन्होंने 0.935 (1.0 में से) स्कोर किया।
- रैंकिंग: उन्होंने प्रथम स्थान प्राप्त किया।
- वे क्यों जीते: अन्य टीमों ने बड़े मॉडल का उपयोग करके AI को "स्मार्टर" बनाने की कोशिश की। जीतने वाली टीम ने महसूस किया कि कच्चे बुद्धिमत्ता (raw intelligence) से अधिक विश्वसनीयता (reliability) मायने रखती है। उन्हें सही उदाहरणों का पुस्तकालय (Retrieval) और अपने होमवर्क की जांच करने के लिए एक सख्त संपादक (Validation) देकर, उन्होंने किसी भी अन्य टीम से बेहतर तरीके से इस समस्या को हल किया।
"अहा!" क्षण (मुख्य निष्कर्ष)
- "वेब" पर भरोसा न करें: जब टीम ने उत्तर खोजने के लिए खुले इंटरनेट का परीक्षण किया, तो AI गलत जानकारी से भ्रमित हो गया। उनके अपने क्यूरेटेड, परफेक्ट PDF (केवल अच्छी किताबों वाला "सुपर लाइब्रेरियन") खोजना 100% बेहतर रहा।
- "भाषा" से कठिन "गणित" है: AI अरबी शब्दों को समझने में बहुत अच्छा था। समस्या तर्क (logic) की थी। त्रुटियाँ इसलिए नहीं थीं क्योंकि AI भाषा नहीं जानता था; बल्कि इसलिए थीं क्योंकि वह गणित या ब्लॉकिंग नियमों को गलत कर रहा था।
- इंजीनियरिंग > जादू: आपको सब कुछ जानने वाले "जादुई" AI की आवश्यकता नहीं है। आपको एक सुव्यवस्थित मशीन की आवश्यकता है जो अपने काम की जांच करे, सही संदर्भों का उपयोग करे और नियमों का सख्ती से पालन करे।
संक्षेप में
टीम ने केवल एक स्मार्ट रोबोट नहीं बनाया; उन्होंने एक रेफरेंस मैनुअल और एक सख्त बॉस वाला रोबोट बनाया। एक विशाल और सटीक कानूनी उदाहरणों के पुस्तकालय को एक ऐसे सिस्टम के साथ जोड़ने से, जो उसके गणित की दोबारा जांच करता है, वे इस्लामी उत्तराधिकार की पहेलियों को हल करने में दुनिया के सर्वश्रेष्ठ बन गए।
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।