ContextWeaver: Selective and Dependency-Structured Memory Construction for LLM Agents
ContextWeaver एक मेमोरी फ्रेमवर्क है जो LLM एजेंटों के लिए है, जो इंटरेक्शन हिस्ट्री को रीजनिंग स्टेप्स के डिपेंडेंसी-स्ट्रक्चर्ड ग्राफ में व्यवस्थित करके लॉन्ग-कॉन्टेक्स्ट रीजनिंग को बेहतर बनाता है, जिससे चयनात्मक, सारांशित और वैलिडेटेड कॉन्टेक्स्ट रिट्रीवल संभव हो पाता 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 आप एक जासूस हैं जो एक विशाल हवेली में एक बहुत बड़ी, जटिल गुत्थी सुलझाने की कोशिश कर रहे हैं।
जैसे-जैसे आप एक कमरे से दूसरे कमरे में जाते हैं, आपको सुराग मिलते हैं: रसोई में एक कीचड़ वाला पदचिह्न, लाइब्रेरी में एक टूटा हुआ फूलदान, और अटारी में एक रहस्यमय नोट।
समस्या: "गोल्डफिश" डिटेक्टिव
वर्तमान AI "एजेंट्स" (डिजिटल जासूसों) के पास एक समस्या है जिसे "कॉन्टेक्स्ट विंडो" (Context Window) सीमा कहते हैं। इसे ऐसे समझें जैसे जासूस के पास एक बहुत छोटी नोटबुक हो। जैसे-जैसे उन्हें अधिक सुराग मिलते हैं, उनके पन्ने खत्म होने लगते हैं। आगे बढ़ने के लिए, वे आमतौर पर दो में से एक काम करते हैं:
- स्लाइडिंग विंडो (The "भुलक्कड़" तरीका): वे नए पन्नों के लिए जगह बनाने के लिए पुराने पन्नों को बस फाड़ देते हैं। समस्या यह है कि वे उस पन्ने को भी फाड़ सकते हैं जिसमें पहला सुराग (कीचड़ वाला पदचिह्न) था, और यह भूल सकते हैं कि वह पदचिह्न ही उन्हें अटारी में देखने के लिए प्रेरित कर रहा था!
- समराइज़र (The "आलसी" तरीका): वे अब तक देखी गई हर चीज़ का एक छोटा सा सारांश लिखने की कोशिश करते हैं। लेकिन जल्दबाजी में, वे यह लिखना भूल सकते हैं कि "रसोई में कुछ सुराग मिले," और यह महत्वपूर्ण विवरण भूल सकते हैं कि वह पदचिह्न बाएं पैर का था।
जब जासूस अपने कार्यों के पीछे का "क्यों" भूल जाता है, तो वह गोल-गोल घूमने लगता है, गलतियाँ दोहराता है, या गलत कमरों में खोजने लगता है।
समाधान: कॉन्टेक्स्टवीवर (ContextWeaver - "सुरागों का जाल")
शोधकर्ताओं ने ContextWeaver बनाया है। अब जासूस के पास केवल एक साधारण नोटबुक नहीं है, बल्कि कल्पना कीजिए कि उसके पास एक विशाल, चमकता हुआ मकड़ी का जाल है जो हवेली के बीच में लटका हुआ है।
हर बार जब जासूस को कोई नया सुराग मिलता है, तो वह उसे केवल लिखता नहीं है; बल्कि वह उस नए सुराग से उन विशिष्ट पुराने सुरागों तक एक धागा बांध देता है जिन्होंने उसे वहां तक पहुँचाया।
ContextWeaver तीन चतुर तरीकों का उपयोग करता है:
1. डिपेंडेंसी वेब (The "क्यों" का धागा)
चीजों को केवल उसी क्रम में याद रखने के बजाय जिसमें वे हुईं (पहला, दूसरा, तीसरा...), ContextWeaver उन्हें तर्क (Logic) के आधार पर याद रखता है।
- उदाहरण: "मैं इस टूटे हुए फूलदान (नया सुराग) को देख रहा हूँ क्योंकि मैंने रसोई में कीचड़ वाला पदचिह्न (पुराना सुराग) देखा था।"
AI कनेक्शन का एक "मानचित्र" बनाता है। यदि उसे अटारी में किसी समस्या को हल करने की आवश्यकता है, तो वह केवल पिछली चीज़ को नहीं देखता; वह सबसे महत्वपूर्ण "मूल" सुरागों तक धागों का पीछा करता है।
2. स्मार्ट समराइज़र (The "हाइलाइट रील")
चूंकि AI सब कुछ विस्तार से याद नहीं रख सकता, इसलिए ContextWeaster "लघु कहानियाँ" बनाता है। बिखरे हुए नोट्स के बजाय, यह एक सुव्यवस्थित वृत्तांत बनाता है: "रसोई से शुरू किया पदचिह्न मिला लाइब्रेरी तक पीछा किया टूटा हुआ फूलदान मिला।" यह जांच की "कहानी" को छोटा और पढ़ने में आसान रखता है, जिससे कीमती जगह बचती है।
3. रियलिटी चेक (The "सत्य फिल्टर")
AI के पास एक इन-बिल्ट "फैक्ट चेकर" भी है। यदि जासूस ताला खोलने की कोशिश करता है और विफल रहता है, तो ContextWeaver उस प्रयास को "FAILED" (विफल) के रूप में चिह्नित करता है। जाल बनाते समय, AI को बताया जाता है: "अपने नए विचारों को असफल प्रयासों से न जोड़ें; केवल उन्हें जोड़ें जो वास्तव में काम कर गए या जिनसे हमें वास्तविक जानकारी मिली।" यह AI को अपनी ही गलतियों को दोहराने के लूप में फंसने से रोकता है।
क्या यह वास्तव में काम करता है?
शोधकर्ताओं ने इसका परीक्षण "SWE-Bench" पर किया, जो एक उच्च-स्तरीय परीक्षा है जहाँ AI एजेंटों को वास्तविक दुनिया के कंप्यूटर कोड को ठीक करना होता है (एक बहुत ही अस्त-व्यस्त, "हवेली के आकार" वाला कार्य)।
परिणामों ने दिखाया:
- बेहतर सफलता: AI उन जटिल समस्याओं को हल करने में बेहतर था जिनमें विभिन्न फाइलों के बीच कड़ियों को जोड़ने की आवश्यकता होती है।
- कम भटकना: AI उतनी बार एक ही गलती नहीं दोहराता।
- अधिक कुशल: यह समाधान तक पहुँचने के लिए कम "कदमों" और कम "मस्तिष्क शक्ति" (टोकन) का उपयोग करता है क्योंकि यह उन चीजों को दोबारा पढ़ने या मृत अंतों (dead ends) का पीछा करने में समय बर्बाद नहीं करता जिन्हें वह पहले से जानता था।
संक्षेप में:
ContextWeaver एक AI को एक भुलक्कड़ कार्यकर्ता से, जो केवल इस बात पर ध्यान देता है कि अभी क्या हुआ, एक रणनीतिक विचारक में बदल देता है जो यह समझता है कि उसका हर एक कदम बड़ी तस्वीर से कैसे जुड़ा 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।