OneSearch-V2: The Latent Reasoning Enhanced Self-distillation Generative Search Framework
यह शोध पत्र OneSearch-V2 को प्रस्तुत करता है, जो एक लेटेंट रीजनिंग-एन्हांस्ड सेल्फ-डिस्टिलेशन जेनेरेटिव सर्च फ्रेमवर्क है जो तीन प्रमुख नवाचारों के माध्यम से क्वेरी की समझ में सुधार करता है, सटीक उपयोगकर्ता इरादों को उजागर करता है और व्यक्तिगत प्राथमिकताओं के साथ संरेखित होता है, जिसके परिणामस्वरूप ई-कॉमर्स सर्च में इन्फरेंस लागत बढ़ाए बिना महत्वपूर्ण ऑफलाइन और ऑनलाइन प्रदर्शन लाभ प्राप्त होते हैं।
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 विशाल, अराजक डिजिटल डिपार्टमेंटल स्टोर (जैसे कुआईशौ का मॉल) में खरीदारी कर रहे हैं। आप एक सर्च क्वेरी टाइप करते हैं, और स्टोर का "AI शॉप असिस्टेंट" यह अनुमान लगाने की कोशिश करता है कि आप क्या खरीदना चाहते हैं।
पुराना असिस्टेंट (OneSearch V1) अच्छा था, लेकिन इसमें तीन बड़ी समस्याएं थीं:
- यह थोड़ा शाब्दिक (Literal) था: यदि आप पूछते "मेरी गर्लफ्रेंड के लिए उपहार," तो यह शायद केवल जेनेरिक डिब्बे दिखा देता, बजाय इसके कि यह सोचता, "ओह, उसे फूल पसंद हैं, लेकिन शायद गुलाब नहीं क्योंकि उसे एलर्जी है।"
- यह अतीत पर बहुत अधिक निर्भर था: यह केवल वही याद रखता था जो बाकी सभी लोगों ने खरीदा था, न कि वह जो विशेष रूप से अभी आप चाहते थे।
- यह एक लूप में फंस जाता था: यह बार-बार उन्हीं लोकप्रिय वस्तुओं को दिखाता रहता था, जिससे नई या विशिष्ट (niche) उत्पाद ढूंढना मुश्किल हो जाता था (सूचना का बुलबुला/information bubble)।
OneSearch-V2 नया, अपग्रेड किया गया असिस्टेंट है। यह केवल अनुमान नहीं लगाता; यह बोलने से पहले सोचता है, लेकिन यह इतनी तेज़ी से करता है कि स्टोर धीमा नहीं पड़ता।
यह कैसे काम करता है, सरल उपमाओं (analogies) का उपयोग करते हुए यहाँ दिया गया है:
1. "ब्रेनस्टॉर्मिंग" चरण (थॉट-ऑगमेंटेड क्वेरी अंडरस्टैंडिंग)
समस्या: जब आप "बारिश के दिन के लिए कुछ" जैसा अस्पष्ट प्रश्न टाइप करते हैं, तो पुराना AI केवल छतरियां खोजता था। इसने रेनकोट, हॉट चॉकलेट या आरामदायक कंबल को मिस कर दिया।
V2 समाधान: जवाब देने से पहले, AI बैकग्राउंड में एक त्वरित, अदृश्य "ब्रेनस्टॉर्मिंग सत्र" चलाता है।
- उपमा: एक शेफ की कल्पना करें जो, खाना पकाने से पहले, अपने दिमाग में एक त्वरित रेसिपी कार्ड लिखता है: "यूजर चाहता है 'बारिश का दिन' -> इसका अर्थ है: सूखा रहना (छाता), गर्म रहना (स्वेटर), या आराम (सूप)।"
- जादू: पुराने सिस्टम में, AI को यह तर्क ज़ोर से बोलना पड़ता था (जिसमें बहुत समय लगता था)। V2 में, AI उस ब्रेनस्टॉर्मिंग सत्र से केवल कीवर्ड्स निकालता है (जैसे, "छाता," "स्वेटर," "सूप") और अपने फोकस को तेज़ करने के लिए उनका उपयोग करता है। यह शेफ द्वारा बिना लिखे अपने मानसिक रेसिपी कार्ड को तुरंत पढ़ने जैसा है।
2. "शैडो ट्रेनिंग" चरण (रीज़निंग-इंटरनलाइज़्ड सेल्फ-डिस्टिलेशन)
समस्या: आमतौर पर, AI को गहराई से सोचना सिखाने के लिए, आपको उसे लंबे स्पष्टीकरण लिखने के लिए कहना पड़ता है। लेकिन लिखने में समय लगता है, और एक व्यस्त स्टोर में, आप AI के सोचने के लिए 5 सेकंड इंतज़ार नहीं कर सकते।
V2 समाधान: सिस्टम सेल्फ-डिस्टिलेशन (Self-Distillation) नामक तकनीक का उपयोग करता है।
- उपमा: एक मास्टर शेफ (शिक्षक) और उनके प्रशिक्षु (छात्र) की कल्पना करें।
- पुराना तरीका: मास्टर शेफ किसी व्यंजन को बनाने के तरीके पर 10 पन्नों का निबंध लिखता है, और छात्र हर बार उसे पढ़ता है। यह धीमा है।
- V2 तरीका: मास्टर शेफ अपने गुप्त रेसिपी नोट्स पढ़ते हुए व्यंजन पकाते हैं। प्रशिक्षु मास्टर को बिना नोट्स के खाना पकाते हुए देखता है। प्रशिक्षु मास्टर की गतिविधियों की हुबहू नकल करने की कोशिश करता है।
- परिणाम: इस तरह अभ्यास करने के बाद, प्रशिक्षु (मॉडल) रेसिपी की अंतर्ज्ञान (intuition) को सीख जाता है। अब, जब प्रशिक्षु अकेले खाना बनाता है, तो उसे अब नोट्स की आवश्यकता नहीं होती। वह बस "जानता" है कि क्या करना है। यह तुरंत होता है।
- यह क्यों मायने रखता है: AI ने तर्क को "आंतरिक रूप (internalize)" कर लिया है। उसे सोचने के लिए रुकने की आवश्यकता नहीं है; यह सोच अब उसकी मांसपेशियों की स्मृति (muscle memory) का हिस्सा बन गई है। इसका मतलब है कि यह स्मार्ट भी है और तेज़ भी।
3. "रियल-टाइम फीडबैक" चरण (बिहेवियर प्रेफरेंस एलाइनमेंट)
समस्या: पुराना सिस्टम पिछले महीने लोगों ने क्या खरीदा था, इसकी एक स्थिर रिपोर्ट से सीखता था। यदि आज कोई नया ट्रेंड शुरू होता है, तो सिस्टम को अगले महीने तक पता नहीं चलता। साथ ही, यह केवल सबसे लोकप्रिय आइटम दिखाकर "हैक" किया जा सकता था, जिससे आपके वास्तविक क्लिकों की अनदेखी होती थी।
V2 समाधान: यह मासिक रिपोर्टों का इंतज़ार करना बंद कर देता है और रियल-टाइम फुसफुसाहट (real-time whispers) को सुनता है।
- उपमा: एक वेटर की कल्पना करें जो पहले पिछले साल के "बेस्ट सेलर्स" मेनू को ही पढ़ता था। अब, वेटर आपके खाने के दौरान आपके टेबल को देखता है।
- यदि आप डेज़र्ट मेनू की ओर देखते हैं, तो वह इसे नोट करता है।
- यदि आप कॉफी ऑर्डर करते हैं, तो उसे याद रहता है कि आपको कॉफी पसंद है।
- यदि आप महंगी स्टेक को अनदेखा करते हैं लेकिन सूप खरीदते हैं, तो वह सीखता है कि आप सूप पसंद करते हैं, भले ही स्टेक "बेस्ट सेलर" हो।
- जादू: सिस्टम आपके वास्तविक क्लिक और खरीदारी के आधार पर तुरंत अपनी सिफारिशों को समायोजित करता है, जो लोकप्रिय चीज़ों और जो आप विशेष रूप से चाहते हैं, के बीच संतुलन बनाता है। यह एक "पदानुक्रमित (hierarchical)" दृष्टिकोण का भी उपयोग करता है: यह पहले श्रेणी (जैसे, "जूते") का अनुमान लगाता है, फिर शैली (जैसे, "रनिंग"), फिर ब्रांड। यदि यह पहले चरण में गलत होता है, तो यह बाकी चरणों पर समय बर्बाद करना बंद कर देता है, जिससे ऊर्जा बचती है और सटीकता में सुधार होता है।
अंतिम परिणाम
इन तीन अपग्रेडों के कारण, OneSearch-V2 एक ऐसे शॉप असिस्टेंट की तरह है जो:
- संदर्भ को समझता है (जानता है कि "बारिश का दिन" का मतलब केवल छतरियों से कहीं अधिक है)।
- तुरंत सोचता है (बिना लिखे तर्क को याद कर चुका है)।
- आपके अनुसार ढलता है (वास्तविक समय में आपकी विशिष्ट पसंद को सीखता है)।
परिणाम:
- आप जो चाहते हैं उसे तेज़ी से पाते हैं।
- आप उन नई, कूल चीज़ों को खोज पाते हैं जिनके बारे में आपको अस्तित्व भी नहीं पता था (बुलबुले को तोड़ना)।
- स्टोर अधिक बेचता है क्योंकि सुझाव वास्तव में सहायक होते हैं।
- सबसे अच्छी बात: यह सब कुछ वेबसाइट को धीमा या लैगी बनाए बिना करता है। यह एक स्मार्ट दिमाग है जो पुराने वाले के समान ही तेज़ 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।