Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG
यह शोध पत्र Corpus2Skill प्रस्तुत करता है, जो एक ऐसी विधि है जो दस्तावेज़ कॉर्पोरा को पदानुक्रमित (hierarchical), सु navigatable कौशल वृक्षों (skill trees) में परिवर्तित करती है ताकि LLM एजेंटों को एंटरप्राइज ज्ञान संरचनाओं के बारे में सक्रिय रूप से अन्वेषण करने और तर्क करने में सक्षम बनाया जा सके, जिससे वे QA बेंचमार्क पर पारंपरिक पुनर्प्राप्ति-आधारित (retrieval-based) दृष्टिकोणों से बेहतर प्रदर्शन करते 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
यहाँ पेपर "Don't Retrieve, Navigate" का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ हिंदी अनुवाद दिया गया है।
मुख्य विचार: खोजना बंद करें, अन्वेषण (Explore) करना शुरू करें
कल्पना कीजिए कि आप एक विशाल, बिखरी हुई लाइब्रेरी में किसी रहस्य को सुलझाने की कोशिश कर रहे हैं एक जासूस हैं।
पुराना तरीका (पारंपरिक RAG):
आप लाइब्रेरियन से पूछते हैं, "मेरे व्यवसाय को सोले प्रोप्राइटरशिप से LLC में बदलने के बारे में किताब कहाँ है?"
लाइब्रेरियन पीछे भागता है, उन शीर्ष 5 किताबों को उठा लाता है जिनके कवर पर "LLC" या "business" शब्द लिखे हैं, और उन्हें आपको थमा देता है।
- समस्या: आपको पाँच किताबें मिल जाती हैं। एक टैक्स के बारे में है, एक बैंक खाता खोलने के बारे में है, और एक कानूनी फॉर्मों के बारे में है। इनमें से कोई भी वास्तव में आपको यह नहीं बताता कि अपने व्यवसाय का प्रकार कैसे बदलें क्योंकि वह विशिष्ट नियम लाइब्रेरी के किसी दूसरे हिस्से में छिपा हुआ है। आपको उन पाँचों किताबों को पढ़ना होगा, अंदाज़ा लगाना होगा कि कौन सी महत्वपूर्ण है, और इस उम्मीद में रहना होगा कि आपने असली जवाब मिस न कर दिया हो। आप उस चीज़ के निष्क्रिय उपभोक्ता (passive consumer) हैं जो लाइब्रेरियन ने ढूँढ कर दी है।
नया तरीका (CORPUS2SKILL):
किताबें थमाने के बजाय, लाइब्रेरी आपको तलाश शुरू करने से पहले ही पूरी इमारत का एक विस्तृत, व्यवस्थित नक्शा (map) देती है।
- आप एक बड़ा साइन देखते हैं: "व्यापार और वित्त (Business & Finance)।"
- आप वहाँ जाते हैं और एक साइन देखते हैं: "कानूनी इकाई परिवर्तन (Legal Entity Changes)।"
- आप उस गलियारे में चलते हैं और एक साइन देखते हैं: "व्यवसाय के प्रकार बदलना (Switching Business Types)।"
- अंत में, आप उस सटीक दरवाजे तक पहुँच जाते हैं जहाँ उत्तर है।
यदि आप गलत गलियारे (जैसे, "टैक्स फॉर्म") में चले जाते हैं, तो आपको तुरंत एहसास होता है, "ओह, यह सही नहीं है," और आप एक अलग रास्ता आज़माने के लिए पीछे हटते (backtrack) हैं। आप एक नक्शे के साथ एक सक्रिय अन्वेषक (active explorer) हैं।
यह कैसे काम करता है: "कुकिंग" का उदाहरण
यह पेपर एक दो-चरणीय प्रक्रिया का वर्णन करता है: कंपाइल करना (खाना बनाना/Cooking) और सर्व करना (खाना परोसना/Eating)।
1. कंपाइल चरण (शेफ भोजन तैयार करता है)
इससे पहले कि कोई सवाल पूछे, सिस्टम 6,000+ दस्तावेजों के बिखरे हुए ढेर (जैसे मिश्रित सामग्री का एक बड़ा बैग) को व्यवस्थित करता है।
- क्लस्टरिंग (Clustering): यह समान दस्तावेजों को एक साथ समूह में रखता है (जैसे सभी "सब्जियों" को एक डिब्बे में और सभी "मसालों" को दूसरे डिब्बे में रखना)।
- सारांश (Summarizing): प्रत्येक समूह के लिए, यह एक छोटा सारांश कार्ड लिखता है (जैसे डिब्बे पर एक लेबल: "मसाले: मिर्च, जीरा, नमक")।
- पेड़ (Tree) बनाना: यह एक पदानुक्रम (hierarchy) बनाता है।
- स्तर 1: बड़ी श्रेणियाँ (जैसे, "भुगतान," "मार्केटिंग")।
- स्तर 2: उप-श्रेणियाँ (जैसे, "क्रेडिट कार्ड," "SEO")।
- स्तर 3: विशिष्ट दस्तावेज़।
- परिणाम: एक साफ, नेविगेबल "स्किल ट्री" (एक अच्छी तरह से व्यवस्थित पेंट्री की तरह) को सेव कर लिया जाता है। यह एक बार, ऑफलाइन होता है।
2. सर्व चरण (डाइनर ऑर्डर करता है)
जब कोई उपयोगकर्ता प्रश्न पूछता है, तो AI एजेंट डेटाबेस में खोज नहीं करता है। वह मेन्यू पढ़ता है।
- चरण 1: एजेंट शीर्ष-स्तरीय श्रेणियों को देखता है। "हम्म, उपयोगकर्ता ने व्यवसाय बदलने के बारे में पूछा है। यह 'भुगतान' या 'कानूनी' जैसा लग रहा है।"
- चरण 2: वह "भुगतान" फोल्डर खोलता है और सारांश पढ़ता है। "आह, यहाँ एक सब-फोल्डर है जिसका नाम 'खाता प्रबंधन' (Account Management) है।"
- चरण 3: वह उस फोल्डर को खोलता है, लेखों की एक सूची देखता है, और उस लेख को चुनता है जिसका शीर्षक है "अपना व्यवसाय प्रकार बदलना।"
- चरण 4: वह उस एकल लेख को पढ़ता है और उत्तर देता है।
यदि एजेंट को एहसास होता है कि "भुगतान" गलत रास्ता है, तो वह उस फोल्डर को बंद कर सकता है और "कानूनी" वाला फोल्डर खोल सकता है। उसके पास एजेंसी (agency) है।
यह बेहतर क्यों है?
इस पेपर ने एक वास्तविक कस्टमर सपोर्ट बेंचमार्क (WixQA) पर इसका परीक्षण किया और पाया कि यह पुराने तरीकों को तीन मुख्य तरीकों से हरा देता है:
- यह "जंगल" को देखता है: पारंपरिक खोज केवल "पेड़ों" (व्यक्तिगत दस्तावेज़ों) को देखती है। यह सिस्टम पूरे जंगल को देखता है। यदि कोई प्रश्न दो विषयों को जोड़ता है (जैसे, "मैं अपने ऑनलाइन कोर्स के लिए अपनी मुद्रा कैसे बदलूँ?"), तो एजेंट "कोर्स" फोल्डर देख सकता है, यह महसूस कर सकता है कि इसमें उत्तर नहीं है, और फिर दोनों सूचनाओं को जोड़ने के लिए "बिलिंग" फोल्डर देख सकता है।
- यह पीछे हट (Backtrack) सकता है: यदि एजेंट किसी मृत अंत (dead end) पर पहुँच जाता है, तो उसे पता चल जाता है कि वह एक मृत अंत है क्योंकि सारांश ने ऐसा कहा था। वह वापस मुड़ सकता है और दूसरा रास्ता आज़मा सकता है। पारंपरिक खोज बस आपको गलत उत्तर दे देती है और आपको अंदाज़ा लगाना पड़ता है।
- कोई "ब्लैक बॉक्स" नहीं: पारंपरिक खोज में, AI को यह नहीं पता होता कि उसने एक दस्तावेज़ क्यों चुना। इस सिस्टम में, AI को ठीक से पता है कि वह किस फोल्डर से आया है और उसने वह रास्ता क्यों चुना।
ट्रेड-ऑफ: लागत बनाम गुणवत्ता
- लागत: इस पद्धति में प्रति प्रश्न अधिक "टोकन" (कंप्यूटिंग पावर) खर्च होते हैं क्योंकि एजेंट को नेविगेट करने के लिए फोल्डरों के सारांश पढ़ने होते हैं। यह ऑर्डर देने से पहले मेन्यू पढ़ने जैसा है, जिसमें कुछ सेकंड लगते हैं।
- लाभ: उत्तर बहुत अधिक सटीक और तथ्यात्मक होते हैं। जटिल व्यावसायिक प्रश्नों के लिए जहाँ गलत होना महंगा हो सकता है (जैसे कानूनी या बिलिंग सलाह), वहां अतिरिक्त लागत सार्थक है।
सारांश रूपक (Metaphor)
- पारंपरिक RAG सड़क पर किसी अजनबी से रास्ता पूछने जैसा है। वे आपको सही सड़क बता सकते हैं, या वे आपको एक डेड एंड (बंद रास्ते) पर भी पहुँचा सकते हैं क्योंकि वे केवल कुछ ही ब्लॉक जानते हैं।
- CORUS2SKILL यात्री को शहर के पूरे नक्शे के साथ GPS देने जैसा है। वे पूरा रास्ता देख सकते हैं, सबसे अच्छा रास्ता चुन सकते हैं, और यदि वे गलत मोड़ ले लेते हैं, तो वे तुरंत नक्शा देख सकते हैं और अपना रास्ता बदल सकते हैं।
पेपर का मुख्य संदेश सरल है: AI को केवल उत्तर खोजने न दें। उसे एक नक्शा दें ताकि वह उन तक नेविगेट कर सके।
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।