Lattice Deduction Transformers
यह शोध पत्र लैटिस डिडक्शन ट्रांसफॉर्मर (LDT) का परिचय देता है, जो एक आवर्ती (recurrent) मॉडल है जो लैटिस प्रोजेक्शन और एब्स्ट्रैक्ट इंटरप्रिटेशन के माध्यम से सुदृढ़ निष्कर्ष (sound deduction) का अनुमान लगाकर सुडोकू और भूलभुलैया जैसे जटिल तर्क पहेलियों पर लगभग पूर्ण सटीकता प्राप्त करता है, जो अनुभवजन्य सुदृढ़ता (empirical soundness) बनाए रखते हुए अत्याधुनिक एलएलएम (LLMs) से काफी बेहतर प्रदर्शन करता 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 बहुत ही कठिन पहेली हल करने की कोशिश कर रहे हैं, जैसे कि सुडोकू या कोई भूलभुलैया (maze)। अधिकांश आधुनिक AI मॉडल (Large Language Models) इन्हें "सोचकर बोलने" (thinking out loud) के माध्यम से हल करने का प्रयास करते हैं—यानी वे अनुमान लगाने, जांचने और फिर से अनुमान लगाने का एक लंबा सिलसिला उत्पन्न करते हैं। कभी-कभी वे सही होते हैं, लेकिन अक्सर वे भ्रमित हो जाते हैं और बिना एहसास हुए गलत उत्तर दे देते हैं।
इस शोध पत्र के लेखक, "लैटिस डिडक्शन ट्रांसफॉर्मर" (Lattice Deduction Transformers), सोचने का एक अलग तरीका प्रस्तावित करते हैं। उन्होंने एक नया प्रकार का AI बनाया है जिसे लैटिस डिडक्शन ट्रांसफॉर्मर (LDT) कहा जाता है। यह कैसे काम करता है, इसे सरल उपमाओं (analogies) का उपयोग करके यहाँ समझाया गया है:
1. "धुंधला कमरा" उपमा (The Lattice)
कल्पना कीजिए कि आप एक अंधेरे कमरे में हैं जो फर्नीचर से भरा हुआ है, और आपको एक विशिष्ट कुर्सी ढूँढनी है।
- मानक AI (Standard AI): यह अनुमान लगाना शुरू कर सकता है, "क्या कुर्सी यहाँ है? नहीं। क्या वह वहाँ है? शायद।" यह तब तक अनुमान लगाता रहता है जब तक कि उसे आत्मविश्वास महसूस न हो जाए।
- LDT का दृष्टिकोण: अनुमान लगाने के बजाय, LDT एक "धुंधले कमरे" के साथ शुरुआत करता है जहाँ हर फर्नीचर एक संभावित उम्मीदवार है। इसे लैटिस (Lattice) कहा जाता है।
- लैटिस के शीर्ष पर (सबसे धुंधले बिंदु पर), AI कुछ नहीं जानता; हर स्थान कुर्सी हो सकता है।
- नीचे की ओर, AI को ठीक पता होता है कि कुर्सी कहाँ है।
- AI का काम है धुंध को साफ करना। यह पहेली के नियमों को देखता है और कहता है, "ठीक है, कुर्सी निश्चित रूप से कोने में नहीं है," और उस स्थान को साफ कर देता है। फिर, "यह मेज के नीचे भी नहीं है," और उसे भी साफ कर देता है।
- महत्वपूर्ण बात यह है कि AI को इस तरह डिज़ाइन किया गया है कि वह असली कुर्सी को कभी हटा नहीं देता। वह केवल उन चीजों को हटाता है जो निश्चित रूप से गलत हैं। यदि वह सब कुछ साफ कर देता है और उसे कोई कुर्सी नहीं मिलती, तो वह समझ जाता है कि पहेली दोषपूर्ण है (या उसने पहले कोई गलती की है)।
2. "परिष्करण प्रक्रिया" (Deduction)
यह शोध पत्र इस प्रक्रिया की तुलना एक "डिस्क्रीट डिफ्यूजन" (discrete diffusion) मॉडल से करता है। इसे पत्थर के एक ब्लॉक से मूर्ति तराशने की तरह समझें।
- आप मूर्ति का आकार केवल अनुमान लगाकर नहीं बनाते। आप उस पत्थर को छीलकर निकाल देते हैं जो निश्चित रूप से मूर्ति नहीं है।
- LDT इसे चरण-दर-चरण करता है। यह वर्तमान "धुंधली" स्थिति को देखता है, असंभव विकल्पों को हटाने के लिए तर्क लागू करता है, और परिणाम को अगले चरण में भेज देता है।
- क्योंकि यह सख्त नियमों के आधार पर विकल्पों को हटाता है, इसलिए यह प्रक्रिया सत्यनिष्ठ (sound) है। इसका अर्थ है कि यदि AI आपको उत्तर देता है, तो इसकी गारंटी है कि वह सही होगा। यदि वह उत्तर नहीं ढूँढ पाता, तो वह बस कहेगा, "मैं इसे हल नहीं कर सकता," बजाय इसके कि वह कोई नकली समाधान बना ले।
3. "अन्वेषकों की एक टीम" (Search & Branching)
कभी-कभी, धुंध इतनी घनी होती है कि AI केवल देखकर अगला कदम तार्किक रूप से तय नहीं कर पाता। उसे एक अनुमान लगाना पड़ता है।
- कल्पना कीजिए कि अन्वेषकों की एक टीम भूलभुलैया में प्रवेश करती है। जब वे रास्ते के मोड़ पर पहुँचते हैं, तो वे केवल एक रास्ता नहीं चुनते और उम्मीद नहीं करते।
- LDT अपनी टीम को विभाजित करता है। एक समूह बाईं ओर जाता है, दूसरा दाईं ओर। वे दोनों रास्तों का एक साथ अन्वेषण करते हैं।
- यदि कोई समूह किसी मृत अंत (conflict) पर पहुँचता है, तो उस रास्ते को तुरंत छोड़ दिया जाता है।
- शोध पत्र दिखाता है कि AI को इस "ब्रांचिंग" (शाखा बनाने) को कुशलतापूर्वक करने के लिए प्रशिक्षित करके, वह बहुत बेहतर हो जाता है कि उसे कब अनुमान लगाना है और कौन सा अनुमान काम करने की संभावना रखता है।
4. परिणाम: छोटा लेकिन शक्तिशाली
लेखकों ने इस AI को तीन प्रकार की कठिन पहेलियों पर प्रशिक्षित किया:
- सुडोकू-एक्सट्रीम (Sudoku-Extreme): बहुत कठिन सुडोकू पहेलियाँ।
- स्नोफ्लेक सुडोकू (Snowflake Sudoku): सुडोकू का एक अजीब, षट्कोणीय (hexagonal) संस्करण।
- मेज़-हार्ड (Maze-Hard): जटिल भूलभुलैया जहाँ आपको सबसे छोटा रास्ता खोजना होता है।
चौंकाने वाले निष्कर्ष:
- आकार मायने नहीं रखता: LDT "AI के दिग्गजों" (जैसे GPT-5 या Claude) की तुलना में बहुत छोटा है। इसके 2 मिलियन से भी कम पैरामीटर हैं, जबकि दिग्गजों के पास खरबों (trillions) पैरामीटर हैं।
- प्रदर्शन: इतने छोटे होने के बावजूद, LDT ने सबसे कठिन सुडोकू पहेलियों को 100% और सबसे कठिन भूलभलैयाओं को लगभग 100% हल किया।
- दिग्गज विफल रहे: विशाल, प्रसिद्ध AI मॉडल (GPT-5, Claude, DeepSeek) इन विशिष्ट कठिन तर्क पहेलियों पर 0% रहे। वे एक भी समाधान नहीं निकाल सके।
- सुरक्षा: LDT ने कभी भी गलत उत्तर नहीं दिया। यदि उसे नहीं पता था, तो उसने स्वीकार कर लिया। बड़े मॉडल, हालांकि, आत्मविश्वास के साथ गलत उत्तर देते रहे।
5. यह क्यों महत्वपूर्ण है
यह शोध पत्र सुझाव देता है कि कार्यों के लिए जिनमें सख्त तर्क और नियमों की आवश्यकता होती है (जैसे गणित, कोडिंग या पहेलियाँ), हमें आवश्यक रूप से विशाल, महंगे AI मॉडल की आवश्यकता नहीं है जो "भ्रमित" (hallucinate/मनगढ़ंत बातें बनाना) होते हैं। इसके बजाय, हम छोटे, विशिष्ट मॉडल बना सकते हैं जो एक तार्किक जासूस की तरह कार्य करते हैं: वे असंभव को तब तक हटाते रहते हैं जब तक कि केवल सत्य शेष न रह जाए।
संक्षेप में: LDT एक छोटा, कुशल AI है जो पहेलियों को गलत उत्तरों को व्यवस्थित रूप से खारिज करके हल करता है जब तक कि केवल सही उत्तर ही न बच जाए, जिससे यह सुनिश्चित होता है कि वह समाधान के बारे में कभी झूठ नहीं बोलता। यह गणना शक्ति के एक अंश का उपयोग करते हुए, तर्क पहेलियों में दुनिया के सबसे बड़े AI मॉडलों को मात देता 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।