Composer 2 Technical Report
कंपोज़र 2 (Composer 2) एक फ्रंटियर-स्तर का एजेंटिक सॉफ्टवेयर इंजीनियरिंग मॉडल है जो एक वास्तविक दुनिया के कर्सर (Cursor) वातावरण के भीतर निरंतर प्रीट्रेनिंग और बड़े पैमाने पर सुदृढीकरण लर्निंग (reinforcement learning) की दो-चरणीय प्रशिक्षण प्रक्रिया के माध्यम से SWE-bench Multilingual और Terminal-Bench जैसे बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त 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
यहाँ कंपोजर 2 (Composer 2) टेक्निकल रिपोर्ट का हिंदी अनुवाद दिया गया है:
🚀 बड़ी तस्वीर: "स्मार्ट असिस्टेंट" से "जूनियर डेवलपर" तक
कल्पना कीजिए कि आपके पास एक कोडिंग असिस्टेंट है।
- पुराने असिस्टेंट (कंपोजर 1) एक बहुत ही जानकार इंटर्न की तरह थे। वे सवालों के जवाब दे सकते थे, अगर आप उन्हें इशारा दें तो टाइपो (लिखने की गलती) ठीक कर सकते थे, और अगर आप उन्हें एक बहुत ही विशिष्ट रेसिपी दें तो एक छोटा सा फंक्शन लिख सकते थे। लेकिन अगर आप उन्हें शून्य से एक पूरा फीचर बनाने के लिए कहते, तो वे भ्रमित हो जाते, यह भूल जाते कि उन्होंने पाँच मिनट पहले क्या किया था, या हार मान लेते।
- कंपोजर 2 एक उभरते हुए जूनियर डेवलपर की तरह है। यह केवल निर्देशों का इंतज़ार नहीं करता; यह एक बिखरे हुए प्रोजेक्ट को देख सकता है, समझ सकता है कि क्या टूटा है, एक योजना बना सकता है, कोड को ठीक कर सकता है, उसका परीक्षण कर सकता है, और यहाँ तक कि डॉक्यूमेंटेशन अपडेट करने जैसे उबाऊ काम भी संभाल सकता है। यह बिना थके या अपनी जगह खोए घंटों तक काम कर सकता है।
यह पेपर समझाता है कि उन्होंने इस "जूनियर डेवलपर" को कैसे बनाया और यह इतना अच्छा क्यों है।
🏗️ चरण 1: "बूट कैंप" (कंटीन्यूड प्रीट्रेनिंग)
मॉडल को एजेंट बनाने के सिखाने से पहले, उन्हें यह सुनिश्चित करना था कि उसे अपना काम पता हो।
- उपमा (Analogy): कल्पना कीजिए कि एक प्रतिभाशाली विश्वविद्यालय स्नातक (बेस मॉडल, Kimi K2.5) जो हर चीज़ के बारे में थोड़ा-बहुत जानता है, उसे एक विशेष कोडिंग बूट कैंप में भेजा जाता है।
- क्या हुआ: उन्होंने उसे केवल सिंटैक्स ही नहीं सिखाया; बल्कि उन्हें लाखों वास्तविक कोड की लाइनें, बग रिपोर्ट्स और तकनीकी दस्तावेज़ खिलाए।
- परिणाम: मॉडल "लूप क्या है यह जानने" से लेकर "एक विशाल, बिखरे हुए कोडबेस में एक जटिल लूप को डीबग कैसे किया जाए" तक पहुँच गया। यह कदम महत्वपूर्ण था क्योंकि आप किसी को जासूस बनने के लिए तब तक नहीं सिखा सकते जब तक वह यह न जानता हो कि अपराध स्थल कैसा दिखता है।
🧠 चरण 2: "जिम" (रीइन्फोर्समेंट लर्निंग)
यही असली जादू है। एक बार जब मॉडल बुनियादी बातें सीख गया, तो उन्होंने उसे सोचने और कार्य करने का तरीका सीखने के लिए जिम में डाल दिया।
- उपमा: इसे एक कुत्ते को चीज़ (fetch) लाने के लिए प्रशिक्षित करने जैसा समझें, लेकिन कुत्ते को ट्रीट पाने के लिए एक पहेली हल करनी पड़ती है।
- यह कैसे काम करता है:
- मॉडल को एक वास्तविक दुनिया की समस्या दी जाती है (जैसे, "इस बग को ठीक करें जिससे ऐप क्रैश हो रहा है")।
- यह उसे हल करने की कोशिश करता है। यह फाइलें खोल सकता है, कमांड चला सकता है, गलतियाँ कर सकता है और फिर से कोशिश कर सकता है।
- रिवॉर्ड सिस्टम (पुरस्कार प्रणाली): यदि यह बग को ठीक कर देता है, तो इसे एक "ट्रीट" (हाई स्कोर) मिलता है। यदि यह चीज़ों को तोड़ देता है या लूप में फंस जाता है, तो इसे "टाइम-आउट" (पेनल्टी) मिलता है।
- ट्विस्ट: उन्होंने इसे केवल आसान पहेलियाँ नहीं दीं। उन्होंने इसे अपनी कंपनी के वास्तविक, जटिल और बिखरे हुए सवाल दिए। उन्होंने एक नियम भी जोड़ा: "आसान कार्यों पर समय बर्बाद न करें, लेकिन डरावने कार्यों पर गहराई से सोचें।" इसने मॉडल को कुशल (एक साधारण टाइपो पर ज़्यादा न सोचें) लेकिन दृढ़निश्चयी (एक कठिन बग पर हार न मानें) बनना सिखाया।
🎯 "वास्तविक दुनिया" का परीक्षण (CursorBench)
अधिकांश AI पेपर "पाठ्यपुस्तक" की समस्याओं (जैसे प्रतियोगिता से गणित की पहेली हल करना) पर मॉडल का परीक्षण करते हैं। लेखकों ने महसूस किया कि यह नकली है। वास्तविक कोडिंग बिखरी हुई, अस्पष्ट और विशाल होती है।
- उपमा: एक कार का परीक्षण पूरी तरह से पक्की सड़क वाले रेसट्रैक (सार्वजनिक बेंचमार्क) पर बनाम भारी ट्रैफिक, गड्ढों और निर्माण कार्य के बीच (CursorBench) करना।
- समस्या: सार्वजनिक बेंचमार्क रेसट्रैक की तरह हैं। निर्देश एकदम सही हैं, सड़क साफ है, और मंजिल स्पष्ट है।
- समाधान (CursorBench): उन्होंने एक बेंचमार्क बनाया जिसमें उनके अपने इंजीनियरों द्वारा सामना किए गए वास्तविक बग और कार्य शामिल थे।
- प्रॉम्प्ट (Prompt): "इस लिस्ट को सॉर्ट करने के लिए एक फंक्शन लिखें" के बजाय, प्रॉम्प्ट एक अस्पष्ट स्लैक (Slack) मैसेज है: "हे, बटन क्लिक करने पर ऐप क्रैश हो गया। यहाँ कुछ लॉग्स हैं। इसे ठीक करो।"
- चुनौती: मॉडल को लॉग्स पढ़ने होंगे, अनुमान लगाना होगा कि क्या गलत हुआ, फाइल ढूंढनी होगी, उसे ठीक करना होगा, और यह सुनिश्चित करना होगा कि वह किसी और चीज़ को खराब न करे।
- परिणाम: कंपोजर 2 ने इस टेस्ट को शानदार तरीके से पार किया। इसने साबित कर दिया कि वास्तविक अराजकता (chaos) पर प्रशिक्षण लेने से, मॉडल वास्तविक अराजकता को संभालने में बहुत बेहतर हो गया।
🛠️ इंजन रूम (इंफ्रास्ट्रक्चर)
इस विशाल मस्तिष्क को प्रशिक्षित करने के लिए, उन्हें एक विशाल, कस्टम-निर्मित इंजन की आवश्यकता थी।
- उपमा: कल्पना कीजिए कि आप 1,000 गायकों के एक समूह (choir) को प्रशिक्षित करने की कोशिश कर रहे हैं। यदि वे बिना कंडक्टर के एक साथ गाते हैं, तो वह शोर है। यदि वे एक-एक करके गाते हैं, तो इसमें बहुत समय लगता है।
- नवाचार: उन्होंने एक ऐसी प्रणाली बनाई जहाँ:
- गायक (Inference): हजारों कंप्यूटर एक साथ समाधान उत्पन्न करते हैं।
- कंडक्टर (Training): एक केंद्रीय प्रणाली परिणामों पर नज़र रखती है, सबसे अच्छे समाधान चुनती है, और तुरंत गायकों के "शीट म्यूजिक" (मॉडल वेट्स) को अपडेट करती है।
- सीक्रेट सॉस: उन्होंने यह सुनिश्चित किया कि "गायक" और "कंडक्टर" पूरी तरह से सिंक्रोनाइज़ हों ताकि कोई भी इस बात को लेकर भ्रमित न हो कि वे गाने का कौन सा संस्करण गा रहे हैं। उन्होंने काम को स्नैपशॉट (snapshot) करने की एक प्रणाली भी बनाई। यदि कोई कंप्यूटर 10 घंटे के कार्य के बीच में क्रैश हो जाता है, तो वे बिना प्रगति खोए ठीक वहीं से शुरू कर सकते हैं जहाँ से उन्होंने छोड़ा था।
🏆 स्कोरबोर्ड (परिणाम)
- प्रदर्शन: कंपोजर 2 अब बाजार में मौजूद सबसे महंगे और शक्तिशाली AI मॉडलों (जैसे GPT-5 या Opus) के साथ प्रतिस्पर्धा करने में सक्षम है, लेकिन इसे चलाना सस्ता है।
- दक्षता: यह केवल सही उत्तर ही नहीं देता; यह दिग्गजों की तुलना में तेजी से और कम "सोच" (टोकन) के साथ इसे प्राप्त करता है।
- मुख्य बात: सर्वश्रेष्ठ कोडर बनने के लिए आपको सबसे बड़े, सबसे महंगे मॉडल की आवश्यकता नहीं है। आपको एक ऐसे मॉडल की आवश्यकता है जिसे विशेष (specialized) किया गया हो और वास्तविक दुनिया की समस्याओं पर प्रशिक्षित किया गया हो।
💡 एक वाक्य में सारांश
कंपोजर 2 एक कोडिंग AI है जिसे न केवल किताबें पढ़कर, बल्कि एक सिम्युलेटेड वास्तविक दुनिया के ऑफिस में वास्तव में काम करके प्रशिक्षित किया गया है, जिससे इसने कुशल, दृढ़निश्चयी और उन जटिल एवं अस्पष्ट समस्याओं को संभालने के लिए पर्याप्त स्मार्ट बनना सीखा है जिनका सामना इंसान वास्तव में हर दिन करते हैं।
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।