Evolutionary Task Discovery: Advancing Reasoning Frontiers via Skill Composition and Complexity Scaling
यह शोध पत्र इवोल्यूशनरी टास्क डिस्कवरी (EvoTD) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो डेटा संश्लेषण को कौशल संरचना और जटिलता गुणों पर एक निर्देशित खोज के रूप में मानकर लार्ज लैंग्वेज मॉडल की तर्क क्षमता को बढ़ाता है, और डेटा की एकरूपता को दूर करने तथा सुदृढ़ सामान्यीकरण प्राप्त करने के लिए संरचित विकासवादी ऑपरेटरों और एक गतिशील कठिनाई फ़िल्टर का उपयोग 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 बुद्धिमान लेकिन अनुभवहीन रोबोट को जटिल पहेलियाँ सुलझाना सिखाने की कोशिश कर रहे हैं। आपके पास इसे सिखाने के दो मुख्य तरीके हैं:
- पुराना तरीका (मानव द्वारा क्यूरेट किया गया): आप हजारों मौजूदा पहेलियाँ ढूंढते हैं, उन्हें लिख लेते हैं, और उम्मीद करते हैं कि रोबोट उनसे सीख जाएगा। समस्या यह है कि अच्छी पहेलियों की कमी है, और जो आपके पास हैं वे या तो बहुत आसान हैं या एक-दूसरे से बहुत मिलती-जुलती हैं।
- "इसे कठिन बनाएं" वाला तरीका (वर्तमान AI विधियाँ): आप एक सुपर-स्मार्ट AI से नई पहेलियाँ बनाने के लिए कहते हैं, यह कहकर, "इसे और कठिन बनाओ।" लेकिन AI अक्सर बहुत मामूली, अर्थहीन बदलाव करता है (जैसे किसी संख्या को 5 से बदलकर 6 कर देना) या एक ही पहेली को बार-बार दोहराता है। रोबोट ऊब जाता है और वास्तव में स्मार्ट नहीं बन पाता।
EVOTD (इवोल्यूशनरी टास्क डिस्कवरी) शोधकर्ताओं द्वारा प्रस्तावित एक नई विधि है जो इस समस्या को ठीक करती है। प्रशिक्षण पहेलियों को बनाने के लिए केवल AI से "इसे कठिन बनाने" के लिए कहने के बजाय, यह पहेलियों के निर्माण को पौधे की एक नई प्रजाति को विकसित करने की तरह मानता है।
यह कैसे काम करता है, यहाँ सरल उपमाओं का उपयोग किया गया है:
1. दो सामग्रियाँ: "रेसिपी" और "पोर्शन साइज"
शोधकर्ताओं ने महसूस किया कि हर पहेली के दो अलग हिस्से होते हैं:
- कौशल (रेसिपी): यह मूल तर्क है, जैसे "स्लाइडिंग विंडो" या "बाइनरी सर्च" का उपयोग करना जानना। यह सोचने का प्रकार है जिसकी आवश्यकता होती है।
- जटिलता (पोर्शन साइज): यह विशिष्ट उदाहरण कितना बड़ा या कठिन है। क्या संख्याओं की सूची 5 आइटम लंबी है या 5,000? क्या पेड़ 3 स्तर गहरा है या 100?
अधिकांश पिछली विधियों ने इन दोनों को एक साथ बेतरतीब ढंग से बदलने की कोशिश की। EVOTD इन्हें अलग करता है, जैसे एक शेफ जो पहले यह तय करता है कि क्या व्यंजन बनाना है (कौशल) और फिर यह तय करता है कि कितने लोगों को परोसना है (जटिलता)।
2. इवोल्यूशनरी किचन (विकासवादी रसोई)
यह प्रणाली नए पहेलियाँ बनाने के लिए दो विशेष "शेफ" (ऑपरेटरों) का उपयोग करती है:
- म्यूटेटर (पोर्शन शेफ): यह शेफ एक वैध पहेली लेता है और मूल तर्क को बदले बिना उसके आकार या सीमाओं को बदल देता है।
- उपमा: यदि मूल पहेली "10 लोगों की कतार में सबसे लंबे व्यक्ति को खोजें" थी, तो म्यूटेटर इसे बदलकर "10,000 लोगों की कतार में सबसे लंबे व्यक्ति को खोजें" कर देता है। तर्क (अधिकतम को खोजना) वही रहता है, लेकिन कठिनाई (पैमाना) बढ़ जाती है। यह रोबोट को एक ऐसा मजबूत नियम सीखने के लिए मजबूर करता है जो किसी भी आकार के लिए काम करे, न कि केवल छोटे उदाहरणों के लिए।
- क्रॉसब्रीडर (रेसिपी शेफ): यह शेफ दो अलग-अलग पहेलियों को लेता है और उनके मूल कौशलों को मिलाकर कुछ बिल्कुल नया बनाता है।
- उपमा: यदि पहेली A "सॉर्टिंग" का उपयोग करती है और पहेली B "ग्राफ ट्रैवर्सल" का उपयोग करती है, तो क्रॉसब्रीडर एक नई पहेली बनाता है जिसके लिए ग्राफ को ट्रैवर्स करने से पहले वस्तुओं को सॉर्ट करना आवश्यक होता है। यह चॉकलेट और पीनट बटर को मिलाकर एक नया स्वाद बनाने जैसा है जो उनमें से किसी में भी नहीं था। यह सुनिश्चित करता है कि रोबोट विभिन्न तार्किक उपकरणों को जोड़ना सीखे।
3. "गोल्डिलॉक्स फिल्टर" (प्रॉक्सिमल डेवलपमेंट का ज़ोन)
आप रोबोट के सामने बेतरतीब पहेलियाँ नहीं फेंक सकते। यदि पहेली बहुत आसान है, तो वह कुछ नहीं सीखता। यदि यह असंभव है, तो वह हार मान लेता है।
EVOTD एक गोल्डिलॉक्स फिल्टर का उपयोग करता है। प्रशिक्षण के लिए पहेली का उपयोग करने से पहले, सिस्टम जाँचता है:
- क्या यह बहुत आसान है? (इसे बाहर निकाल दें)।
- क्या यह असंभव है? (इसे बाहर निकाल दें)।
- क्या यह बिल्कुल सही है? (इसे रखें!)।
महत्वपूर्ण बात यह है कि "बिल्कुल सही" शब्द रोबोट के स्मार्ट होने के साथ बदलता रहता है। कल जो पहेली असंभव थी, वह आज "बिल्कुल सही" हो सकती है। यह एक डायनेमिक करिकुलम बनाता है जो रोबोट के बेहतर होने के साथ-साथ स्वचालित रूप से कठिन होता जाता है, जिससे वह हमेशा "लर्निंग ज़ोन" में रहता है।
4. परिणाम
शोधकर्ताओं ने गणित और कोडिंग समस्याओं को हल करने वाले मॉडलों पर इसका परीक्षण किया। उन्होंने पाया कि:
- बेहतर सामान्यीकरण (Generalization): मॉडलों ने केवल उत्तरों को रटा नहीं; उन्होंने अंतर्निहित तर्क को इतनी अच्छी तरह से सीखा कि वे उन समस्याओं को भी हल कर सके जिन्हें उन्होंने पहले कभी नहीं देखा था।
- कोई "होमोजेनिटी कोलैप्स" नहीं: अन्य विधियों के विपरीत, जो अंततः विचार समाप्त होने पर एक ही पहेलियों को दोहराने लगती हैं, EVOTD ताज़ा और विविध चुनौतियाँ खोजता रहा।
- सार्वभौमिक सुधार: यह विभिन्न प्रकार के AI मॉडलों पर अच्छी तरह से काम करता है, चाहे उनका आकार कुछ भी हो या उन्हें मूल रूप से कैसे प्रशिक्षित किया गया हो।
निचोड़
EVOTD एक मास्टर टीचर की तरह है जो केवल वर्कशीट नहीं देता। इसके बजाय, उनके पास विभिन्न तार्किक कौशलों को मिलाने और छात्र की वर्तमान क्षमता के अनुसार कठिनाई के स्तर को समायोजित करने के माध्यम से नई समस्याएँ आविष्कार करने का एक व्यवस्थित तरीका है। यह सुनिश्चित करता है कि छात्र हमेशा बढ़ने के लिए पर्याप्त रूप से चुनौती महसूस करे, जिससे स्थिर, पूर्व-लिखित समस्याओं पर अभ्यास करने की तुलना में कहीं अधिक मजबूत तर्क कौशल प्राप्त होते हैं।
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।