← नवीनतम पेपर
🤖 AI

RADAR: Redundancy-Aware Diffusion for Multi-Agent Communication Structure Generation

RADAR एक रेडंडेंसी-अवेयर (redundancy-aware), क्वेरी-एडेप्टिव (query-adaptive) जनरेटिव फ्रेमवर्क है जो मल्टी-एजेंट कम्युनिकेशन टोपोलॉजी को डायनामिक रूप से ऑप्टिमाइज़ करने के लिए कंडीशनल डिस्क्रीट ग्राफ डिफ्यूजन (conditional discrete graph diffusion) का उपयोग करता है, जिससे मौजूदा तरीकों की तुलना में उच्च सटीकता, कम टोकन खपत और अधिक मजबूती प्राप्त होती है।

मूल लेखक: Zhen Zhang, Wanjing Zhou, Juncheng Li, Hao Fei, Jun Wen, Wei Ji

प्रकाशित 2026-05-12
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Zhen Zhang, Wanjing Zhou, Juncheng Li, Hao Fei, Jun Wen, Wei Ji

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 विशेषज्ञ सहायकों (जैसे एक गणितज्ञ, एक कोडर और एक शोधकर्ता) की एक टीम है जो आपकी समस्या को हल करने के लिए तैयार है। बड़ा सवाल यह है: उन्हें एक-दूसरे से कैसे बात करनी चाहिए?

अतीत में, शोधकर्ताओं ने इन टीमों को एक निश्चित नियम पुस्तिका दी थी। शायद उन्होंने उन्हें एक घेरे में खड़े होकर एक-एक करके नोट्स पास करने (एक "चेन") या सभी को एक साथ एक लीडर को अपने विचार चिल्लाकर बताने (एक "स्टार") के लिए कहा था। इन निश्चित नियमों के साथ समस्या यह है कि वे हर पैर के लिए एक ही आकार का जूता पहनने जैसे हैं: कभी-कभी यह बहुत तंग होता है और आपकी गति धीमी कर देता है, और कभी-कभी यह इतना ढीला होता है कि कोई मदद नहीं करता।

यदि कार्य सरल है (जैसे "2+2 क्या है?"), तो एक जटिल टीम का आपस में बात करना समय और पैसे की बर्बादी है। लेकिन यदि कार्य कठिन है (जैसे एक जटिल कंप्यूटर प्रोग्राम लिखना), तो एक सरल टीम के पास पर्याप्त दिमागी शक्ति नहीं होगी।

समस्या: बहुत अधिक बकबक

पेपर बताता है कि वर्तमान AI टीमें बहुत अधिक बातें करती हैं। वे अनावश्यक संदेश भेजती हैं, जो वे पहले से जानते हैं उसे दोहराती हैं, जिससे बहुत सारे "टोकन" (AI मॉडलों को भुगतान करने के लिए उपयोग की जाने वाली मुद्रा) बर्बाद होते हैं। यह दोस्तों के एक समूह की तरह है जो एक पहेली सुलझाने की कोशिश कर रहे हैं, लेकिन उनमें से आधे केवल वही दोहरा रहे हैं जो दूसरों ने कहा है, जिससे प्रक्रिया धीमी और महंगी हो जाती है।

समाधान: RADAR

लेखकों ने RADAR (Redundancy-Aware Diffusion for Multi-Agent Communication Structure Generation) नामक एक नई प्रणाली बनाई है। RADAR को एक स्मार्ट आर्किटेक्ट के रूप में सोचें जो हर एक काम के लिए, चरण-दर-चरण, एक कस्टम संचार योजना डिजाइन करता है।

यह इस प्रकार काम करता है, सरल उपमाओं का उपयोग करते हुए:

1. "प्रभावी आकार" का दिशा-सूचक (The "Effective Size" Compass)
RADAR "प्रभावी आकार" (Effective Size) की अवधारणा का उपयोग करता है। कल्पना कीजिए कि आप एक पार्टी में हैं। यदि आप तीन दोस्तों से बात करते हैं जो सभी एक-दूसरे को जानते हैं और आपको बिल्कुल एक ही गपशप बताते हैं, तो वह अनावश्यक (redundant) है। लेकिन यदि आप तीन ऐसे दोस्तों से बात करते हैं जो पूरी तरह से अलग चीजें जानते हैं, तो वह प्रभावी (effective) है।
RADAR इस "प्रभावी आकार" को मापता है ताकि यह सुनिश्चित हो सके कि AI टीम केवल खुद को दोहरा नहीं रही है। यह सक्रिय रूप से एक ऐसी टीम संरचना बनाने की कोशिश करता है जहाँ हर कोई अनूठी, गैर-अतिव्यापी (non-overlapping) जानकारी लेकर आए।

2. एक मूर्तिकार की तरह टीम बनाना (Diffusion)
एक पूर्व-निर्मित संरचना को एक बार में जोड़ने के बजाय, RADAR टीम के संचार मानचित्र को एक मूर्तिकार की तरह संगमरमर के ब्लॉक को तराशते हुए बनाता है।

  • प्रक्रिया: यह एक खाली स्लेट (कोई कनेक्शन नहीं) से शुरू होता है। फिर, यह धीरे-धीरे एक-एक करके एजेंटों के बीच संबंध जोड़ता है।
  • जांच: हर चरण पर, यह पूछता है, "क्या यह कनेक्शन जोड़ने से मदद मिल रही है, या यह केवल शोर (noise) है?" यदि यह शोर है, तो यह इसे नहीं जोड़ता है। यह चरण-दर-चरण प्रक्रिया सिस्टम को विशिष्ट समस्या के लिए परफेक्ट आकार खोजने की अनुमति देती है।

3. परिणाम: एक कस्टम सूट
चूंकि RADAR विशिष्ट प्रश्न के आधार पर चरण-दर-चरण संरचना बनाता है:

  • सरल गणित समस्याओं के लिए: यह दो एजेंटों के बीच एक छोटी, सीधी रेखा बना सकता है। कोई तामझाम नहीं, कोई पैसा बर्बाद नहीं।
  • जटिल कोडिंग समस्याओं के लिए: यह एजेंटों के बीच एक समृद्ध, परस्पर जुड़ा हुआ जाल बना सकता है जहाँ वे विचारों पर बहस करते हैं और उन्हें परिष्कृत करते हैं, क्योंकि कठिन कार्य के लिए उसी की आवश्यकता होती है।

पेपर ने क्या पाया

लेखकों ने छह अलग-अलग चुनौतियों पर RADAR का परीक्षण किया, जिसमें गणितीय समीकरणों को हल करने से लेकर कंप्यूटर कोड लिखने तक शामिल है। उन्होंने अन्य शीर्ष तरीकों के मुकाबले इसकी तुलना की और पाया कि:

  • समझदार उत्तर: RADAR ने अन्य तरीकों की तुलना में अधिक प्रश्नों के सही उत्तर दिए।
  • सस्ता: इसने उत्तर प्राप्त करने के लिए काफी कम "टोकन" (कम पैसा/कंप्यूटिंग पावर) का उपयोग किया। यह अक्सर अन्य जटिल तरीकों की तुलना में आधे लागत वाला था।
  • मजबूत: जब शोधकर्ताओं ने कुछ एजेंटों को गलत निर्देश देकर (जैसे कि एक "झूठे" व्यक्ति को टीम में शामिल करने के लिए) AI को "धोखा" देने की कोशिश की, तो RADAR अच्छी तरह से काम करता रहा, जबकि अन्य सिस्टम क्रैश हो गए या गलत उत्तर दे बैठे।

सारांश

संक्षेप में, RADAR AI टीमों को "एक ही आकार सबके लिए" (one-size-fits-all) वाले दृष्टिकोण का उपयोग करने से रोकता है। इसके बजाय, यह एक मास्टर कंडक्टर की तरह कार्य करता है, जो विशिष्ट गीत (कार्य) को सुनता है और तुरंत ऑर्केस्ट्रा (एजेंटों) को व्यवस्थित करता है ताकि वे मिलकर बेहतरीन प्रदर्शन करें—इतना तेज़ कि सुनी जा सके, लेकिन इतना शांत कि ऊर्जा बचाई जा सके। यह शून्य से, चरण-दर-चरण टीम की संरचना बनाता है, यह सुनिश्चित करता है कि कोई भी केवल वही न दोहरा रहा हो जो किसी और ने पहले ही कहा 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →