JTPRO: A Joint Tool-Prompt Reflective Optimization Framework for Language Agents
यह शोध पत्र JTPRO को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो बड़े, डोमेन-विशिष्ट टूल इन्वेंट्रीज़ में टूल चयन और आर्गुमेंट इंस्टेंशिएशन (argument instantiation) की सटीकता को महत्वपूर्ण रूप से सुधारने के लिए रोलआउट-संचालित रिफ्लेक्शन (rollout-driven reflection) के माध्यम से ग्लोबल एजेंट इंस्ट्रक्शन्स और प्रति-टूल स्कीमा विवरणों को पुनरावृत्ति (iteratively) के साथ सह-अनुकूलित (co-optimizes) 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
कल्पना कीजिए कि आपके पास एक शानदार, अत्यंत बुद्धिमान सहायक (AI एजेंट) है जो बात करने और सोचने में अविश्वसनीय रूप से कुशल है। हालाँकि, यह सहायक सब कुछ अपने आप नहीं कर सकता। काम पूरा करने के लिए, इसे हज़ारों विशिष्ट उपकरणों से भरी एक विशाल टूलबॉक्स (जैसे कैलकुलेटर, मानचित्र, मौसम रिपोर्ट, स्टॉक टिकर आदि) का उपयोग करना पड़ता है।
समस्या यह है कि जैसे-जैसे टूलबॉक्स बड़ा और जटिल होता जाता है, सहायक भ्रमित होने लगता है। वह गलत उपकरण चुन लेता है, या वह सही उपकरण तो चुन लेता है लेकिन फॉर्म को गलत तरीके से भर देता है।
यह पेपर इस गड़बड़ी को ठीक करने के लिए JTPRO नामक एक नई विधि पेश करता है। यह कैसे काम करता है, इसे कुछ रोज़मर्रा के उदाहरणों के माध्यम से समझाया गया है।
समस्या: "अतिसंवेदनशील लाइब्रेरियन" (The Overwhelmed Librarian)
कल्पना कीजिए कि आपका सहायक एक लाइब्रेरियन है जो आपके लिए एक विशिष्ट पुस्तक खोजने की कोशिश कर रहा है।
- समस्या: लाइब्रेरी 100 पुस्तकों से बढ़कर 10,000 हो गई है। पुस्तकों के शीर्षक बहुत मिलते-जुलते हैं (जैसे, "सभी देश प्राप्त करें" बनाम "निवेशकों के लिए देशों की सूची प्राप्त करें" )।
- गलती: जब आप निवेश सलाह मांगते हैं, तो लाइब्रेरियन सामान्य पुस्तक उठा लेता है क्योंकि लेबल बहुत अस्पष्ट हैं। या, वे सही पुस्तक तो उठा लेते हैं लेकिन "उधार लेने के फॉर्म" में गलत तारीख का प्रारूप (format) लिख देते हैं।
- पुराना तरीका: पहले, लोग इसे ठीक करने के लिए लाइब्रेरियन के लिए एक विशाल, 50 पन्नों का निर्देश मैनुअल लिखने की कोशिश करते थे। लेकिन लाइब्रेरियन इससे अभिभूत हो जाता है, बारीक विवरणों को अनदेखा कर देता है, और फिर भी गलतियाँ करता है।
समाधान: JTPRO (द स्मार्ट एडिटर)
JTPRO एक स्मार्ट संपादक (Smart Editor) की तरह है जो न केवल निर्देश मैनुअल को फिर से लिखता है; बल्कि यह पुस्तकों पर लगे लेबल को भी फिर से लिखता है। यह परीक्षण, त्रुटि और आत्मचिंतन (trial, error, and reflection) की प्रक्रिया के माध्यम से ऐसा करता है।
यहाँ चरण-दर-चरण प्रक्रिया दी गई है:
1. "अभ्यास सत्र" (Rollouts)
संपादक सहायक को वर्तमान उपकरणों और निर्देशों का उपयोग करके कई अभ्यास समस्याओं को हल करने की कोशिश करने देता है।
- उदाहरण: लाइब्रेरियन 100 अलग-अलग ग्राहकों के लिए पुस्तकें खोजने की कोशिश करता है और उनमें से 20 में विफल रहता है।
2. "पोस्टमॉर्टम" (Reflection)
संपादक विफलताओं को देखता है और पूछता है: "हम क्यों विफल हुए?"
- क्या लाइब्रेरियन ने गलत पुस्तक चुनी? (टूल चयन त्रुटि - Tool Selection Error)
- क्या उन्होंने सही पुस्तक चुनी लेकिन फॉर्म पर गलत तारीख लिखी? (स्लॉट फिलिंग त्रुटि - Slot Filling Error)
- उदाहरण: संपादक को एहसास होता है, "आह, 'इन्वेस्टर' वाली पुस्तक का लेबल बहुत धुंधला था, और 'डेट' फॉर्म ने स्पष्ट रूप से यह नहीं बताया था कि इसे YYYY-MM-DD प्रारूप में होना चाहिए।"
3. "लक्षित सुधार" (Joint Optimization)
यही जादुई हिस्सा है। केवल बड़े निर्देश मैनुअल को बदलने के बजाय, JTPRO दो चीजों को एक साथ बदलता है:
- वैश्विक नियम (The Manual): यह एक स्पष्ट नियम जोड़ता है: "यदि ग्राहक स्टॉक के बारे में पूछता है, तो हमेशा 'इन्वेस्टर' पुस्तक खोजें।"
- टूल लेबल (The Book Covers): यह 'इन्वेस्टर' पुस्तक के विशिष्ट विवरण को फिर से लिखता है ताकि यह कहा जा सके: "इसका उपयोग केवल शेयर बाजार के प्रश्नों के लिए करें। सामान्य भूगोल के लिए इसका उपयोग न करें।"
4. "सफाई दल" (Globalization)
जैसे-जैसे संपादक चीजों को ठीक करता है, वह देखता है कि कई उपकरणों के निर्देश समान रूप से भ्रमित करने वाले हैं (जैसे, "तारीख YYYY-MM-DD के रूप में दर्ज करें" 50 बार दिखाई देता है)।
- उदाहरण: 50 अलग-अलग फॉर्मों पर "तारीख YYYY-MM-DD के रूप में दर्ज करें" लिखने के बजाय, संपादक इसे लाइब्रेरी की दीवार के ऊपर एक बार लिखता है और हर फॉर्म पर एक छोटा तीर लगा देता है, जो कहता है, "दीवार नियम #1 देखें।"
- यह निर्देशों को संक्षिप्त, सुसंगत और कम भ्रमित करने वाला रखता है।
यह पहले की तुलना में बेहतर क्यों है?
- पुराना तरीका: "यह रहा 50 पन्नों का मैनुअल। शुभकामनाएँ।" (सहायक इसमें खो जाता है)।
- JTPRO का तरीका: "यह रहा एक स्पष्ट नियम कि उपकरण का उपयोग कब करना है, और उपकरण के ऊपर एक स्पष्ट लेबल जो बताता है कि उसका उपयोग कैसे करना है। साथ ही, हमने सारा दोहराव वाला टेक्स्ट हटा दिया है ताकि आप ऊब न जाएँ।"
परिणाम
इस पेपर का परीक्षण तीन अलग-अलग परिदृश्यों में किया गया:
- विशाल टूलबॉक्स: जब उपकरणों की संख्या 500 से बढ़कर 1,000 हो गई, तो अन्य विधियाँ विफल हो गईं, लेकिन JTPRO बेहतर होता गया।
- जटिल फॉर्म: जब फॉर्मों में कई भ्रमित करने वाले क्षेत्र थे (जैसे तारीखें, मुद्राएं और संख्याएं), तो JTPRO ने सहायक को उन्हें बहुत अधिक बार सही ढंग से भरने में मदद की।
- एकाधिक कार्य: जब सहायक को एक समस्या को हल करने के लिए एक साथ तीन उपकरणों का उपयोग करना था, तो JTPRO ने यह सुनिश्चित किया कि वह क्रम या विवरणों को न मिलाए।
मुख्य निष्कर्ष (The Bottom Line)
JTPRO एक ऐसा सिस्टम है जो AI को उसकी गलतियों से सीखकर उसके उपकरणों का उपयोग करना सिखाता है। यह केवल AI को "सावधान रहें" नहीं कहता; यह विशेष रूप से निर्देशों और टूल के विवरणों को बदलता है ताकि वे एकदम स्पष्ट हो सकें, जिससे यह सुनिश्चित होता है कि AI सही उपकरण चुने और हर बार कागजी कार्रवाई को सही ढंग से भरे।
यह एक भ्रमित पर्यटक को एक विशाल, धुंधले मानचित्र को देने बनाम एक ऐसे GPS को देने के बीच का अंतर है जो वास्तविक समय में मार्ग को अपडेट करता है और बिल्कुल कौन सा मोड़ लेना है, उसे हाइलाइट करता 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।