Select-then-Solve: Paradigm Routing as Inference-Time Optimization for LLM Agents
यह शोध पत्र प्रदर्शित करता है कि LLM एजेंटों के लिए सभी कार्यों में कोई एक एकल तर्क प्रतिमान (reasoning paradigm) प्रभावी नहीं है और एक "सेलेक्ट-देन-सॉल्व" (Select-then-Solve) दृष्टिकोण प्रस्तावित करता है, जहाँ एक हल्का सीखा हुआ राउटर गतिशील रूप से प्रति कार्य इष्टतम प्रतिमान का चयन करता है ताकि निश्चित रणनीतियों की तुलना में काफी बेहतर प्रदर्शन किया जा सके और एक ओरकल सिलेक्टर (oracle selector) के प्रदर्शन अंतराल के एक बड़े हिस्से को पुनः प्राप्त किया जा सके।
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 आपके पास एक प्रतिभाशाली लेकिन कभी-कभी जिद्दी सहायक (AI) है और आपके पास करने के लिए अलग-अलग कामों का एक विशाल ढेर है। कुछ काम कविता लिखने जैसे हैं, कुछ कंप्यूटर प्रोग्राम को डीबग करने जैसे हैं, और कुछ के लिए आपको बाहर जाकर पड़ोसियों से जानकारी मांगनी पड़ती है।
लंबे समय तक, शोधकर्ताओं ने एक बड़ा सवाल हल करने की कोशिश की: क्या यह बेहतर है कि सहायक को "बस इसे कर दो" कहा जाए, या हमें उन्हें पालन करने के लिए एक सख्त चरण-दर-चरण रेसिपी देनी चाहिए?
यह शोध पत्र, जिसका शीर्षक "Select-then-Solve" है, एक विशाल प्रयोग की तरह है जहाँ शोधकर्ताओं ने हर संभव काम के लिए हर संभव रेसिपी को आज़माया ताकि यह देखा जा सके कि सबसे अच्छा क्या काम करता है। यहाँ इसका सरल शब्दों में विवरण दिया गया है।
1. प्रयोग: हर खाना पकाने की विधि को आज़माना
शोधकर्ताओं ने उपलब्ध चार सबसे स्मार्ट AI मॉडलों को लिया और उन्हें 10 अलग-अलग प्रकार की चुनौतियाँ दीं (जैसे कोडिंग, गणित, सामान्य ज्ञान और वेब खोज)। उन्होंने छह अलग-अलग "सोचने के तरीकों" (paradigms) का परीक्षण किया:
- Direct (प्रत्यक्ष): "बस मुझे उत्तर दे दो।" (जैसे टेकआउट ऑर्डर करना)।
- Chain-of-Thought (CoT - विचार श्रृंखला): "उत्तर देने से पहले चरण-दर-चरण सोचें।" (जैसे खाना पकाने से पहले किराने की सूची लिखना)।
- ReAct: "सोचें, फिर कार्य करें, फिर फिर से सोचें।" (जैसे एक जासूस जो एक सुराग के बारे में सोचता है, उसे जांचने के लिए पुस्तकालय जाता है, और फिर फिर से सोचता है)।
- Plan-Execute (योजना-निष्पादन): "पहले एक योजना बनाएं, फिर उसे करें।" (जैसे घर बनाने से पहले एक वास्तुकार द्वारा ब्लूप्रिंट बनाना)।
- Reflection (चिंतन): "उत्तर दें, अपने काम की जाँच करें और गलतियों को सुधारें।" (जैसे एक शिक्षक अपना खुद का टेस्ट ग्रेड करता है)।
- ReCode: "इसे कोड लिखकर और चलाकर हल करें।" (जैसे दिमाग में गणित करने के बजाय कैलकुलेटर का उपयोग करना)।
2. बड़ी हैरानी: एक आकार सबके लिए फिट नहीं बैठता
सबसे महत्वपूर्ण खोज यह थी कि कोई भी एक सोचने का तरीका हर चीज़ के लिए सबसे अच्छा नहीं है। वास्तव में, गलत काम के लिए "सही" शैली का उपयोग करने से AI वास्तव में बेवकूफ हो सकता है।
- "ओवर-थिंकर" (अत्यधिक सोचने वाला) की समस्या: एक सरल कोडिंग कार्य पर, AI को "चरण-दर-चरण सोचने" (CoT) के लिए मजबूर करने से वह वास्तव में और खराब हो गया। यह एक पेशेवर शेफ से प्याज काटने से पहले उसके बारे में 10 पन्नों का निबंध लिखने के लिए कहने जैसा है। अतिरिक्त बातचीत ने उन्हें भ्रमित कर दिया, और कोड टूट गया।
- "नक्शे की ज़रूरत" की समस्या: एक कार्य जो वेब खोज की आवश्यकता रखता है (जैसे "पोलिश संस्करण में रे ने टीवी शो में क्या भूमिका निभाई?"), उसमें "बस इसे कर दो" वाला दृष्टिकोण बुरी तरह विफल रहा। AI ने 'hallucinate' किया (चीजें बना लीं)। लेकिन जब उन्होंने "जासूस" शैली (ReAct) का उपयोग किया, तो AI बाहर गया, वास्तविक उत्तर पाया और सफल रहा।
उपमा: कल्पना कीजिए कि आपके पास एक स्विस आर्मी नाइफ (Swiss Army Knife) है। इसमें एक ब्लेड, एक पेचकस और एक कॉर्कस्क्रू है।
- यदि आप ब्लेड से वाइन की बोतल खोलने की कोशिश करेंगे, तो आप विफल हो जाएंगे।
- यदि आप कॉर्कस्क्रू से पेंच कसने की कोशिश करेंगे, तो आप पेंच को तोड़ देंगे।
- शोध पत्र ने पाया कि AI मॉडल भी ऐसे ही हैं। आपको विशिष्ट कार्य के लिए सही उपकरण की आवश्यकता होती है।
3. "ऑरेकल" गैप: एक स्वप्न परिदृश्य
शोधकर्ताओं ने एक "स्वप्न परिदृश्य" (जिसे Oracle कहा जाता है) की गणना की। यह एक जादुई पर्यवेक्षक है जो किसी कार्य को देखता है, तुरंत जानता है कि कौन सी सोचने की शैली उसके लिए एकदम सही है, और वह शैली सौंप देता है।
- परिणाम: यह जादुंगी पर्यवेयक उस सर्वश्रेष्ठ एकल सोचने की शैली से 17% अधिक सटीक था जिसका उपयोग सभी कार्यों के लिए किया गया था।
- समस्या: हमारे पास कोई जादुई पर्यवेयक नहीं है। हमें काम शुरू करने से पहले सही उपकरण का पता लगाने का एक तरीका चाहिए।
4. समाधान: "स्मार्ट डिस्पैचर" (Select-then-Solve)
AI को एक ही शैली का उपयोग करने के लिए मजबूर करने के बजाय, लेखकों ने एक लाइटवेट राउटर (Lightweight Router) बनाया। इसे एक ट्रैफिक पुलिस या एक व्यस्त हवाई अड्डे पर स्मार्ट डिस्पैचर के रूप में सोचें।
- यह कैसे काम करता है: AI काम शुरू करने से पहले, राउटर प्रश्न को देखता है।
- क्या यह कोडिंग का प्रश्न है? -> "कोड विशेषज्ञ को भेजें।"
- क्या यह एक सरल तथ्य है? -> "प्रत्यक्ष उत्तर देने वाले को भेजें (समय बर्बाद न करें)।"
- क्या यह एक जटिल वेब खोज है? -> "जासूस को भेजें।"
- परिणाम: इस सरल स्विच ने AI की औसत सटीकता में काफी सुधार किया। इसने "वास्तविक AI" और "जादुंगी पर्यवेक्षक" के बीच के अंतर का लगभग 37% हिस्सा वापस पा लिया।
5. AI खुद यह क्यों नहीं कर सकता
शोधकर्ताओं ने कुछ और भी आज़माया: उन्होंने AI से अपनी खुद की सोचने की शैली चुनने के लिए कहा (Self-Routing)।
- सबसे मजबूत AI (GPT-5): यह ठीक था। इसे पता था कि कब सीधा होना है और कब गहराई से सोचना है।
- कमजोर AI: वे पूरी तरह से विफल रहे। वे हर साधारण प्रश्न के लिए भी "जासूस" शैली चुनने की ओर झुके हुए थे। यह एक घबराए हुए छात्र की तरह है जो, एक साधारण गणित के सवाल पूछे जाने पर, एक शोध प्रबंध लिखने, संख्याओं के इतिहास पर शोध करने और एक प्रोफेसर का साक्षात्कार लेने का निर्णय लेता है, और अंत में उत्तर गलत कर देता है क्योंकि उसने इसे बहुत जटिल बना दिया।
मुख्य निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि स्मार्ट AI एजेंटों का भविष्य एक एकल "सुपर-ब्रेन" बनाने के बारे में नहीं है जो सब कुछ पूरी तरह से करता है। इसके बजाय, यह एक स्मार्ट मैनेजर बनाने के बारे में है जो जानता है कि:
- AI को स्वतंत्र रूप से उड़ने कब देना है (Direct)।
- उसे चेकलिस्ट कब देनी है (CoT)।
- उसे पुस्तकालय कब भेजना है (ReAct)।
संक्षेप में: सबसे स्मार्ट एजेंट वह नहीं है जिसके पास सबसे जटिल सोचने की प्रक्रिया है; बल्कि वह है जो जानता है कि कब सोचना बंद करना है और बस काम करना 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।