🤖 AI

CoCoDA: Co-evolving Compositional DAG for Tool-Augmented Agents

CoCoDA एक ऐसा फ्रेमवर्क है जो छोटे भाषा मॉडलों को एक एकल कंपोजिशनल कोड DAG के भीतर एक प्लानर और एक बढ़ते टूल लाइब्रेरी को सह-विकसित करके बड़े शिक्षकों के बराबर या उनसे बेहतर बनाने में सक्षम बनाता है, जो सिम्बोलिक यूनिफिकेशन के माध्यम से रिट्रीवल दक्षता को अनुकूलित करता है और एक स्ट्रक्चर-अवेयर रिवॉर्ड मैकेनिज्म के माध्यम से लर्निंग को त्वरित करता है।

मूल लेखक: Ziyang Yu, Qiyue Li, Liang Zhao

प्रकाशित 2026-05-12

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ziyang Yu, Qiyue Li, Liang Zhao

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 आपके पास एक बहुत ही बुद्धिमान लेकिन छोटा रोबोट सहायक (प्लानर) है जिसे जटिल समस्याओं को हल करने की आवश्यकता है, जैसे कि उन्नत गणित करना या कोड लिखना। इस रोबोट के पास जानकारी रखने के लिए एक सीमित मात्रा में "मस्तिष्क स्थान" (कॉन्टेक्स्ट विंडो) है। इसकी मदद करने के लिए, हम इसे कौशल का एक टूलबॉक्स (टूल्स) देते हैं।

मौजूदा तरीकों के साथ समस्या यह है कि यह एक विशाल पुस्तकालय की किताबों को अपनी जेब में ले जाने की कोशिश करने जैसा है। जैसे-जैसे आप रोबोट की मदद के लिए उपयोगी किताबें (टूल्स) बढ़ाते जाते हैं, जेब भारी होती जाती है, और रोबोट समस्या को हल करने के लिए अपने मस्तिष्क में पर्याप्त किताबें नहीं रख पाता। साथ ही, रोबोट को यह नहीं पता कि इन किताबों को कैसे व्यवस्थित किया जाए; वह बस टेक्स्ट का एक बिखरा हुआ ढेर देखता है, जिससे सही किताब को जल्दी से ढूँढना मुश्किल हो जाता है।

CoCoDA एक नया सिस्टम है जो इस तरह से काम करने के तरीके को बदलकर और रोबोट को इसका उपयोग करना सिखाकर इस समस्या को हल करता है। यह कैसे काम करता है, इसे सरल उपमाओं (analogies) का उपयोग करके यहाँ समझाया गया है:

1. "जीवित ब्लूप्रिंट" (द कंपोजिशनल DAG)

बिखरी हुई किताबों के ढेर के बजाय, CoCoDA एक जीवित ब्लूप्रिंट (एक डायरेक्टेड एसाइक्लिक ग्राफ, या DAG) बनाता है।

नोड्स (Nodes): इन्हें आप व्यक्तिगत टूल्स के रूप में समझ सकते हैं। कुछ बुनियादी टूल्स हैं (जैसे हथौड़ा या पेचकस), और अन्य "सुपर-टूल्स" (जैसे कि पहले से असेंबल किया गया ड्रिल प्रेस) हैं जो बुनियादी टूल्स को मिलाकर बनाए गए हैं।
कनेक्शन (Connections): ब्लूप्रिंट दिखाता है कि सुपर-टूल्स को बुनियादी टूल्स से कैसे बनाया जाता है। यह एक रेसिपी बुक की तरह है जहाँ "केक" की रेसिपी "बैटर मिलाएं" और "बेक करें" चरणों की ओर संकेत करती है।
लाभ: क्योंकि ब्लूप्रिंट संरचना को जानता है, इसलिए रोबोट को हर किताब का हर पन्ना पढ़ने की ज़रूरत नहीं होती। वह तुरंत जान सकता है कि कौन से टूल्स एक साथ फिट बैठते हैं, इसके लिए वह "विषय-सूची" (सिग्नेचर) और "रेसिपी स्टेप्स" (डिपेंडेंसीज़) को देख सकता है।

2. "स्मार्ट फ़िल्टर" (टाइप्ड DAG रिट्रीवल)

जब रोबोट के सामने एक नई समस्या आती है, तो उसे सही टूल्स चुनने की आवश्यकता होती है। पुराने तरीके लाइब्रेरी के हर टूल का विवरण पढ़ते थे, जो धीमा था और बहुत अधिक मस्तिष्क स्थान का उपयोग करता था।

CoCoDA टूल्स के विकल्पों को कम करने के लिए एक चार-चरणीय फ़िल्टर का उपयोग करता है, जो एक सुरक्षा चेकपॉइंट की तरह है:

चरण 1 (आईडी चेक): यह टूल के "आईडी कार्ड" (इसके प्रकार के सिग्नेचर) की जाँच करता है। यदि टूल काम के अनुकूल नहीं है (जैसे, कागज काटने के लिए हथौड़े का उपयोग करना), तो इसे तुरंत खारिज कर दिया जाता है। इसमें लगभग कोई मस्तिष्क शक्ति खर्च नहीं होती।
चरण 2 (विवरण स्कैन): जो टूल्स आईडी चेक में पास हो जाते हैं, उनके संक्षिप्त विवरणों को पढ़ा जाता है ताकि देखा जा सके कि वे प्रासंगिक लग रहे हैं या नहीं।
चरण 3 (नियम जाँच): यह "नियमों" (पूर्व-शर्तों और उत्तर-शर्तों) की जाँच करता है। क्या इस टूल को ऐसे इनपुट की आवश्यकता है जो इसके पास नहीं हैं? क्या यह सही आउटपुट प्रदान करेगा? यदि नहीं, तो इसे बाहर कर दिया जाता है।
चरण 4 (उदाहरण मिलान): अंत में, यह टूल के वास्तविक दुनिया के उदाहरणों को देखता है ताकि सबसे सटीक मिलान चुना जा सके।

जादू: क्योंकि यह खराब टूल्स को सस्ते और तेज़ चरणों (1 और 2) में ही बाहर कर देता है, इसलिए यह केवल उन कुछ टूल्स के पूर्ण विवरण पढ़ने के लिए महंगी "मस्तिष्क शक्ति" खर्च करता है जो वास्तव में चयन प्रक्रिया में टिक पाते हैं। इससे रोबोट का "जेब" भारी नहीं होता, भले ही लाइब्रेरी बहुत बड़ी क्यों न हो जाए।

3. "सह-विकास" (को-इवोल्यूशन)

यह सबसे अनूठा हिस्सा है। आमतौर पर, रोबोट टूल्स का उपयोग करना सीखता है, लेकिन टूल्स स्थिर रहते हैं। CoCoDA में, रोबोट और टूलबॉक्स एक साथ बड़े होते हैं।

खोज (Discovery): जब रोबोट कई बुनियादी चरणों (जैसे "जोड़ना", "गुणा करना", फिर "भाग देना") को जोड़कर सफलतापूर्वक एक कठिन समस्या को हल करता है, तो एक "शिक्षक" (एक बड़ा, अधिक बुद्धिमान AI) इस सफलता को देखता है।
आविष्कार (Invention): शिक्षक कहता है, "अरे, चरणों का यह क्रम उपयोगी है! आइए उन्हें एक नए 'सुपर-टूल' में बांध दें और ब्लूप्रिंट में जोड़ दें।"
पुरस्कार (Reward): रोबोट को इन नए सुपर-टूल्स का उपयोग करने के लिए बोनस स्कोर (रिवॉर्ड) मिलता है क्योंकि वे उसे बार-बार बुनियादी चरणों को करने से बचाते हैं।
लूप (The Loop): जैसे-जैसे रोबोट बेहतर होता जाता है, वह अधिक पैटर्न ढूंढता है जिन्हें बंडल किया जा सकता है। जैसे-जैसे टूलबॉक्स अधिक स्मार्ट होता जाता है, रोबोट अधिक कठिन समस्याओं को हल कर सकता है। वे तालमेल में विकसित होते हैं।

परिणाम

पेपर ने गणित की समस्याओं, टेबल विश्लेषण और कोडिंग कार्यों पर इस सिस्टम का परीक्षण किया।

"छोटा बनाम बड़ा" टेस्ट: उन्होंने एक छोटे रोबोट (8 बिलियन मस्तिष्क इकाइयों) का उपयोग किया और उसकी तुलना एक विशाल रोबोट (32 बिलियन इकाइयों) से की।
परिणाम: CoCoDA के साथ, छोटा रोबोट कठिन गणित और तर्क संबंधी पहेलियों पर विशाल रोबोट के बराबर या उससे भी बेहतर प्रदर्शन करने में सक्षम रहा।
दक्षता: छोटा रोबोट केवल भाग्यशाली नहीं था; इसने अपने ज्ञान को इतनी कुशलता से व्यवस्थित करना सीख लिया कि भारी काम करने के लिए इसे विशाल मस्तिष्क आकार की आवश्यकता नहीं पड़ी।

संक्षेप में, CoCoDA एक छोटे AI को उसके कौशल के एक व्यवस्थित, पदानुक्रमित (hierarchical) पुस्तकालय को बनाने के लिए सिखाता है, जिससे वह ठीक से यह जानकर कि कौन से टूल्स उठाने हैं और उन्हें कैसे मिलाना है, अपनी क्षमता से कहीं अधिक प्रभावशाली प्रदर्शन कर सकता है।

तकनीकी सारांश: CoCoDA – टूल-ऑगमेंटेड एजेंटों के लिए सह-विकसित कंपोजिशनल DAG (Co-evolving Compositional DAG)

1. समस्या का निरूपण (Problem Formulation)

टूल-ऑगमेंटेड लैंग्वेज मॉडल्स (LLMs) बाहरी निष्पादन योग्य कौशलों (executable skills) के साथ छोटे प्लानर्स का विस्तार करते हैं, जिससे वे गणना और प्रतीकात्मक हेरफेर (symbolic manipulation) को ऑफलोड कर पाते हैं। हालाँकि, टूल लाइब्रेरी को स्केल करना एक मौलिक तनाव पैदा करता है: लाइब्रेरी को नए पुन: प्रयोज्य सब-रूटीन (reusable subroutines) को कैप्चर करने के लिए प्लानर के साथ विकसित होना चाहिए, फिर भी बढ़ते हुए लाइब्रेरी से रिट्रीवल (retrieval) को एक निश्चित कॉन्टेक्स्ट बजट के भीतर रहना चाहिए।

मौजूदा दृष्टिकोण इस कपलिंग (coupling) को हल करने में विफल रहते हैं। स्टैटिक टूल-यूज़ सिस्टम एक निश्चित इन्वेंट्री मानकर चलते हैं, जबकि स्किल-लाइब्रेरी विधियाँ आमतौर पर टूल्स को फ्लैट टेक्स्ट रिकॉर्ड या नेचुरल-लैंग्वेज मेमोरी के रूप में स्टोर करती हैं। ये फ्लैट संरचनाएं प्रॉम्प्ट लागत को लाइब्रेरी के आकार के साथ रैखिक (linearly) रूप से बढ़ा देती हैं और निष्पादन योग्य कोड की टाइप की गई, कंपोजिशनल संरचना को अस्पष्ट कर देती हैं। इसके विपरीत, कोड-लाइब्रेरी विधियाँ संरचना का लाभ तो उठाती हैं लेकिन उन्हें टोकन-बजट वाले रिट्रीवल के तहत काम करने वाले LLM प्लानर्स के लिए डिज़ाइन नहीं किया गया है। मुख्य चुनौती एक ऐसी प्रणाली डिजाइन करने की है जो एक साथ कोड-जागरूक (code-aware), रिट्रीवल-कुशल और ऑनलाइन सीखने योग्य हो, जो दो जुड़ी हुई समस्याओं को हल करे: कैसे लाइब्रेरी को पॉलिसी के साथ बढ़ाया जाए, और कैसे उस बढ़ती हुई लाइब्रेरी से एक निश्चित कॉन्टेक्स्ट विंडो के तहत रिट्रीवल किया जाए।

2. कार्यप्रणाली: CoCoDA फ्रेमवर्क (Methodology: The CoCoDA Framework)

CoCoDA इन चुनौतियों को एक एकल कोड-नेटिव संरचना के माध्यम से संबोधित करता है: एक कंपोजिशनल कोड DAG (Directed Acyclic Graph)। यह फ्रेमवर्क 'टाइप्ड DAG रिट्रीवल' और एक 'ऑनलाइन को-इवोल्यूशन प्रक्रिया' के माध्यम से प्लानर ( $\pi_\theta$ ) और टूल लाइब्रेरी ( $L$ ) को सह-विकसित (co-evolve) करता है।

2.1 कंपोजिशनल टूल DAG संरचना (Compositional Tool DAG Structure)

लाइब्रेरी $L$ को एक DAG $G=(V, E)$ के रूप में व्यवस्थित किया गया है जहाँ:

नोड्स ( $V$ ): प्रिमिटिव नोड्स (एटॉमिक एक्सेक्यूटेबल फंक्शन्स) और कंपोजिट नोड्स (मैक्रो-एक्शन्स जो मौजूदा टूल्स को इनवोक करते हैं) में विभाजित हैं।
एजेस ( $E$ ): इनवोकेशन डिपेंडेंसी को एनकोड करते हैं, जो लाइब्रेरी को सतही समानता के बजाय एब्स्ट्रैक्शन (abstraction) द्वारा स्तरीकृत (stratify) करते हैं।
नोड रिकॉर्ड्स ( $I(v)$ ): प्रत्येक नोड एक चार-स्तरीय रिकॉर्ड संग्रहीत करता है:
1. $L_1$ : टाइप्ड सिग्नेचर (सिंबोलिक)।
2. $L_2$ : नेचुरल लैंग्वेज डिस्क्रिप्शन।
3. $L_3$ : प्री/पोस्ट-कंडीशन स्पेसिफिकेशन और कॉम्प्लेक्सिटी।
4. $L_4$ : वर्क्ड इनपुट-आउटपुट उदाहरण।

2.2 टाइप्ड DAG रिट्रीवल (Typed DAG Retrieval)

इन्फरेंस के समय, CoCoDA एक 'कोर्स-टू-फाइन' (coarse-to-fine) रिट्रीवल कैस्केड का उपयोग करता है जो महंगे LLM खर्चों को उठाने से पहले प्रतीकात्मक रूप से उम्मीदवारों को छाँटता है। एक क्वेरी-प्रेरित सबगोल (subgoal) के लिए, यह प्रक्रिया एक नेस्टेड सीक्वेंस बनाता है: $S_0 \supseteq S_1 \supseteq S_2 \supseteq S_3 \supseteq S_4$ :

$L_1$ (सिंबोलिक प्रूनिंग): टूल के टाइप्ड सिग्नेचर को सबगोल सिग्नेचर के साथ यूनिफाई करके टूल्स को फ़िल्टर करता है। यह चरण सिंबोलिक है और इसमें शून्य प्रॉम्प्ट-टोकन लागत आती है।
$L_2$ (सिमेंटिक एक्सपेंशन): डिस्क्रिप्शन का उपयोग करके उत्तरजीवियों (survivors) को सिमेंटिक प्रासंगिकता के आधार पर रैंक करता है। महत्वपूर्ण रूप से, यह चरण DAG संरचना के आधार पर एक सबसमिंग कंपोजिट तक चढ़ सकता है या एक प्रिमिटिव तक उतर सकता है, जो कि फ्लैट टेक्स्ट रिट्रीवल में एक क्षमता नहीं है।
$L_3$ (स्पेसिफिकेशन फिल्टरिंग): प्री/पोस्ट-कंडीशन्स और कॉम्प्लेक्सिटी बाधाओं को सत्यापित करता है। जीवित बचे कंपोजिट्स को उनके प्रिमिटिव सब-ट्रैजेक्टरीज के समकक्ष मैक्रो-एक्शन्स के रूप में प्रमाणित किया जाता है।
$L_4$ (एग्जांपल डिस्एम्बिग्यूएशन): टाई-ब्रेक करने के लिए वर्क्ड एग्जांपल्स का उपयोग करके उत्तरजीवियों को पुनः रैंक करता है।

यह कैस्केड सुनिश्चित करता है कि महंगे LLM-बिल वाले रिकॉर्ड केवल धीरे-धीरे कम होते कैंडिडेट सेट्स के लिए ही मटेरियल किए जाएं, जिससे रिट्रीवल लागत लाइब्रेरी के आकार के सापेक्ष सबलीनियर (sublinear) रहती है।

2.3 ऑनलाइन को-इवोल्यूशन (Online Co-Evolution)

यह फ्रेमवर्क सफल ट्राजेक्टरीज के आधार पर प्लानर और लाइब्रेरी को एक साथ अपडेट करता है:

लाइब्रेरी ग्रोथ: सफल ट्राजेक्टरीज को एक फिक्स्ड टीचर एब्स्ट्रैक्टर ( $M_T$ ) को भेजा जाता है जो कंपोजिट टूल्स का प्रस्ताव देता है। एक प्रस्ताव तभी कमिट किया जाता है जब वह एसाइक्लिसिटी (acyclicity) को बनाए रखता है और डिपेंडेंसी/स्पेसिफिकेशन चेक को संतुष्ट करता है (через INSERTTOOL)।
प्लानर अपडेट: प्लानर को एक DAG-इंड्यूस्ड रिवॉर्ड का उपयोग करके अपडेट किया जाता है। मानक रिजल्ट रिवॉर्ड ( $R_{res}$ $R_{r es}$ ) के अलावा, एक कंपोजिशनल रिवॉर्ड ( $R_{comp}$ $R_{co m p}$ ) टूल्स को उनके "सेव्ड-कॉल" काउंट ( $\Phi$ $Φ$ ) द्वारा क्रेडिट देता है, जो कि उन प्रिमिटिव कॉल्स की संख्या है जिन्हें एक कंपोजिट रिप्लेस करता है।
- $R(\tau) = R_{res}(\tau) + \lambda \sum \Phi(t_i)$ .
- यह रिवॉर्ड प्लानर को गहरे कंपोजिट्स के माध्यम से रूट करने के लिए प्रोत्साहित करता है, जो प्रभावी रूप से कार्य के लिए आवश्यक टूल कॉल्स ( $T(\tau)$ ) की संख्या को कम करता है।

3. मुख्य योगदान (Key Contributions)

समस्या का निरूपण: लेखकों ने छोटे LLMs के लिए टूल-लाइब्रेरी लर्निंग को एक जॉइंट ऑप्टिमाइज़ेशन समस्या के रूप में फ्रेम किया है, जिसमें स्पष्ट रिट्रीवल-कॉस्ट और कॉन्टेक्स्ट-विंडो बाधाएं शामिल हैं, जो पॉलिसी और लाइब्रेरी की बढ़ती हुई कपलिंग को संबोधित करती हैं।
टाइप्ड DAG रिट्रीवल: एक कोड-नेटिव रिट्रीवल कैस्केड जो सिग्नेचर, इनवोकेशन एजेस, स्पेसिफिकेशन और उदाहरणों का उपयोग करता है ताकि प्रॉम्प्ट लागत को लाइब्रेरी के आकार के सापेक्ष सबलीनियर रखा जा सके।
को-इवोल्यूशन प्रक्रिया: एक ऑनलाइन तंत्र जो वैलिडेटेड कंपोजिट टूल्स को इंसर्ट करता है और एक स्ट्रक्चरल "सेव्ड-कॉल" रिवॉर्ड के साथ प्लानर को ट्रेन करता है, जो नए सीखे गए एब्स्ट्रैक्शंस के शोषण (exploitation) को बढ़ावा देता है।
सैद्धांतिक गारंटी: पेपर निम्नलिखित के लिए प्रमाण प्रदान करता है:
- रिट्रीवल कॉस्ट में कमी और सबलीनियर रिट्रीवल टाइम।
- शेप्ड रिवॉर्ड के तहत कंपोजिशनल एडवांटेज (यह सिद्ध करना कि कंपोजिट का उपयोग करना समकक्ष प्रिमिटिव सीक्वेंस की तुलना में उच्च रिवॉर्ड देता है)।
- कंजर्वेटिव अपडेट्स के तहत मोनोटोन को-इवोल्यूशन।
- DAG वेल-फॉर्मडनेस (एसाइक्लिसिटी और डेप्थ बाउंड्स)।

4. प्रयोगात्मक परिणाम (Experimental Results)

CoCoDA का गणितीय तर्क (GSM8K, MATH), टैबुलर विश्लेषण (WikiTableQuestions, FinQA), और कोड कार्यों (EvalPlus, MBPP) के छह बेंचमार्क पर मूल्यांकन किया गया।

प्रदर्शन: CoCoDA के साथ प्रशिक्षित एक 8B स्टूडेंट मॉडल ने GSM8K (93.67 बनाम 93.40) और MATH (63.18 बनाम 61.62) पर एक 32B टीचर मॉडल के बराबर या उससे अधिक प्रदर्शन किया।
स्केलिंग: वैनिला चेन-ऑफ-थॉट (CoT) पर लाभ छोटे स्केल पर सबसे महत्वपूर्ण थे (जैसे, 0.6B मॉडल के लिए GSM8K पर +10.7)।
बेसलाइन्स: CoCoDA ने लगातार मजबूत टूल-यूज़ बेसलाइन्स (ReAct, ToRL, ReTool) और लाइब्रेरी-लर्निंग विधियों (CREATOR, TroVE) को पछाड़ दिया। विशेष रूप से, टाइट स्टूडेंट-टीचर लूप के बिना लाइब्रेरी-कंस्ट्रक्शन बेसलाइन्स मैथ और कोड कार्यों पर प्लेन CoT से भी पीछे रह गईं, जो को-इववल्यूशन की आवश्यकता की पुष्टि करती हैं।
दक्षता: जैसे-जैसे लाइब्रेरी का आकार बढ़कर 1,600 नोड्स हुआ, CoCoDA की रिट्रीवल लागत फ्लैट रिट्रीवल की तुलना में लगभग 11.4 $\times$ कम और टेक्स्ट-हाइरार्किकल RAG की तुलना में 4.7 $\times$ कम थी।
एब्लेशन (Ablation): कंपोजिशनल टूल DAG (CTD) को हटाने से सबसे बड़ी गिरावट (2–4 पॉइंट्स) आई, जो डिपेंडेंसी एजेस के महत्व को रेखांकित करती है। Typed DAG Retrieval (TDR) को अक्षम करने से टैबुलर कार्यों पर सबसे अधिक प्रभाव पड़ा, जबकि ग्राफ-अवेयर रिवॉर्ड (GAR) को हटाने से प्रदर्शन में सार्वभौमिक रूप से कमी आई।

5. महत्व और दावे (Significance and Claims)

पेपर का दावा है कि CoCoDA निष्पादन योग्य कोड के अद्वितीय संरचनात्मक गुणों का लाभ उठाकर लाइब्रेरी ग्रोथ और कॉन्टेक्स्ट बाधाओं के बीच के तनाव को हल करता है। एक कंपोजिशनल DAG के रूप में लाइब्रेरी को प्रस्तुत करके, यह फ्रेमवर्क सक्षम बनाता है:

सबलीनियर रिट्रीवल: कॉन्टेक्स्ट लागत को रैखिक रूप से बढ़ाए बिना जटिल, पुन: प्रयोज्य एब्स्ट्रैक्शंस को सामने लाने की क्षमता।
स्ट्रक्चरल लर्निंग: एक रिवॉर्ड सिग्नल जो स्पष्ट रूप से प्रिमिटिव सीक्वेंस को कंपोजिट में कंप्रेस करने के लिए प्लानर को क्रेडिट देता है, जिससे पॉलिसी और लाइब्रेरी का सह-विकास (co-evolution) होता है।
स्केलेबिलिटी: एक बाहरी, विकसित होते हुए प्रोसीजरल मेमोरी का प्रभावी ढंग से उपयोग करके छोटे मॉडल्स (8B) के लिए बड़े मॉडल्स (32B) के प्रदर्शन को प्राप्त करने की क्षमता।

लेखक निष्कर्ष निकालते हैं कि यह दृष्टिकोण छोटे भाषा मॉडलों के लिए गणना और प्रतीकात्मक हेरफेर को कुशलतापूर्वक ऑफलोड करने का एक व्यवहार्य मार्ग प्रदान करता है, बशर्ते कि लाइब्रेरी एक ऐसी संरचना के माध्यम से पॉलिसी के साथ विकसित हो जो टूल्स की निष्पादन योग्य प्रकृति का सम्मान करती हो। भविष्य के कार्य को मल्टीमॉडल सेटिंग्स और मल्टी-एजेंट परिदृश्यों तक विस्तारित करने के रूप में नोट किया गया है।