PREPING: Building Agent Memory without Tasks
यह शोध पत्र Preping को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एजेंटों को लक्षित कार्यों का सामना करने से पहले एक प्रपोजर-गाइडेड लूप का उपयोग करके उच्च-गुणवत्ता वाले सिंथेटिक अभ्यास प्रक्षेपवक्र (trajectories) उत्पन्न करने और उन्हें चुनिष्ट रूप से संग्रहीत करने के माध्यम से प्रक्रियात्मक स्मृति (procedural memory) का निर्माण करने में सक्षम बनाता है, जिससे ऑनलाइन मेमोरी निर्माण की तुलना में काफी कम परिनियोजन लागत के साथ कोल्ड-स्टार्ट अंतराल को दूर किया जा 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 आप अपने डिजिटल जीवन को प्रबंधित करने के लिए एक नया कर्मचारी रख रहे हैं। वह अविश्वसनीय रूप से बुद्धिमान है (एक शक्तिशाली AI), लेकिन उसने पहले कभी आपके विशिष्ट ऐप्स, टूल्स या नियमों को नहीं देखा है।
समस्या: "कोल्ड स्टार्ट" गैप (The "Cold Start" Gap)
आमतौर पर, जब आप किसी को काम पर रखते हैं, तो आप या तो:
- उन्हें पहले से प्रशिक्षित करते हैं (ऑफलाइन): आप उन्हें पिछले सफल कार्यों का एक मोटा मैनुअल देते हैं। लेकिन यदि आप कोई बिल्कुल नया ऐप लॉन्च कर रहे हैं, तो वह मैनुअल अभी मौजूद नहीं होगा।
- उन्हें काम के दौरान प्रशिक्षित करते हैं (ऑनलाइन): आप उन्हें तुरंत काम शुरू करने देते हैं। लेकिन शुरुआत में, वे गलतियाँ करेंगे, विफल होंगे और यह समझने के चक्कर में आपको परेशान करेंगे कि चीजें कैसे काम करती हैं। यह "कोल्ड स्टार्ट" की समस्या है।
पेपर पूछता है: क्या हम इस कर्मचारी को वास्तविक ग्राहक देखने से पहले, केवल हमारे द्वारा बनाए गए अभ्यास सत्रों का उपयोग करके प्रशिक्षित कर सकते हैं?
समाधान: PREPING (Pre-Task Reusable Playbook Making)
लेखकों ने PREPING नामक एक सिस्टम बनाया है। इसे एक सिम्युलेटेड ट्रेनिंग कैंप के रूप में समझें जहाँ AI उन कार्यों का अभ्यास करता है जो वह स्वयं आविष्कार करता है, लेकिन एक सख्त कोच के साथ ताकि यह सुनिश्चित हो सके कि अभ्यास वास्तव में उपयोगी है।
यहाँ "ट्रेनिंग कैंप" कैसे काम करता है, इसके लिए तीन पात्रों का उपयोग किया गया है:
1. द प्रोपोज़र (The Proposer - रचनात्मक कोच)
यह AI का वह हिस्सा है जो अभ्यास के लिए कार्य (tasks) बनाता है।
- कोच के बिना: यदि आप केवल AI को "अभ्यास करने" के लिए कहते हैं, तो वह एक ही चीज़ को 100 बार कर सकता है (जैसे दरवाजा खोलना) या असंभव चीजें करने की कोशिश कर सकता है (जैसे उड़ना)। यह बेकार है।
- PREPING के साथ: प्रोपोज़र के पास एक मेमोरी नोटबुक (Proposer Memory) होती है। यह ट्रैक करता है कि इसने पहले क्या अभ्यास किया है। यदि इसने अभी "दरवाजे खोलने" का अभ्यास किया है, तो नोटबुक इसे बताएगी, "ठीक है, अब उन्हें लॉक करने की कोशिश करें" या "लिफ्ट का उपयोग करने की कोशिश करें।" यह वातावरण के मानचित्र (map of the environment) की भी जाँच करता है ताकि यह सुनिश्चित हो सके कि कार्य वास्तव में संभव है (उदाहरण के लिए, "AI को उड़ने के लिए न कहें यदि इमारत की छत नहीं है")।
- लक्ष्य: अभ्यास के विविध ड्रिल बनाना जो नए वातावरण के सभी टूल्स और नियमों को कवर करें, बिना खुद को दोहराए।
2. द सॉल्वर (The Solver - प्रशिक्षु)
यह वह AI है जो वास्तव में काम कर रहा है। यह प्रोपोज़र द्वारा बनाए गए कार्यों को पूरा करने की कोशिश करता है। यह ठीक वैसे ही कोड लिखता है, बटन क्लिक करता है और API कॉल करता है जैसे वह एक वास्तविक उपयोगकर्ता के लिए करेगा।
3. द वैलिडेटर (The Validator - सख्त निरीक्षक)
यह सबसे महत्वपूर्ण हिस्सा है। हर अभ्यास सत्र अच्छा नहीं होता।
- कभी-कभी प्रशिक्षु कुछ असंभव करने की कोशिश करता है (जैसे उस कार्ड से पैसे निकालना जो मौजूद ही नहीं है)।
- वैलिडेटर परिणाम को देखता है और कहता है: "रुको। यह एक नकली कार्य था। इसे यहाँ मत लिखो।"
- यदि कार्य वास्तविक था और प्रशिक्षु सफल रहा, तो वैलिडेटर कहता है: "बहुत बढ़िया! यहाँ सीखा गया सबक है। इसे प्लेबुक में लिख लें।"
परिणाम: पहले दिन से ही तैयार एक "प्लेबुक" (Playbook)
जब तक AI को वास्तविक उपयोगकर्ताओं के लिए तैनात किया जाता है, उसके पास एक प्लेबुक (प्रक्रियाओं की स्मृति) होती है जिसमें शामिल होता है:
- विभिन्न टूल्स को सही ढंग से कैसे संयोजित किया जाए।
- जब चीजें गलत हो जाएं तो क्या किया जाए।
- कौन से टूल्स वास्तव में उपलब्ध हैं।
यह पुराने तरीकों से बेहतर क्यों है?
- बिना प्रशिक्षण के मुकाबले: AI शून्य से शुरुआत नहीं करता है। वह आपके पहले वास्तविक कार्य पर शर्मनाक गलतियाँ नहीं करेगा।
- काम के दौरान सीखने के मुकाबले: AI को आपकी विफलताओं से सीखने की आवश्यकता नहीं है। वह पहले से ही तौर-तरीके जानता है।
- लागत: काम के दौरान सीखना महंगा है क्योंकि AI को तब तक "सोचना" और "अपनी मेमोरी अपडेट करना" पड़ता है जब तक आप उसका इंतज़ार कर रहे होते हैं। PREPING यह सारा भारी काम काम शुरू होने से पहले ही कर देता है, जिससे वास्तविक काम बहुत सस्ता और तेज़ हो जाता है।
संक्षेप में एक उपमा (Analogy)
एक पायलट की कल्पना करें।
- पुराना तरीका: आप उन्हें नियंत्रण सीखने के लिए यात्रियों के साथ पहली बार वास्तविक विमान उड़ाने देते हैं। (खतरनाक और धीमा)।
- PREPING का तरीका: आप उन्हें एक फ्लाइट सिम्युलेटर में रखते हैं। एक स्मार्ट इंस्ट्रक्टर (Proposer) उन्हें विशिष्ट परिदृश्य देता है (बादल वाला दिन, इंजन की खराबी, नया हवाई अड्डा)। एक सुरक्षा अधिकारी (Validator) उन्हें पहाड़ में उड़ने से रोकता है यदि वे ऐसा करने की कोशिश करते हैं। जब तक वे वास्तविक कॉकपिट में बैठते हैं, उनके पास (मेमोरी) एक मानसिक चेकलिस्ट होती है कि हर स्थिति को कैसे संभालना है, और वे तुरंत उड़ने के लिए तैयार होते हैं।
पेपर के निष्कर्ष
लेखकों ने तीन अलग-अलग "डिजिटल दुनिया" (ऐप्स का प्रबंधन, फंक्शन कॉल करना और सर्वर टूल्स का उपयोग करना) पर इसका परीक्षण किया। उन्होंने पाया कि:
- PREPING ने केवल मैनुअल पढ़ने या अनुमान लगाने वाले AI की तुलना में बहुत अधिक स्मार्ट AI बनाया।
- इसने लगभग उतना ही प्रदर्शन किया जितना कि एक ऐसा AI जो हजारों वास्तविक मानव कार्यों पर प्रशिक्षित किया गया था, भले ही उसने शून्य वास्तविक मानव कार्य देखे हों।
- इसने पैसा और समय बचाया क्योंकि AI को आपके लिए काम करते समय "सीखने" की आवश्यकता नहीं थी।
संक्षेप में, PREPING एक AI को ग्राहक से मिलने से पहले ही एक प्रो बनाने के लिए प्रशिक्षित करता है, इसके लिए कि वह स्मार्ट तरीके से अभ्यास करे और खराब अभ्यास को फ़िल्टर करे।
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।