HyperEyes: Dual-Grained Efficiency-Aware Reinforcement Learning for Parallel Multimodal Search Agents
HyperEyes एक समानांतर मल्टीमॉडल सर्च एजेंट है जिसे एक ड्यूल-ग्रेन्ड एफिशिएंसी-अवेयर रीइन्फोर्समेंट लर्निंग फ्रेमवर्क के माध्यम से प्रशिक्षित किया गया है जो विजुअल ग्राउंडिंग और रिट्रीवल को समवर्ती कार्यों में संलयित करता है, जिससे मौजूदा अनुक्रमिक एजेंटों की तुलना में बेहतर सटीकता और काफी कम इन्फरेंस लागत प्राप्त होती 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 ही फोटो में छह अलग-अलग संदिग्धों से जुड़े एक रहस्य को सुलझाने की कोशिश कर रहे हैं।
पुराना तरीका (सीरियल सर्च):
पारंपरिक AI एजेंट एक बहुत ही मेहनती लेकिन धीमे जासूस की तरह काम करते हैं। वे फोटो को देखते हैं, पहले व्यक्ति को चुनते हैं, उसके चेहरे को क्रॉप करते हैं, उस व्यक्ति को इंटरनेट पर खोजते हैं, परिणामों को पढ़ते हैं, और फिर दूसरे व्यक्ति पर आगे बढ़ते हैं। वे एक-एक करके इस प्रक्रिया को दोहराते हैं।
- समस्या: यदि फोटो में छह लोग हैं, तो जासूस लाइब्रेरी के छह अलग-अलग चक्कर लगाता है। जब तक वह छठे व्यक्ति तक पहुँचता है, पहले पांच चक्करों ने उसकी नोटबुक को इतनी जानकारी से भर दिया होता है कि अब ध्यान केंद्रित करना कठिन हो जाता है। यह एक छह-कोर्स का भोजन बनाने की तरह है जिसमें पहले एक बर्तन में पानी उबाला जाता है, उसके खत्म होने का इंतज़ार किया जाता है, फिर अगला बर्तन उबाला जाता है। इसमें बहुत समय लगता है और ऊर्जा बर्बाद होती है।
नया तरीका (HyperEyes):
यह शोध पत्र HyperEyes नामक एक नए AI एजेंट को पेश करता है जो इस दर्शन का पालन करता है: "व्यापक रूप से खोजें, न कि लंबे समय तक।"
एक बार लाइब्रेरी जाने के बजाय, HyperEyes पूरी फोटो को देखता है, एक साथ सभी छह संदिग्धों की पहचान करता है, और एक ही यात्रा में छह खोज अनुरोध (search requests) भेजता है। यह एक साथ छह अलग-अलग शोधकर्ताओं को लाइब्रेरी भेजने जैसा है, जो सभी समानांतर (parallel) काम कर रहे हैं और एक संगठित रिपोर्ट लेकर आ रहे हैं।
HyperEyes को कैसे प्रशिक्षित किया गया ( "स्कूल" की उपमा)
शोधकर्ताओं ने केवल AI को तेज़ होने के लिए नहीं कहा; उन्होंने इसके लिए एक विशेष प्रशिक्षण स्कूल बनाया जिसमें दो मुख्य चरण थे:
1. "सख्त शिक्षक" चरण (डेटा सिंथेसिस):
सबसे पहले, उन्होंने अभ्यास समस्याओं की एक विशाल लाइब्रेरी बनाई। लेकिन वे केवल कोई भी सही उत्तर नहीं चाहते थे; वे सबसे तेज़ सही उत्तर चाहते थे।
- उन्होंने प्रोग्रेसिव रिजेक्शन सैंपलिंग (Progressive Rejection Sampling) नामक तकनीक का उपयोग किया। कल्पना कीजिए कि एक शिक्षक छात्र को टेस्ट दे रहा है। यदि छात्र को एक समस्या हल करने में 10 मिनट लगते हैं, तो शिक्षक उस प्रयास को खारिज कर देता है। यदि छात्र इसे 2 मिनट में हल करता है, तो शिक्षक उसे रखता है। उन्होंने AI को पहले दिन से ही फुर्तीला बनाने के लिए केवल सबसे तेज़, कुशल समाधानों को ही रखा।
2. "डबल-ग्रेन्ड" कोचिंग चरण (रीइन्फोर्समेंट लर्निंग):
एक बार जब AI बुनियादी बातें सीख गया, तो उन्होंने दो स्तरों पर एक विशेष कोचिंग प्रणाली लागू की:
- मैक्रो स्तर (बड़ी तस्वीर): उन्होंने AI को एक पुरस्कार प्रणाली दी जिसे TRACE कहा जाता है। इसे एक कोच के रूप में सोचें जो कहता है, "यदि आप रहस्य को 3 चरणों में सुलझाते हैं, तो आपको एक गोल्ड स्टार मिलेगा। यदि आप 5 चरण लेते हैं, तो आपको दंड मिलेगा।" महत्वपूर्ण बात यह है कि कोच समय के साथ सख्त होता जाता है। यदि AI 3 चरणों में हल करना सीख जाता है, तो कोच मानक को बढ़ाकर 2 चरण कर देता है। यह AI को लगातार अधिक कुशल बनने के लिए मजबूर करता है, न कि केवल सटीक।
- माइक्रो स्तर (बारीक विवरण): कभी-कभी AI बीच में ही गलती कर देता है। ऑन-पॉलिसी डिस्टिलेशन (OPD) एक "घोस्टराइटर" की तरह काम करता है जो केवल तभी हस्तक्षेप करता है जब AI विफल हो जाता है। घोस्टराइटर (एक स्मार्ट, बड़ा AI) छात्र AI को सही अगला शब्द फुसफुसाकर बताता है, जिससे उसे ठीक से पता चलता है कि उसने कहाँ गलती की, बिना उन हिस्सों पर समय बर्बाद किए जिन्हें उसने पहले ही सही कर लिया था।
नया स्कोरकार्ड (IMEB)
शोधकर्ताओं ने महसूस किया कि पुराने परीक्षण केवल इस बात की परवाह करते थे कि AI ने सही उत्तर दिया या नहीं, और इस बात को अनदेखा कर देते थे कि इसमें कितना समय लगा या कितने "लाइब्रेरी चक्कर" (टूल कॉल्स) लगाए गए।
उन्होंने एक नया बेंचमार्क बनाया जिसे IMEB (इमेज मल्टी-एंटिटी बेंचमार्क) कहा जाता है।
- उपमा: एक दौड़ को ग्रेड करने की कल्पना करें। पुराने परीक्षण केवल इस पर ध्यान देते थे कि कौन सबसे पहले फिनिश लाइन पार करता है। नया परीक्षण (IMEB) यह देखता है कि किसने फिनिश लाइन पार की और किसने सबसे कम ईंधन का उपयोग किया। उन्होंने एक कॉस्ट-अवेयर स्कोर (Cost-Aware Score) पेश किया जो सटीकता को पुरस्कृत करता है लेकिन समय और ऊर्जा बर्बाद करने के लिए भारी दंड देता है।
परिणाम
जब उन्होंने HyperEyes को मौजूदा सर्वश्रेष्ठ AI एजेंटों के विरुद्ध टेस्ट किया:
- सटीकता (Accuracy): इसने अपने प्रतिस्पर्धियों की तुलना में अधिक बार सही उत्तर प्राप्त किया (विशेष रूप से, सर्वश्रेष्ठ ओपन-सोर्स प्रतिद्वंद्वी से 9.9% बेहतर)।
- दक्षता (Efficiency): यह नाटकीय रूप से तेज़ था। इसे समान समस्याओं को हल करने के लिए 5.3 गुना कम "लाइब्रेरी चक्करों" की आवश्यकता पड़ी।
सारांश
HyperEyes ट्रैफिक जाम वाली सिंगल-लेन सड़क से मल्टी-लेन हाईवे में अपग्रेड करने जैसा है। AI को एक साथ सभी सुराग देखने के लिए सिखाकर और इसे अनावश्यक चक्कर लगाने के लिए दंडित करके, शोधकर्ताओं ने एक ऐसा एजेंट बनाया जो न केवल स्मार्ट है, बल्कि काफी कुशल भी है, जो जटिल दृश्य पहेलियों को बहुत कम समय में हल 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।