To Redact, or not to Redact? A Local LLM Approach to Deliberative Process Privilege Classification
यह शोध पत्र प्रदर्शित करता है कि चेन-ऑफ-थॉट और त्रुटि-आधारित फ्यू-शॉट प्रॉम्पटिंग के साथ उन्नत एक स्थानीय, उपभोक्ता-श्रेणी का LLM (Qwen3.5 9B), क्लाउड-आधारित API के लिए एक कानूनी और राजनीतिक रूप से व्यवहार्य विकल्प प्रदान करते हुए, वाणिज्यिक मॉडलों के समान प्रदर्शन के साथ प्रभावी रूप से FOIA छूट 5 डेलिब्रेटिव प्रोसेस प्रिविलेज को वर्गीकृत कर सकता 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 सरकार के पास लाखों दस्तावेजों से भरी एक विशाल, धूल भरी लाइब्रेरी है। कानून के अनुसार, नागरिकों को इस लाइब्रेरी के अंदर झांकने और यह देखने का अधिकार है कि सरकार क्या कर रही है। हालांकि, कुछ पन्नों में रहस्य छिपे होते हैं—जैसे व्यक्तिगत पते, राष्ट्रीय सुरक्षा योजनाएं, या अंतिम निर्णय तक पहुँचने से पहले की गई निजी बहसें।
सरकार का काम एक ऐसे लाइब्रेरियन की तरह है जिसे हर एक पन्ने को देखना होगा, गुप्त हिस्सों को ढूंढना होगा, और जनता को देने से पहले उन्हें काले मार्कर से ढंकना होगा (इस प्रक्रिया को "रेडैक्टिंग" कहा जाता है)। यह काम हाथ से करना धीमा, उबाऊ और गलतियों से भरा होता है। यदि लाइब्रेरियन कोई रहस्य छोड़ देता है, तो यह एक बड़ी समस्या है; यदि वे बहुत अधिक चीजों को ढंक देते हैं, तो वे उन चीजों को छिपा देते हैं जिन्हें सार्वजनिक होना चाहिए था।
यह शोध पत्र एक स्मार्ट रोबोट असिस्टेंट बनाने के बारे में है जो लाइब्रेरियन को यह काम तेजी से और बेहतर तरीके से करने में मदद कर सके, विशेष रूप से "डेलिब्रेटिव प्रोसेस प्रिविलेज" (deliberative process privilege) नामक एक जटिल प्रकार के रहस्य के लिए। यह वह नियम है जो सरकार की आंतरिक मंथन प्रक्रिया (कच्चे ड्राफ्ट, "क्या होगा अगर" वाले विचार, और निजी राय) की रक्षा करता है ताकि अधिकारी अंतिम निर्णय होने से पहले सार्वजनिक प्रतिक्रिया के डर के बिना स्वतंत्र रूप से बोल सकें।
यहाँ बताया गया है कि लेखकों ने इस रोबोट को बनाने की कोशिश कैसे की:
1. "क्लाउड" रोबोट के साथ समस्या
ज्यादातर लोग एक बहुत ही स्मार्ट, क्लाउड-आधारित AI (जैसे डेटा सेंटर में एक विशाल दिमाग) का उपयोग करने के बारे में सोचते हैं। लेकिन लेखक कहते हैं, "एक मिनट रुकिए!" यदि सरकार गुप्त दस्तावेजों को पढ़ रही है, तो वे उन पन्नों को किसी तीसरे पक्ष की क्लाउड कंपनी के पास नहीं भेज सकतीं। यह अपने टॉप-सीक्रेट डायरी को सलाह लेने के लिए किसी अजनबी को डाक से भेजने जैसा है। यह कानूनी और राजनीतिक रूप से जोखिम भरा है।
इसलिए, लेखकों ने एक लोकल रोबोट बनाने का निर्णय लिया। उन्होंने एक छोटे, ओपन-सोर्स AI मॉडल (जिसे Qwen3.5 9B कहा जाता है) का उपयोग किया जिसे एक सामान्य कंप्यूटर पर, सरकार की अपनी सुरक्षित इमारत के भीतर ही चलाया जा सकता है। यह फोन पर किसी अजनबी को कॉल करने के बजाय कमरे में एक निजी ट्यूटर रखने जैसा है।
2. रोबोट को सिखाना: "कैसे करें" गाइड
लेखकों ने केवल रोबोट से यह नहीं पूछा कि "क्या यह वाक्य एक रहस्य है?" उन्होंने यह देखने के लिए रोबोट से बात करने के आठ अलग-अलग तरीके आजमाए कि कौन सा तरीका सबसे अच्छा काम करता है। इन्हें अलग-अलग शिक्षण शैलियों के रूप में सोचें:
- जीरो-शॉट (Zero-Shot): सीधे सवाल पूछना। "क्या यह एक रहस्य है?" (रोबोट को अपने मौजूदा ज्ञान के आधार पर अनुमान लगाना पड़ता है)।
- फ्यू-शॉट (Few-Shot): सवाल पूछने से पहले रोबोट को पांच गुप्त उदाहरण और पांच गैर-गुप्त उदाहरण दिखाना। "यहाँ कुछ उदाहरण दिए गए हैं; अब तुम कोशिश करो।"
- एरर-बेस्ड फ्यू-शॉट (Error-Based Few-Shot): रोबोट को उन पेचीदा मामलों के उदाहरण दिखाना जहाँ उसने पहले गलती की थी, ताकि वह अपनी गलतियों से सीख सके।
- चेन-ऑफ-थॉट (CoT): रोबोट को जवाब देने से पहले "ज़ोर से सोचने" (think out loud) के लिए कहना। केवल "हाँ" कहने के बजाय, रोबोट को पहले खुद से पूछना चाहिए: "क्या अभी तक कोई अंतिम निर्णय लिया गया है? क्या यह केवल एक राय है?" और फिर उत्तर देना चाहिए।
- मल्टी-एजेंट (Multi-Agent): तीन रोबोटों की एक टीम बनाना। एक अनुमान लगाता है, दूसरा अनुमान की समीक्षा करता है, और तीसरा यदि वे असहमत हों तो न्यायाधीश के रूप में कार्य करता है।
3. परिणाम: दौड़ में कौन जीता?
लेखकों ने इन तरीकों का परीक्षण पुराने, पारंपरिक कंप्यूटर प्रोग्रामों और एक प्रसिद्ध कमर्शियल AI (Gemini 2.5 Flash) के विरुद्ध किया।
- "सोचें और समझाएं" की रणनीति जीती: उनके लोकल रोबोट के लिए सबसे अच्छा तरीका चेन-ऑफ-थॉट (रोबोट को अपने तर्क को समझाने के लिए कहना) और एरर-बेस्ड फ्यू-शॉट (उसे दिखाने कि उसने पहले क्या गलतियाँ की थीं) का संयोजन था।
- लक्ष्य: इस विशिष्ट कार्य में, "अति-सतर्क" होना बेहतर है। यदि रोबोट कोई रहस्य छोड़ देता है (एक "फॉल्स नेगेटिव"), तो संवेदनशील जानकारी लीक हो जाती है। यदि वह बहुत अधिक चीजों को ढंक देता है (एक "फॉल्स पॉजिटिव"), तो यह केवल कष्टप्रद है लेकिन सुरक्षित है। लेखक चाहते थे कि रोबोट सब कुछ पकड़ ले (उच्च "रिकॉल")।
- आश्चर्य: उनका लोकल रोबोट, इस विशेष "सोचें और समझाएं" पद्धति का उपयोग करते हुए, उस विशाल कमर्शियल क्लाउड AI के लगभग बराबर प्रदर्शन करता है। यह एक बड़ी खबर है क्योंकि इसका मतलब है कि सरकारें अपने रहस्यों को क्लाउड पर भेजे बिना शक्तिशाली AI का उपयोग कर सकती हैं।
4. एक वाक्य को "रहस्य" क्या बनाता है?
लेखकों ने यह भी देखा कि रोबोट ने किन कारणों से कुछ वाक्यों को रहस्य माना। उन्होंने पाया कि "डेलिब्रेटिव" वाक्यों (जिन्हें रेडैक्ट करने की आवश्यकता है) का एक विशिष्ट "फिंगरप्रिंट" होता है:
- वे राय की तरह लगते हैं: वे "मुझे लगता है," "हम सुझाव देते हैं," "हम कर सकते हैं," या "यह अच्छा होगा" जैसे शब्दों का उपयोग करते हैं।
- वे "प्रथम-पुरुष" सर्वनामों का उपयोग करते हैं: बहुत सारे "मैं," "हम," और "हमें" का उपयोग।
- वे भविष्य की ओर देखते हैं: वे इस बारे में बात करते हैं कि क्या हो सकता है, न कि इस बारे में कि क्या हो चुका है।
यदि वाक्य केवल एक तथ्य है ("बैठक दोपहर 2 बजे हुई"), तो रोबोट जानता है कि उसे छोड़ देना है। यदि वह एक निजी राय है ("मुझे लगता है कि हमें उसे नौकरी से निकाल देना चाहिए"), तो रोबोट जानता है कि उसे ढंकना है।
मुख्य निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि सरकार को संवेदनशील दस्तावेजों को रेडैक्ट करने में मदद करने के लिए एक विशाल, महंगे, क्लाउड-आधारित सुपरकंप्यूटर की आवश्यकता नहीं है। एक छोटा, लोकल AI, यदि उसे "चरण-दर-चरण सोचने" के लिए सिखाया जाए और उसे अपनी पिछली गलतियों से सीखने के लिए कहा जाए, तो वह बड़े दिग्गजों के लगभग समान काम कर सकता है। यह सरकारों को आधुनिक AI का उपयोग करके जनता के साथ जानकारी साझा करने की प्रक्रिया को तेज करने के साथ-साथ अपने डेटा को अपने कंप्यूटरों पर सुरक्षित रखने की अनुमति 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।