तकनीकी सारांश: पुनरावर्ती तर्क प्रणालियों के लिए अवस्था प्रतिनिधित्व और समाप्ति (State Representation and Termination)

1. समस्या विवरण

पुनरावर्ती तर्क प्रणालियाँ (Recursive reasoning systems)—जिसमें पुनरावर्ती रिट्रीवल-ऑगमेंटेड जनरेशन, एजेंट एक्शन-ऑब्जर्वेशन लूप, ट्री-ऑफ-थॉट रीजनिंग, और निरंतर शिक्षण (continual learning) शामिल हैं—नए साक्ष्य प्राप्त करने और संचित आंतरिक अवस्था को परिष्कृत करने के बीच बारी-बारी से कार्य करके संचालित होती हैं। अपनी विविधता के बावजूद, ये प्रणालियाँ वर्तमान में दो महत्वपूर्ण डिज़ाइन अंतराल (design gaps) से ग्रस्त हैं:

1. अंतर्निहित अवस्था प्रतिनिधित्व (Implicit State Representation): वर्तमान प्रणालियाँ अक्सर तर्क की अवस्थाओं को क्षणिक टेक्स्ट ट्रेस या छिपे हुए सक्रियणों (hidden activations) के रूप में दर्शाती हैं। एक संरचित, स्थायी अवस्था के अभाव में, प्रणाली यह स्पष्ट रूप से ट्रैक करने में असमर्थ रहती है कि कौन से दावे समर्थित हैं, कौन से विरोधाभासी हैं, और कौन से प्रश्न अनसुलझे रह गए हैं। फलस्वरूप, विरोधाभास बिना पता चले जमा होते रहते हैं, और प्रणाली यह निर्धारित नहीं कर पाती कि कौन सी जानकारी अभी भी गायब है।
2. बहिर्जात समाप्ति मानदंड (Exogenous Termination Criteria): समाप्ति आमतौर पर निश्चित सीमाओं (जैसे, अधिकतम गहराई, टोकन बजट, या पुनरावृत्ति संख्या) द्वारा थोपी जाती है, न कि सिस्टम की आंतरिक गतिशीलता से व्युत्पन्न होती है। इससे विशिष्ट विफलता मोड उत्पन्न होते हैं: जटिल कार्यों पर समय से पूर्व रुक जाना, सरल कार्यों पर अनावश्यक प्रसंस्करण, और "भ्रमित" सुधार (hallucinated improvements) जहाँ आत्म-परिष्करण प्रदर्शन को कम कर देता है क्योंकि अभिसरण संकेतों (convergence signals) का अभाव होता है।

लेख का तर्क है कि एक स्पष्ट अवस्था और एक अंतर्जात (endogenous) समाप्ति मानदंड के बिना, पुनरावर्ती प्रणालियाँ यह विश्वसनीय रूप से पता नहीं लगा सकतीं कि वे कब किसी समाधान पर स्थिर हो गई हैं या आगे का पुनरावृत्ति फायदेमंद है या नहीं।

2. कार्यप्रणाली (Methodology)

2.1. एपिस्टेमिक स्टेट ग्राफ (Epistemic State Graph)

अवस्था प्रतिनिधित्व अंतराल को संबोधित करने के लिए, लेखक एपिस्टेमिक स्टेट ग्राफ ($S$) का प्रस्ताव करते हैं, जो एक टुपल $(V, E, \ell, c, w)$ के रूप में परिभाषित एक संरचित ग्राफ है:

• नोड्स ($V$): इन्हें क्लेम नोड्स (दावा नोड्स - निकाले गए तथ्य), पार्शियल आंसर नोड्स (वर्तमान सर्वोत्तम उत्तर), और ओपन क्वेश्चन नोड्स (पहचाने गए लेकिन अनसुलझे निर्भरता) में विभाजित किया गया है।
• एजेस ($E$): टाइप किए गए निर्देशित किनारे (directed edges) जो समर्थन (साक्ष्य आधारित समर्थन), आवश्यकता (अनसुलझे साक्ष्यों पर तार्किक निर्भरता), और विरोधाभास (असंगति) का प्रतिनिधित्व करते हैं।
• विशेषताएँ (Attributes): नोड्स और एजेस को विश्वास ($c$ और $w$) द्वारा भारित (weighted) किया जाता है और विशेषता वैक्टर्स ($\ell$) के साथ एनकोड किया जाता है।
• एम्बेडिंग (Embedding): गणितीय विश्लेषण को सुगम बनाने के लिए, डिस्क्रीट ग्राफ को एक स्मूथ मैप $\phi$ के माध्यम से एक निश्चित-आयामी यूक्लिडियन स्पेस ($\mathbb{R}^d$) में एम्बेड किया जाता है। यह तर्क ऑपरेटरों को अवकलनीय फलनों (differentiable functions) के रूप में मानने की अनुमति देता है, जिससे कैलकुलस-आधारित अभिसरण विश्लेषण का उपयोग संभव होता है।

2.2. विस्तार और समेकन ऑपरेटर (Expansion and Consolidation Operators)

सिस्टम की गतिशीलता को दो ऑपरेटरों के माध्यम से औपचारिक रूप दिया गया है जो एम्बेडेड अवस्था $\theta_t$ पर कार्य करते हैं:

• विस्तार ($P_e$): नए बाहरी साक्ष्य $e$ को सम्मिलित करता है। ग्राफ के संदर्भ में, यह नए क्लेम नोड्स जोड़ता है, उन्हें टाइप किए गए किनारों के माध्यम से जोड़ता है, और खुले प्रश्नों को हल करता है।
• समेकन ($Q$): केवल मौजूदा जानकारी का उपयोग करके अवस्था को परिष्कृत करता है। इसमें विरोधाभासों को हल करना (कम विश्वास वाले दावों का भार कम करना), रेडंडेंट नोड्स को मर्ज करना, और सर्वोत्तम आंशिक उत्तर की ओर भार स्थानांतरित करना शामिल है।
• गतिशीलता (Dynamics): सिस्टम $\theta_{t+1} = Q(P_{e_t}(\theta_t))$ के माध्यम से विकसित होता है, जहाँ $e_t$ वर्तमान अवस्था पर निर्भर वितरण से लिया गया नमूना है।

2.3. ऑर्डर-गैप समाप्ति मानदंड (Order-Gap Termination Criterion)

समाप्ति के लिए मुख्य नवाचार ऑर्डर-गैप ($\Omega$) है, जो विस्तार और समेकन ऑपरेटरों की गैर-क्रमविनिमेयता (non-commutativity) को मापता है।

• परिभाषा: $\Omega(\theta; e) = \|Q(P_e(\theta)) - P_e(Q(\theta))\|$।
  • $Q(P_e(\theta))$: वास्तविक सिस्टम प्रक्षेपवक्र (पहले विस्तार फिर समेकन)।
  • $P_e(Q(\theta))$: एक काल्पनिक प्रक्षेपवक्र जहाँ विस्तार से पहले समेकन होता है।
• तर्क: यदि संचालन का क्रम परिणाम को महत्वपूर्ण रूप से बदल देता है (बड़ा $\Omega$), तो सिस्टम नए साक्ष्य के प्रति संवेदनशील है और अभी तक स्थिर नहीं हुआ है। यदि क्रम का महत्व नहीं पड़ता (छोटा $\Omega$), तो आगे का पुनरावृत्ति परिणाम को भौतिक रूप से बदलने की संभावना कम है।
• स्टॉपिंग रूल: पुनरावृत्ति तब रुक जाती है जब एक विंडोड औसत ऑर्डर-गैप, $\hat{\Omega}_{t,w}$, एक थ्रेशोल्ड $\epsilon$ से नीचे गिर जाता है।

2.4. नॉन-डिजेनरेसी विश्लेषण (Non-Degeneracy Analysis)

पेपर एक सैद्धांतिक गारंटी (थ्योरम 5.2) प्रदान करता है जो सुनिश्चित करता है कि मानदंड सूचनात्मक है। यह रैकीकृतित कम्यूटेटर ग्रामियन ($G_{\theta^*}$) के लिए एक लोकल नॉन-डिजेनरेसी कंडीशन स्थापित करता है। यह स्थिति बताती है कि ऑर्डर-गैप बीजगणितीय रूप से शून्य नहीं है (अर्थात, यह एक वैध सिग्नल है) यदि और केवल यदि सभी संभावित साक्ष्य मदों के लिए रैकीकृतित कम्यूटेटर्स के कर्नेल (kernels) का प्रतिच्छेदन (intersection) ट्रिवियल है। यह सुनिश्चित करता है कि एक छोटा ऑर्डर-गैप वास्तविक अभिसरण को दर्शाता है, न कि किसी गणितीय आर्टिफैक्ट को।

3. मुख्य योगदान

1. एपिस्टेमिक स्टेट ग्राफ: तर्क अवस्थाओं के लिए एक औपचारिक, संरचित प्रतिनिधित्व जो दावों, संघर्षों, निर्भरताओं और विश्वास को स्पष्ट रूप से ट्रैक करता है, जिससे सिद्धांतिक विस्तार और समेकन सक्षम होता है।
2. ऑपरेटर फ्रेमवर्क: अवस्था ग्राफ के स्मूथ यूक्लिडियन एम्बेडिंग पर विस्तार और समेकन ऑपरेटरों की एक कठोर परिभाषा, जो गतिशील विश्लेषण की सुविधा प्रदान करती है।
3. ऑर्डर-गैप समाप्ति: सिस्टम के ऑपरेटर स्ट्रक्चर से व्युत्पन्न एक नवीन, अंतर्जात (endogenous) स्टॉपिंग मानदंड। यह ऑपरेशन्स के क्रम के प्रति अवस्था की संवेदनशीलता को मापता है।
4. नॉन-डिजेनरेसी थ्योरम: एक आवश्यक और पर्याप्त स्थिति (थ्योरम 5.2) जो यह लक्षणित करती है कि रैकीकृतित ऑर्डर-गैप फिक्स्ड पॉइंट के पास गैर-डिजेनरेट कब होता है, जिससे यह सुनिश्चित होता है कि मानदंड निरर्थक नहीं है।
5. सामान्यीकरण (Generalizability): यह प्रदर्शन कि यह फ्रेमवर्क विविध आर्किटेक्चर पर लागू होता है, जिसमें पुनरावर्ती भाषा मॉडल, एजेंट लूप, ट्री-ऑफ-थॉट रीजनिंग, प्रमेय सिद्ध करना (theorem proving), और निरंतर शिक्षण शामिल हैं।

4. परिणाम और चित्रण

पेपर बड़े पैमाने पर अनुभवजन्य बेंचमार्क प्रस्तुत नहीं करता है बल्कि डायनेमिक्स और ऑर्डर-गैप फॉर्मूला की आंतरिक स्थिरता को सत्यापित करने के लिए एक क्लोज्ड-फॉर्म 2-डायमेंशनल सिंथेटिक उदाहरण प्रदान करता है।

• सेटअप: एक स्टेट वेक्टर $(c, u)$ जो विश्वास और अनिश्चितता का प्रतिनिधित्व करता है, जिसमें विश्लेषणात्मक रूप से परिभाषित विस्तार और समेकन ऑपरेटर हैं।
• अवलोकन: $\Omega$ को तब बड़ा दिखाया गया है जब विश्वास कम और अनिश्चितता अधिक होती है (वे क्षेत्र जहाँ नए साक्ष्य महत्वपूर्ण होते हैं) और यह तब समाप्त हो जाता है जब विश्वास 1 के करीब पहुँचता है या अनिश्चितता समाप्त हो जाती है।
• ट्रैजेक्टरी: पांच साक्ष्य मदों के साथ एक सिम्युलेटेड रन यह प्रदर्शित करता है कि विंडोड ऑर्डर-गैप सही ढंग से पहचान लेता है कि कब प्रासंगिक साक्ष्य प्रोसेस किए गए हैं और कब सिस्टम स्थिर हो गया है, जिससे फिक्स्ड बजट की तुलना में अर्ली स्टॉपिंग संभव होती है।
• कवरेज चेक: उदाहरण एक विफलता मोड को दर्शाता है जहाँ ऑर्डर-गैप शून्य के करीब रहता है, लेकिन इसलिए नहीं कि सिस्टम अभिसरित हुआ है, बल्कि इसलिए क्योंकि साक्ष्य वितरण महत्वपूर्ण ओपन प्रश्नों को कवर करने में विफल रहा (जो नॉन-डिजेनरेसी कंडीशन का उल्लंघन करता है)।

5. महत्व और दायरा

पेपर दावा करता है कि यह पहला एकीकृत ढांचा प्रदान करता है जो पुनरावर्ती तर्क को अवस्था प्रतिनिधित्व और समाप्ति को स्पष्ट, युग्मित डिज़ाइन विकल्पों के रूप में मानता है।

• लोकल बनाम ग्लोबल: लेखक स्पष्ट हैं कि नॉन-डिजेनरेसी थ्योरम फिक्स्ड पॉइंट के पास एक लोकल कंडीशन है। यह वैश्विक अभिसरण (global convergence) की गारंटी नहीं देता है या अंतिम उत्तर की त्रुटि को सीमित नहीं करता है। ग्लोबल कन्वर्जेंस गारंटियों के लिए भविष्य के कार्य में लिप्सचिट्ज़ कांस्टेंट (Lipschitz constants) और नॉइज़ बाउंड्स जैसे अतिरिक्त अनुमानों के विकास की आवश्यकता बताई गई है।
• व्यावहारिक प्रभाव: फ्रेमवर्क एक ऐसा तंत्र प्रदान करता है जो मनमाने स्टॉपिंग रूल्स को सिस्टम के अपने प्रक्षेपवक्र से प्राप्त सिग्नल से बदलने का विकल्प देता है। यह सुझाव देता है कि अवस्था को स्पष्ट बनाकर और ऑपरेटर नॉन-कम्यूटेटिविटी को मापकर, प्रणालियाँ अनावश्यक गणना से बच सकती हैं और यह पता लगा सकती हैं कि आगे का परिष्करण कब निरर्थक या हानिकारक है।
• भविष्य की दिशाएँ: पेपर तत्काल विस्तार की रूपरेखा तैयार करता है, जिसमें नॉन-डिजेनरेसी कंडीशन को कंसंट्रेशन आर्गुमेंट्स के माध्यम से उत्तर त्रुटि से जोड़ना और लॉन्ग-कॉन्टेक्स्ट QA बेंचमार्क पर अनुभवजन्य मूल्यांकन शामिल है।

संक्षेप में, पेपर प्रस्तावित करता है कि पुनरावर्ती तर्क प्रणालियों को मजबूत और कुशल निष्कर्ष (inference) प्राप्त करने के लिए टेक्स्ट-आधारित अवस्थाओं से स्पष्ट, ग्राफ-आधारित एपिस्टेमिक अवस्थाओं की ओर और फिक्स्ड-बजट समाप्ति से डायनेमिक, ऑर्डर-गैप-आधारित स्टॉपिंग मानदंडों की ओर बढ़ना चाहिए।