← नवीनतम पेपर
🤖 AI

Retrieval-Conditioned Topology Selection with Provable Budget Conservation for Multi-Agent Code Generation

यह शोध पत्र रिट्रीवल-गाइडेड एडेप्टिव ऑर्केस्ट्रेशन (RGAO) को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो एक पदानुक्रमित कोड इंडेक्स से निकाले गए संरचनात्मक जटिलता के आधार पर डायनामिक रूप से कोड जनरेशन टोपोलॉजी का चयन करता है, जिससे जटिलता-सशर्त रूटिंग और औपचारिक संसाधन बीजगणित के नवीन एकीकरण के माध्यम से प्रमाणित बजट संरक्षण प्राप्त होता है।

मूल लेखक: Abhijit Talluri, Pujith Anne, Bhagavan Choudary Pendiyala, Raghavendra Chilukuri

प्रकाशित 2026-05-08
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Abhijit Talluri, Pujith Anne, Bhagavan Choudary Pendiyala, Raghavendra Chilukuri

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 अत्यधिक कुशल, लेकिन बहुत महंगे AI सहायकों की एक टीम के प्रबंधक हैं। आपका लक्ष्य किसी विशाल सॉफ़्टवेयर प्रोजेक्ट में बग्स को ठीक करना या नया कोड लिखना है।

मौजूदा AI टीमों के साथ समस्या यह है कि वे काम के आकार (job size) के बारे में अनभिज्ञ हैं।

  • यदि आप उन्हें एक फ़ाइल में टाइपो (typo) ठीक करने के लिए कहते हैं, तो वे पूरी "स्वैट टीम" (Swat Team), एक क्रेन, एक बुलडोज़र और एक विध्वंस दल (demolition crew) भेज सकते हैं। यह समय और पैसे की बर्बादी है।
  • यदि आप उन्हें पूरे शहर के पावर ग्रिड को फिर से बनाने के लिए कहते हैं (कई फ़ाइलों में एक जटिल परिवर्तन), तो वे केवल एक व्यक्ति को पेचकश (screwdriver) लेकर भेज सकते हैं। इससे विफलता मिलती है।

यह पेपर CODE-AGENT नामक एक नया सिस्टम पेश करता है जिसमें RGAO नामक एक विशेष प्रबंधक है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

1. "क्रू" से पहले "स्काउट" (रिट्रीवल-गाइडेड रूटिंग - Retrieval-Guided Routing)

पुराने सिस्टम में, प्रबंधक यह तय करने के लिए कि किसे भेजना है, केवल आपके द्वारा लिखे गए शब्दों को देखता था। यदि आपने कहा "लॉगिन ठीक करें," तो उन्होंने मान लिया कि यह एक बड़ा काम है।

RGAO खेल बदल देता है। किसी को भेजने से पहले, यह वास्तविक कोड को देखने के लिए एक स्काउट (Scout) भेजता है।

  • स्काउट कोड संरचना (एक पेड़ की तरह) पर चढ़ता है और चीजों को मापता है जैसे: "जड़ें कितनी गहरी हैं?" "शाखाएं कितनी उलझी हुई हैं?" "यह कितने अलग-अलग भवनों को प्रभावित करता है?"
  • इस संरचनात्मक मानचित्र (structural map) के आधार पर, प्रबंधक सही टीम चुनता है:
    • FASTPATH: एक छोटा सा टाइपो? इसे तुरंत ठीक करने के लिए एक व्यक्ति भेजें।
    • SUBAGENT: एक छोटा फीचर? एक विशेषज्ञ भेजें।
    • MULTIAGENT: एक बड़ा बदलाव? विशेषज्ञों की एक पाइपलाइन भेजें जो मिलकर काम करें।
    • DEEPRESEARCH: एक भ्रमित करने वाला, अस्पष्ट अनुरोध? पहले गहन शोध करने के लिए एक टीम भेजें।

परिणाम: पेपर का दावा है कि इस "स्काउट" पद्धति ने गलत टीम असाइनमेंट की संख्या को 30% से घटाकर 8% कर दिया। यह एक जनरल की तरह है जो सेना भेजने से पहले नक्शा देखता है कि स्नाइपर भेजना है या पूरी फौज।

2. "अटूट बजट" (प्रूवेबल बजट कंजर्वेशन - Provable Budget Conservation)

AI एजेंट महंगे होते हैं; वे "टोकन" (जैसे ईंधन) और समय का उपयोग करते हैं। यदि कोई एजेंट लूप में फंस जाता है या पागल हो जाता है, तो वह सेकंडों में आपका पूरा बजट खत्म कर सकता है।

लेखकों ने एक गणितीय सुरक्षा जाल (Mathematical Safety Net) बनाया है।

  • सोचिए कि मुख्य प्रबंधक एक माता-पिता की तरह है जिसके पास $100 का भत्ता है।
  • जब माता-पिता किसी बच्चे (सब-एजेंट) को काम करने के लिए भेजते हैं, तो वे बच्चे को एक सख्त भत्ता देते हैं (जैसे, $10)।
  • इस सिस्टम के पास एक गणितीय प्रमाण (Theorem 1) है जो कहता है: "चाहे आप कितने भी बच्चे भेजें, या वे कितनी भी बार प्रयास करें, पूरे परिवार द्वारा खर्च किया गया कुल पैसा कभी भी माता-पिता के मूल $100 से अधिक नहीं होगा।"

यह क्यों विशेष है: अधिकांश सिस्टम काम होने के दौरान बजट की जांच करते हैं (और यदि वे खत्म हो जाते हैं, तो बहुत देर हो चुकी होती है)। यह सिस्टम काम शुरू होने से पहले गणित की जांच करता है। यदि योजना ऐसी दिखती है कि इसमें $110 खर्च होंगे, तो सिस्टम कहता है "नहीं, इस योजना को रद्द करें" इससे पहले कि एक भी डॉलर खर्च हो।

3. "असेंबली लाइन" (आर्किटेक्चर)

सिस्टम परतों में काम करता है:

  1. द स्काउट (The Scout): कोड ट्री को पढ़ता है और जटिलता को मापता है।
  2. द डिस्पैचर (The Dispatcher): माप का उपयोग करके सही टीम का आकार चुनता है।
  3. द अकाउंटेंट (The Accountant): यह सुनिश्चित करने के लिए गणित की जांच करता है कि टीम अधिक खर्च न करे।
  4. द वर्कर्स (The Workers): वास्तविक AI एजेंट कोडिंग करते हैं, बिना शोर मचाए एक-दूसरे को कुशलतापूर्वक नोट्स पास करते हैं (जो समय बचाता है)।

निचोड़

पेपर का दावा है कि यह संयोजन—पहले कोड संरचना को देखना और गणितीय गारंटी देना कि आप अधिक खर्च नहीं करेंगे—इस बात के बारे में कहीं अधिक स्मार्ट बनाता है कि किसे भेजना है और इसमें कितना खर्च होगा।

पेपर से महत्वपूर्ण नोट:
लेखक उनकी सीमाओं के बारे में ईमानदार हैं। उन्होंने इसे एक "प्रॉक्सी" (एक सिमुलेशन) पर टेस्ट किया है क्योंकि वास्तविक दुनिया के पूर्ण परीक्षण चलाना अभी बहुत महंगा और जोखिम भरा है। वे यह भी स्वीकार करते हैं कि यदि कोड ऐसी भाषा में है जिसे उनका "स्काउट" अच्छी तरह नहीं जानता (जैसे Rust, जिसे वे अभी भी सीख रहे हैं), तो सिस्टम उतना सटीक नहीं है। लेकिन उनके द्वारा किए गए परीक्षणों के लिए, यह पुराने "कीवर्ड के आधार पर अनुमान लगाने" वाले तरीकों की तुलना में काफी बेहतर रहा।

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.AI →