← नवीनतम पेपर
💻 computer science

An Agent-Oriented Pluggable Experience-RAG Skill for Experience-Driven Retrieval Strategy Orchestration

यह शोध पत्र Experience-RAG Skill को प्रस्तुत करता है, जो एक एजेंट-उन्मुख प्लगेबल मॉड्यूल है जो कार्य संदर्भों का विश्लेषण करके और अनुभव स्मृति (experience memory) से परामर्श लेकर पुनर्प्राप्ति रणनीतियों (retrieval strategies) को गतिशील रूप से व्यवस्थित करता है, जिससे यह निश्चित पाइपलाइनों से बेहतर प्रदर्शन करता है और विविध विषम कार्यों में प्रतिस्पर्धी परिणाम प्राप्त करता है।

मूल लेखक: Dutao Zhang, Tian Liao

प्रकाशित 2026-05-06
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Dutao Zhang, Tian Liao

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 मास्टर शेफ (एजेंट) हैं जो ग्राहक के ऑर्डर के आधार पर भोजन बनाने की कोशिश कर रहे हैं। अतीत में, आपकी रसोई में एक सख्त नियम था: ग्राहक चाहे कुछ भी मांगे, आप हमेशा एक ही चाकू और एक ही चॉपिंग बोर्ड का उपयोग करते थे।

यदि ग्राहक ने एक नाजुक मछली का ऑर्डर दिया, तो आपने उस चाकू का उपयोग किया। यदि उन्होंने एक सख्त स्टेक (steak) का ऑर्डर दिया, तो भी आपने उसी चाकू का उपयोग किया। कभी-कभी यह काम कर जाता था, लेकिन अक्सर परिणाम अस्त-व्यस्त या अक्षम होता था।

यह पेपर एक नए टूल Experience-RAG Skill को पेश करता है। इसे एक नए चाकू के रूप में नहीं, बल्कि एक स्मार्ट सू-शेफ (sous-chef) के रूप में सोचें जो आपके और आपकी पूरी रसोई के बीच खड़ा है।

यह कैसे काम करता है, इसे सरल शब्दों में यहाँ दिया गया है:

1. समस्या: एक ही आकार सबके लिए सही नहीं होता (One Size Doesn't Fit All)

लेखकों ने देखा कि अलग-अलग प्रकार के सवालों के लिए उत्तर खोजने के अलग-अलग तरीके चाहिए होते हैं।

  • तथ्यात्मक प्रश्न (Factoid questions) (जैसे, "पहला राष्ट्रपति कौन था?") टमाटर काटने की तरह हैं; आपको एक तेज, सीधा उपकरण चाहिए।
  • मल्टी-हॉप प्रश्न (Multi-hop questions) (जैसे, "उस फिल्म का निर्देशन किसने किया जिसमें उस अभिनेता ने अभिनय किया जिसने 2020 में ऑस्कर जीता?") चिकन की हड्डियाँ निकालने (deboning) की तरह हैं; आपको अधिक जटिल, बहु-चरणीय दृष्टिकोण की आवश्यकता होती है।
  • वैज्ञानिक प्रश्न (Scientific questions) मछली को फिलेट करने (filleting) की तरह हैं; इनके लिए अत्यधिक सटीकता की आवश्यकता होती है।

पुराने सिस्टम सभी के लिए एक ही "निश्चित" खोज विधि का उपयोग करने की कोशिश करते थे। लेखकों का कहना है कि यह स्टेक काटने के लिए बटर नाइफ (मक्खन वाले चाकू) का उपयोग करने जैसा है—यह हर चीज़ के लिए अच्छा काम नहीं करता।

2. समाधान: स्मार्ट सू-शेफ (The Smart Sous-Chef)

Experience-RAG Skill एक प्लगेबल लेयर (एक स्मार्ट सहायक की तरह) है जो मुख्य एजेंट और उपलब्ध खोज उपकरणों के पूल (रिट्रीवर पूल) के बीच बैठती है।

जब आप इसे कोई अनुरोध देते हैं, तो यह चार चीजें करती है:

  1. दृश्य विश्लेषण (Scene Analysis): यह अनुरोध को देखती है और पूछती है, "यह किस प्रकार का कार्य है? क्या यह सरल है? क्या यह जटिल है? क्या यह वैज्ञानिक है?"
  2. अनुभव स्मृति (Experience Memory): यह पिछले अनुभवों की एक "नोटबुक" की जाँच करती है। यह याद रखती है, "पिछली बार जब हमारे पास इस तरह का जटिल प्रश्न आया था, तो 'हाइब्रिड सर्च' टूल सबसे अच्छा काम कर रहा था।"
  3. रणनीति रूटिंग (Strategy Routing): दृश्य और स्मृति के आधार पर, यह रसोई से सबसे अच्छा उपकरण चुनती है (जैसे, "Dense Retriever का उपयोग करें" या "Hybrid RRF का उपयोग करें")।
  4. पैकेजिंग (Packaging): यह साक्ष्य एकत्र करती है और उन्हें आपको एक व्यवस्थित पैकेज में वापस सौंप देती है, ताकि आपको इस बात की चिंता न करनी पड़े कि वे कैसे पाए गए, बस इस बात की कि वे पाए गए।

3. परिणाम: एक बेहतर भोजन (A Better Meal)

लेखकों ने तीन अलग-अलग प्रकार के "ऑर्डर" (डेटासेट) पर अपने स्मार्ट सू-शेफ का परीक्षण किया:

  • सरल तथ्यात्मक प्रश्न।
  • जटिल, बहु-चरणीय तर्क वाले प्रश्न।
  • वैज्ञानिक तथ्य-जांच।

परिणाम:

  • स्मार्ट सू-शेफ (Experience-RAG Skill) किसी भी एक निश्चित उपकरण का उपयोग करने की तुलना में बेहतर प्रदर्शन करता है।
  • यह वर्तमान में बाजार में उपलब्ध सबसे उन्नत "अनुकूली" (adaptive) सिस्टम के लगभग बराबर है, लेकिन एक प्रमुख अंतर के साथ: यह उपकरण के चुनाव को एक पुन: प्रयोज्य कौशल (reusable skill) के रूप में मानता है जिसे एजेंट सीख और उपयोग कर सकता है, न कि इसे सिस्टम के मस्तिष्क में हार्ड-कोड करता है।

4. कमी (सीमाएं)

पेपर इस बारे में ईमानदार है कि यह अभी क्या नहीं करता है:

  • रसोई छोटी है: परीक्षण सामग्रियों (दस्तावेजों) के एक छोटे, नमूना सेट पर किए गए थे, न कि किसी विशाल, वास्तविक दुनिया की लाइब्रेरी पर।
  • नियम सरल हैं: अभी, "स्मृति" मुख्य रूप से सरल नियमों का पालन करती है (जैसे, "यदि यह वैज्ञानिक है, तो टूल X का उपयोग करें")। उन्होंने इसे अपने आप सीखने की कोशिश की, लेकिन सरल नियम अभी बेहतर काम कर रहे हैं।
  • निश्चित मेनू: यह केवल रसोई में मौजूद उपकरणों में से ही चुन सकता है। यह अभी मौके पर नए उपकरण खरीदने में सक्षम नहीं है।

सारांश

संक्षेप में, यह पेपर तर्क देता है कि रोबोट को हर काम के लिए एक ही खोज विधि का उपयोग करने के लिए मजबूर करने के बजाय, हमें उसे एक स्मार्ट मैनेजर देना चाहिए। यह मैनेजर काम को देखता है, याद रखता है कि अतीत में क्या काम आया था, सही खोज उपकरण चुनता है, और उत्तर प्रदान करता है। यह AI एजेंटों को अधिक लचीला और कुशल बनाने की दिशा में एक छोटा लेकिन शक्तिशाली कदम 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →