💬 NLP

AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents

यह शोध पत्र AgentSwing को प्रस्तुत करता है, जो एक स्टेट-अवेयर (state-aware) एडेप्टिव फ्रेमवर्क है जो लॉन्ग-होराइजन वेब एजेंट प्रदर्शन को गतिशील रूप से अनुकूलित करने के लिए पैरेलल कॉन्टेक्स्ट मैनेजमेंट और लुकअहेड राउटिंग का उपयोग करता है, जो स्टैटिक कॉन्टेक्स्ट मैनेजमेंट रणनीतियों से बेहतर प्रदर्शन करते हुए इंटरैक्शन टर्न्स को महत्वपूर्ण रूप से कम करता है।

मूल लेखक: Zhaopeng Feng, Liangcai Su, Zhen Zhang, Xinyu Wang, Xiaotian Zhang, Xiaobin Wang, Runnan Fang, Qi Zhang, Baixuan Li, Shihao Cai, Rui Ye, Hui Chen, Jiang Yong, Joey Tianyi Zhou, Chenxiong Qian, Pengjun

प्रकाशित 2026-03-31

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhaopeng Feng, Liangcai Su, Zhen Zhang, Xinyu Wang, Xiaotian Zhang, Xiaobin Wang, Runnan Fang, Qi Zhang, Baixuan Li, Shihao Cai, Rui Ye, Hui Chen, Jiang Yong, Joey Tianyi Zhou, Chenxiong Qian, Pengjun Xie, Bryan Hooi, Zuozhu Liu, Jingren Zhou

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

🕵️‍♂️ समस्या: "अभिभूत जासूस" (The Overwhelmed Detective)

कल्पना कीजिए कि आपने एक बहुत ही जटिल रहस्य सुलझाने के लिए एक प्रतिभाशाली जासूस (एक AI एजेंट) को काम पर रखा है। इस जासूस के पास एक सुपर-पावरफुल दिमाग (एक Large Language Model) है, लेकिन इसकी एक कमी है: यह एक बार में अपनी जेब में केवल सीमित संख्या में नोट्स रख सकता है।

रहस्य सुलझाने के लिए, जासूस को यह करना होगा:

लाइब्रेरी जाना।
एक किताब पढ़ना।
एक गवाह को फोन करना।
एक नक्शा देखना।
इस प्रक्रिया को 100 बार दोहराना।

बाधा (The Bottleneck):
जैसे-जैसे जासूस सुराग इकट्ठा करता है, उसकी जेब भरती जाती है।

विकल्प A (कुछ न करना): वह सब कुछ अंदर ठूँसता रहता है। अंततः, उसकी जेब फट जाती है, या वह सबसे महत्वपूर्ण सुराग भूल जाता है क्योंकि वह 50 अप्रासंगिक नोट्स के नीचे दब गया है। वह भ्रमित हो जाता है और हार मान लेता है।
विकल्प B ("रीसेट" रणनीति): जब भी जेब भर जाती है, वह सब कुछ फेंक देता है और मूल प्रश्न के साथ फिर से शुरुआत करता है। इससे जेब तो साफ रहती है, लेकिन वह अपनी सारी प्रगति खो देता है। वह एक ही गलत रास्ते पर तीन बार चल सकता है।
विकल्प C ("सारांश" रणनीति): वह अब तक किए गए काम का एक छोटा सारांश लिखने की कोशिश करता है। लेकिन कभी-कभी, सारांश बहुत अस्पष्ट होता है, और वह उन विशिष्ट विवरणों को खो देता है जो केस सुलझाने के लिए आवश्यक थे।

लंबे समय तक, AI शोधकर्ताओं ने जासूस को इन रणनीतियों में से एक को चुनने और पूरी जांच के दौरान उसी पर टिके रहने के लिए मजबूर किया। पेपर का तर्क है: "यह एक बुरा विचार है। कभी-कभी आपको सब कुछ फेंक देने की ज़रूरत होती है; अन्य समय में, आपको पिछले कुछ सुरागों को रखने की आवश्यकता होती है।"

🎢 समाधान: AgentSwing (द "स्मार्ट स्विच")

लेखक AgentSwing पेश करते हैं, जो जासूस के नोट्स को प्रबंधित करने का एक नया तरीका है। एक रणनीति चुनने और उस पर टिके रहने के बजाय, AgentSwing एक स्मार्ट ट्रैफिक कंट्रोलर की तरह काम करता है जो वर्तमान स्थिति के आधार पर रणनीति बदल देता है।

यह कैसे काम करता है, चरण-दर-चरण यहाँ दिया गया है:

1. "समानांतर शाखाएँ" (रास्ते का विभाजन)

कल्पना कीजिए कि जासूस एक ऐसे बिंदु पर पहुँचता है जहाँ उसके नोट्स अव्यवस्थित होने लगते हैं। अंदाज़ा लगाने के बजाय कि क्या करना है, AgentSwing कहता है:

"चलो एक ही समय में तीन अलग-अलग चीजें आजमाते हैं!"

शाखा 1 ("पिछला रखें" रणनीति): "पुरानी चीज़ें फेंक दो और केवल अंतिम 5 सुराग रखो।"
शाखा 2 ("सारांश" रणनीति): "अब तक के पूरे केस का एक संक्षिप्त सारांश लिखो।"
शाखा 3 ("सब कुछ हटा दें" रणनीति): "सब कुछ फेंक दो और केवल प्रश्न के साथ नए सिरे से शुरुआत करो।"

AI इन तीनों परिदृश्यों को कुछ चरणों के लिए समानांतर रूप से चलाता है।

2. "लुकअहेड" (भविष्यदर्शिता/क्रिस्टल बॉल)

यही असली जादू है। AgentSwing केवल किसी भी शाखा को रैंडमली नहीं चुनता। यह एक "लुकअहेड" तंत्र का उपयोग करता है।

"ठीक है, यदि हम शाखा 1 चुनते हैं, तो अगले 3 चरणों में यह कहाँ ले जाएगा? यदि हम शाखा 3 चुनते हैं, तो क्या यह एक डेड एंड (बंद रास्ता) की ओर ले जाएगा?"

यह प्रत्येक विकल्प के लिए एक संक्षिप्त भविष्य का अनुकरण (simulate) करता है।

यदि "सब कुछ हटा दें" वाली शाखा जासूस को एक लूप (चक्कर) में फँसा देती है, तो उसे काट दिया जाता है।
यदि "पिछला रखें" वाली शाखा एक बड़ी सफलता की ओर ले जाती है, तो उसे चुना जाता है।

3. "स्विंग" (चुनाव करना)

एक बार जब AI देख लेता है कि कौन सा रास्ता सबसे अधिक आशाजनक लग रहा है, तो यह उस पथ की ओर स्विंग (झूलता) है, अन्य दोनों को हटा देता है, और सबसे अच्छे संदर्भ (context) के साथ जांच जारी रखता है।

🏆 यह एक बड़ी बात क्यों है

पेपर ने कठिन वेब-सर्च कार्यों पर इसका परीक्षण किया (जैसे कि किसी रैपर के पिता की जेल के बारे में पहेली के आधार पर एक विशिष्ट गाना ढूँढना)।

पुराना तरीका: स्थिर (static) रणनीतियाँ टूटे हुए स्टीयरिंग व्हील वाली कार चलाने जैसी थीं। आप केवल सीधा जा सकते थे, या केवल बाएं मुड़ सकते थे, चाहे सड़क कैसी भी हो।
AgentSwing: यह एक सेल्फ-ड्राइविंग कार होने जैसा है जो सड़क को देखती है, गड्ढा देखती है, और गड्ढे से बचने के लिए तुरंत अलग गियर या रूट बदल लेती है।

परिणाम:

तेज़: इसने पुराने तरीकों की तुलना में 3 गुना कम चरणों का उपयोग करके समस्याओं को हल किया।
स्मार्ट: इसने कठिन समस्याओं को हल किया जिन्हें पुराने तरीके पूरा ही नहीं कर सके।
अनुकूलन योग्य (Adaptable): इसने महसूस किया कि कभी-कभी आपको आक्रामक होने की आवश्यकता होती है (सब कुछ फेंक देना), और कभी-कभी सावधान रहने की (विवरण रखना)।

🧠 "दक्षता बनाम सटीकता" (Efficiency vs. Precision) की उपमा

पेपर सफलता के बारे में सोचने का एक शानदार तरीका पेश करता है:

खोज दक्षता (Search Efficiency): क्या जासूस ने उत्तर खोजने से पहले समय/पैसा खत्म कर दिया? (क्या उन्होंने दौड़ पूरी की?)
टर्मिनल सटीकता (Terminal Precision): जब वे समाप्त हुए, तो क्या उत्तर वास्तव में सही था? (क्या वे सही ट्रॉफी के साथ फिनिश लाइन पार कर गए?)

स्थिर "सब कुछ हटा दें" (Static "Discard All") सटीकता (साफ नोट्स = स्पष्ट सोच) में अच्छा है लेकिन दक्षता (दोबारा शुरू करने में समय बर्बाद करना) में बुरा है।
स्थिर "सब कुछ रखें" (Static "Keep All") दक्षता (तेज़, कोई रीस्टार्ट नहीं) में अच्छा है लेकिन सफलता (बहुत अधिक शोर/डेटा से भ्रमित होना) में बुरा है।
AgentSwing पूर्ण संतुलन पाता है। यह जानता है कि कब तेज़ होना है और कब सटीक, एक पेशेवर एथलीट की तरह जो स्प्रिंटिंग और जॉगिंग के बीच स्विच करता है।

🏁 निष्कर्ष

AgentSwing एक ऐसा फ्रेमवर्क है जो AI एजेंटों को "ज़िद्दी" होने से रोकता है। उन्हें पूरी यात्रा के लिए एक ही नियम का पालन करने के लिए मजबूर करने के बजाय, यह उन्हें हर कदम पर अपनी मेमोरी को प्रबंधित करने का सबसे अच्छा तरीका चुनने की अनुमति देता है। यह एक स्मार्ट, अनुकूलित मेमोरी मैनेजर देने जैसा है जो जानता है कि कब अपनी डेस्क साफ करनी है और कब उस पर रखे कागजात को रखना है।

संक्षेप में: यह AI एजेंटों को स्मार्ट, तेज़ और उनके अपने विचारों में खो जाने से रोकने में मदद करता है।

यहाँ शोध पत्र "AGENTSWING: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

जैसे-जैसे लार्ज लैंग्वेज मॉडल्स (LLMs) स्वायत्त एजेंटों (autonomous agents) के रूप में विकसित हो रहे हैं जो लंबी अवधि की सूचना खोजने (जैसे, वेब ब्राउज़िंग, गहन शोध) में सक्षम हैं, वे एक महत्वपूर्ण बाधा का सामना कर रहे हैं: सीमित संदर्भ क्षमता (finite context capacity)।

चुनौती: गहन सूचना खोजने वाले कार्यों के लिए अक्सर सैकड़ों इंटरैक्शन चरणों की आवश्यकता होती है। एजेंटों को साक्ष्य (evidence) संचित करने, तथ्यों को सत्यापित करने और बैकट्रैक करने की आवश्यकता होती है। हालाँकि, स्थिर संदर्भ विंडो (fixed context windows) एक समझौता (trade-off) करने के लिए मजबूर करती हैं: बहुत अधिक इतिहास रखने से "कॉन्टेक्स्ट रोट" (शोर और भटकाव) होता है, जबकि बहुत अधिक हटा देने से महत्वपूर्ण मध्यवर्ती तर्क संरचनाएं खो जाती हैं।
मौजूदा विधियों की सीमा: वर्तमान संदर्भ प्रबंधन रणनीतियाँ (जैसे, Discard-All, Keep-Last-N, Summary) स्थिर (static) हैं। वे पूरे प्रक्षेपवक्र (trajectory) के दौरान एक ही निश्चित नियम लागू करती हैं। यह उप-इष्टतम (suboptimal) है क्योंकि संदर्भ की "उपयोगिता" गतिशील रूप से बदलती है; कुछ अवस्थाओं में स्थानीय मिनिमा (local minima) से बचने के लिए आक्रामक छंटनी की आवश्यकता होती है, जबकि अन्य अवस्थाओं में निरंतरता बनाए रखने के लिए विशिष्ट हालिया सुरागों को संरक्षित करने की आवश्यकता होती है।

2. सैद्धांतिक ढांचा: एक संभाव्य दृष्टिकोण (Theoretical Framework: A Probabilistic View)

लेखक लंबी अवधि की एजेंट सफलता का विश्लेषण करने के लिए एक नया संभाव्य ढांचा पेश करते हैं, जो इसे दो पूरक आयामों में विभाजित करता है:

खोज दक्षता ( $\eta$ - Search Efficiency): वह संभावना कि एजेंट संसाधनों (संदर्भ सीमा या अधिकतम टर्न) को समाप्त करने से पहले एक स्टॉपिंग पॉइंट (उत्तर देना) तक पहुँच जाता है।
अंतिम सटीकता ( $\rho$ - Terminal Precision): एजेंट के स्टॉपिंग पॉइंट तक पहुँचने की स्थिति में, अंतिम उत्तर सही होने की संभावना।

मुख्य अंतर्दृष्टि: एंड-टू-एंड सफलता ($Pass@1 $) इन दोनों का गुणनफल है:$ P(Success) = \eta \times \rho$।

स्थिर रणनीतियाँ अक्सर एक दक्षता-सटीकता ट्रेड-ऑफ फ्रंटियर (efficiency-precision trade-off frontier) पर अलग-अलग बिंदुओं पर स्थित होती हैं। उदाहरण के लिए, Discard-All उच्च सटीकता (साफ संदर्भ) प्रदान करता है लेकिन कम दक्षता (बार-बार रीसेट की आवश्यकता) देता है, जबकि Keep-Last-N उच्च दक्षता लेकिन कम सटीकता (शोर का संचय) देता है।
शोध पत्र का तर्क है कि एक एकल स्थिर रणनीति सभी प्रक्षेपवक्र अवस्थाओं में दोनों आयामों को एक साथ अनुकूलित नहीं कर सकती है।

3. कार्यप्रणाली: AgentSwing (Methodology: AgentSwing)

AgentSwing एक स्टेट-अवेयर (state-aware), एडेप्टिव पैरेलल कॉन्टेक्स्ट मैनेजमेंट रूटिंग फ्रेमवर्क है जिसे वर्तमान प्रक्षेपवक्र अवस्था के आधार पर सर्वोत्तम संदर्भ रणनीति को गतिशील रूप से चुनने के लिए डिज़ाइन किया गया है।

मुख्य घटक:

पैरेलल कॉन्टेक्स्ट मैनेजमेंट (Parallel Context Management):
- जब संचित संदर्भ एक पूर्व-निर्धारित थ्रेशोल्ड (जैसे, अधिकतम संदर्भ का $r\%$ ) से अधिक हो जाता है, तो फ्रेमवर्क एक प्रबंधन घटना (management event) को ट्रिगर करता है।
- एक ही रणनीति चुनने के बजाय, यह एक ही रॉ कॉन्टेक्स्ट पर कई उम्मीदवार रणनीतियों को समानांतर रूप से निष्पादित (parallelly execute) करता है:
  - Keep-Last-N: केवल अंतिम $N$ टर्न रखता है।
  - Summary: इतिहास को एक सारांश टेक्स्ट में संकुचित करता है।
  - Discard-All: केवल मूल यूजर प्रॉम्प्ट पर रीसेट करता है।
- यह एक ही अवस्था से कई वैकल्पिक "प्रबंधित संदर्भ" (branches) उत्पन्न करता है।
लुकअहेड रूटिंग तंत्र (Lookahead Routing Mechanism):
- AgentSwing केवल संदर्भ के आधार पर तुरंत किसी शाखा (branch) का चयन नहीं करता है।
- लुकअहेड चरण (Lookahead Phase): प्रत्येक शाखा को पर्यावरण के साथ $K$ अतिरिक्त इंटरैक्शन टर्न (रोलआउट) द्वारा विस्तारित किया जाता है।
- रूटिंग निर्णय (Routing Decision): एजेंट मॉडल इन $K$ -टर्न लुकआउट के परिणामों का मूल्यांकन करता है। यह उस शाखा का चयन करता जो सबसे आशाजनक डाउनस्ट्रीम व्यवहार प्रदर्शित करती है (जैसे, एक नया सुराग खोजना, डेड एंड से बचना)।
- चयनित शाखा नई मुख्य प्रक्षेपवक्र (main trajectory) बन जाती है; अन्य को हटा दिया जाता है।

4. मुख्य योगदान (Key Contributions)

संभाव्य ढांचा (Probabilistic Framework): लंबी अवधि की सफलता को खोज दक्षता और अंतिम सटीकता में विभाजित करने वाला पहला औपचारिक ढांचा पेश किया, जो संदर्भ रणनीतियों का विश्लेषण और डिजाइन करने के लिए एक एकीकृत दृष्टिकोण प्रदान करता है।
एडेप्टिव रूटिंग (AgentSwing): एक ऐसा फ्रेमवर्क प्रस्तावित किया जो संदर्भ प्रबंधन को एक स्टेट-डिपेंडेंट रूटिंग समस्या के रूप में मानकर स्थिर ह्यूरिस्टिक्स से आगे बढ़ता है। यह वास्तविक समय की प्रक्षेपवक्र गुणवत्ता के आधार पर विषम रणनीतियों (Keep-Last-N, Summary, Discard-All) के बीच गतिशील रूप से स्विच करता है।
अनुभवजन्य सत्यापन (Empirical Validation): प्रदर्शित किया कि एडेप्टिव रूटिंग विविध मॉडल्स और बेंचमार्क पर मजबूत स्टैटिक बेसलाइन्स से बेहतर प्रदर्शन करती है, और कम इंटरैक्शन टर्न्स के साथ उच्च प्रदर्शन सीमा प्राप्त करती है।

5. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने GPT-OSS-120B, DeepSeek-v3.2, और Tongyi-DR-30B-A3B जैसे मॉडल्स का उपयोग करके तीन चुनौतीपूर्ण बेंचमार्क: BrowseComp, BrowseComp-ZH, और Humanity's Last Exam (HLE) पर AgentSwing का मूल्यांकन किया।

प्रदर्शन लाभ (Performance Gains):
- AgentSwing ने लगातार स्टैटिक बेसलाइन्स (Discard-All, Keep-Last-N, Summary) और "नो कॉन्टेक्स्ट मैनेजमेंट" बेसलाइन को पछाड़ दिया।
- DeepSeek-v3.2 ने BrowseComp-ZH पर 71.3 और HLE पर 44.4 प्राप्त किया, जो कई प्रोप्रायटरी फाउंडेशन मॉडल्स से बेहतर है।
- Tongyi-DR-30B-A3B ने तुलनीय पैमाने के ओपन-सोर्स एजेंटों के बीच अग्रणी प्रदर्शन स्थापित किया।
दक्षता (Efficiency):
- AgentSwing अक्सर स्टैटिक रणनीतियों के बराबर या उनसे बेहतर प्रदर्शन करता है, जबकि 3 $\times$ कम इंटरैक्शन टर्न्स का उपयोग करता है।
- इसने दक्षता-सटीकता ट्रेड-ऑफ को सफलतापूर्वक संतुलित किया, उच्च $\eta$ (कार्य पूरा करना) और उच्च $\rho$ (सही उत्तर देना) प्राप्त किया।
एब्लेशन स्टडीज (Ablation Studies):
- लुकअहेड तंत्र को हटाने से (केवल संदर्भ के आधार पर चयन करना) प्रदर्शन में काफी कमी आई, जिससे सिद्ध हुआ कि भविष्य के प्रक्षेपवक्र की क्षमता का मूल्यांकन करना महत्वपूर्ण है।
- मध्यम लुकअहेड गहराई ( $K=3$ ) को इष्टतम पाया गया।

केस स्टडी उदाहरण:
एक रैपर के बारे में जटिल पहेली वाले कार्य में, एक स्टैटिक Summary रणनीति विफल रही क्योंकि इसने एक भ्रामक परिकल्पना ("Lil Durk") को सुरक्षित रखा। एक Discard-All रणनीति बहुत आक्रामक रूप से रीसेट हुई, जिससे एक महत्वपूर्ण हालिया सुराग ("$tupid Young") खो गया। AgentSwing के Lookahead तंत्र ने सभी शाखाओं का मूल्यांकन किया, पहचाना कि Keep-Last-N शाखा (हालिया सुराग को सुरक्षित रखना) सही समाधान की ओर ले जाती है, और एजेंट को वहां रूट किया, जिससे कार्य सफलतापूर्वक हल हो गया।

6. महत्व और भविष्य का कार्य (Significance and Future Work)

महत्व: AgentSwing यह प्रदर्शित करता है कि संदर्भ प्रबंधन एक निश्चित नियम नहीं बल्कि एक गतिशील, सीखी गई नीति (learned policy) होनी चाहिए। यह लंबी अवधि के एजेंटों में "कॉन्टेक्ट रोट" बनाम "सूचना हानि" के द्वंद्व को संभालने का एक व्यवस्थित तरीका प्रदान करता है।
भविष्य की दिशाएं:
- एजेंटों को छोटे कॉन्टेक्स्ट बजट के तहत स्वाभाविक रूप से अधिक कुशल होने के लिए प्रशिक्षित करना (मॉडल-स्तरीय सक्षमता)।
- वर्तमान एजेंट-मॉडल-आधारित रूटिंग से बेहतर दूरदर्शिता के साथ समर्पित राउटर/वेरिफायर मॉडल्स विकसित करना।

निष्कर्षतः, AgentSwing स्वायत्त वेब एजेंटों को उनकी मेमोरी को अनुकूल रूप से प्रबंधित करके अधिक मजबूत, कुशल और जटिल, बहु-चरणीय सूचना खोजने वाले कार्यों को हल करने में सक्षम बनाकर एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।