💬 NLP

SEMA-RAG: A Self-Evolving Multi-Agent Retrieval-Augmented Generation Framework for Medical Reasoning

यह शोध पत्र SEMA-RAG का प्रस्ताव करता है, जो एक स्व-विकसित मल्टी-एजेंट रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो चिकित्सा संबंधी प्रश्नों के उत्तर देने में सटीकता को महत्वपूर्ण रूप से सुधारने और मतिभ्रम (hallucinations) को कम करने के लिए चिकित्सा तर्क को विशिष्ट व्याख्या, पुनरावृत्ति अन्वेषण और अधिनिर्णय भूमिकाओं में अलग करता है।

मूल लेखक: Yongfeng Huang, Ruiying Chen, James Cheng

प्रकाशित 2026-05-19

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yongfeng Huang, Ruiying Chen, James Cheng

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

यहाँ SEMA-RAG पेपर का विवरण दिया गया है, जिसे रोज़मर्रा की भाषा में रचनात्मक उपमाओं (analogies) का उपयोग करके अनुवादित किया गया है।

समस्या: "वन-शॉट" डॉक्टर (The "One-Shot" Doctor)

कल्पना कीजिए कि आप एक व्यस्त अस्पताल में डॉक्टर हैं। एक मरीज़ जटिल लक्षणों के साथ आपके पास आता है।

पुराना तरीका (Standard RAG):
आपको एक मोटी मेडिकल टेक्स्टबुक थमा दी जाती है। आपके पास मरीज़ के लक्षणों से संबंधित किसी कीवर्ड को खोजने का केवल एक ही मौका है। आप एक पन्ना पलटते हैं, एक पैराग्राफ पढ़ते हैं, और तुरंत अपना निदान (diagnosis) लिख देते हैं। आप दूसरा अध्याय चेक करने के लिए वापस नहीं जा सकते, और आप खुद से यह नहीं पूछ सकते, "रुको, क्या मैंने उनकी उम्र या इतिहास के बारे में कुछ मिस कर दिया?"

आजकल के अधिकांश AI मेडिकल असिस्टेंट इसी तरह काम करते हैं। वे एक सवाल लेते हैं, एक त्वरित खोज (search) करते हैं, और उत्तर का अनुमान लगा लेते हैं। इससे अक्सर गलतियाँ होती हैं क्योंकि:

खराब अनुवाद (Bad Translation): AI गलत कीवर्ड्स के लिए खोज कर सकता है क्योंकि वह सवाल में छिपे सूक्ष्म संकेतों को पूरी तरह समझ नहीं पाया।
दोबारा सोचने की कमी (No Second Thoughts): यदि पहला मिला हुआ पन्ना पूरा उत्तर नहीं देता है, तो उसे पता नहीं चलता कि आगे कैसे देखना है। वह अधूरी जानकारी के साथ ही अनुमान लगा लेता है।

समाधान: SEMA-RAG (विशेषज्ञों की टीम)

इस पेपर के लेखक तर्क देते हैं कि क्लिनिकल रीजनिंग (नैदानिक तर्क) एक चरण वाली प्रक्रिया नहीं है; यह एक बहु-चरणीय जांच है। इसे ठीक करने के लिए, उन्होंने SEMA-RAG बनाया, जो "वन-शॉट" दृष्टिकोण को तीन विशेषज्ञ AI एजेंटों की एक टीम द्वारा प्रतिस्थापित करता है जो मिलकर काम करते हैं।

इसे एक हाई-एंड डिटेक्टिव एजेंसी की तरह समझें जो मेडिकल मिस्ट्री को सुलझा रही है। इसमें एक व्यक्ति द्वारा सब कुछ करने के बजाय, तीन विशेषज्ञ हैं:

1. इंटरप्रेटर (The Interpreter - व्याख्या करने वाला)

भूमिका: यह एजेंट अभी केस को हल करने की कोशिश नहीं करता है। इसका एकमात्र काम सवाल को गहराई से समझना है।
यह क्या करता है: यह मरीज़ के बिखरे हुए, प्राकृतिक भाषा वाले सवाल को लेता है और उसे एक संरचित "क्लिनिकल स्कीमा" में तोड़ देता है। यह मुख्य इरादे (जैसे, "हमें संक्रमण के कारण को खोजना है"), मुख्य संस्थाओं (जैसे, "स्ट्रोक का मरीज़," "अस्पताल का सातवां दिन") और बाधाओं (जैसे, "देर से शुरू होना") की पहचान करता है।
उपमा: कल्पना कीजिए कि एक जासूस गवाह के बयान को पढ़ता है और किसी भी संदिग्ध की तलाश शुरू करने से पहले व्हाइटबोर्ड पर स्पष्ट, बुलेटेड लिस्ट में सुराग लिखता है। यह सुनिश्चित करता है कि सर्च टीम को पता हो कि वास्तव में क्या खोजना है, न कि वे बिना दिशा के भटकें।

2. एक्सप्लोरर (The Explorer - अन्वेषक)

भूमिका: यह एजेंट सबूत इकट्ठा करने के लिए जिम्मेदार है।
यह क्या करता है: यह केवल एक बार खोज नहीं करता है। यह इंटरप्रेटर से मिले सुरागों का उपयोग करके मेडिकल डेटाबेस में खोज करता है। फिर, यह रुकता है और पूछता है: "क्या हमारे पास पर्याप्त प्रमाण हैं?"
- यदि नहीं: यह पहचान करता है कि क्या कमी है (the "gap") और उस कमी को भरने के लिए नए, लक्षित प्रश्न तैयार करता है। यह फिर से खोज करता है। यह इस लूप को तब तक दोहराता है जब तक कि उसे पर्याप्त सबूत न मिल जाएं।
- यदि हाँ: यह खोज करना बंद कर देता है और फाइलों को अगले एजेंट को सौंप देता है।
उपमा: यह फील्ड इन्वेस्टिगेटर है। वे केवल पहली मिली फाइल उठाकर नहीं रख लेते। वे सबूतों की जाँच करते हैं, और महसूस करते हैं, "हम्म, हमें पता है कि यह निमोनिया है, लेकिन हमें यह नहीं पता कि यह अस्पताल से हुआ है या समुदाय से आया है," और फिर वे अस्पताल से होने वाले संक्रमणों के बारे में विशिष्ट रिकॉर्ड खोजने के लिए वापस आर्काइव्स में जाते हैं। वे तब तक खुदाई करते रहते हैं जब तक कि तस्वीर स्पष्ट न हो जाए।

3. आर्बिटर (The Arbiter - निर्णायक)

भूमिका: यह एजेंट अंतिम निर्णय लेता है।
यह क्या करता है: इसे एक्सप्लोरर द्वारा एकत्र किए गए सभी साक्ष्य प्राप्त होते हैं। यह दस्तावेजों की समीक्षा करता है, किसी भी विरोधाभास को सुलझाता है (जैसे, एक स्रोत X कहता है, दूसरा Y), और एक अंतिम रिपोर्ट लिखता है। इसके बाद, यह मल्टीपल-चॉइस विकल्पों में से सही उत्तर चुनता है।
उपमा: यह सीनियर पार्टनर या जज है। वे फील्ड वर्क नहीं करते। वे डेस्क पर बैठते हैं, रिसर्चर द्वारा तैयार की गई पूरी फाइल की समीक्षा करते हैं, पक्ष और विपक्ष को तौलते हैं, और अंतिम फैसला सुनाते हैं।

यह बेहतर क्यों काम करता है

पेपर दिखाता है कि यह "बाँटो और जीतो" (divide and conquer) की रणनीति पुराने तरीके की तुलना में काफी बेहतर काम करती है।

स्व-विकसित (Self-Evolving): यह सिस्टम टेस्ट के दौरान "विकसित" होता है। यह एक कठोर स्क्रिप्ट का पालन नहीं करता है। यदि पहली खोज कमजोर है, तो यह अनुकूलित होता है और फिर से खोज करता है। यदि पहली खोज मजबूत है, तो यह समय बचाने के लिए जल्दी रुक जाता है।
बेहतर सटीकता (Better Accuracy): पांच अलग-अलग मेडिकल बेंचमार्क और पांच अलग-अलग AI मॉडल्स में, SEMA-RAG ने मौजूदा सर्वोत्तम तरीकों की तुलना में औसतन 6.46 अंक की सटीकता में सुधार किया।
दक्षता (Efficiency): भले ही यह अधिक चरण करता है, लेकिन यह इसके बारे में स्मार्ट है। यदि इसके पास पहले से ही उत्तर है, तो यह अंतहीन खोज में समय बर्बाद नहीं करता है।

पेपर से एक वास्तविक उदाहरण

पेपर इसे समझाने के लिए एक विशिष्ट उदाहरण देता है:

सवाल: एक 62 वर्षीय स्ट्रोक का मरीज अस्पताल के सातवें दिन बुखार से ग्रसित हो जाता है। इसका संभावित कारण क्या है?

पुराना AI (MedRAG): यह "निमोनिया" और "स्ट्रोक" देखता है। यह सामान्य निमोनिया के कारणों के लिए खोज करता है। इसे पता चलता है कि सामान्य तौर पर निमोनिया का सबसे आम कारण Streptococcus pneumoniae है। यह उस उत्तर का अनुमान लगा लेता है। परिणाम: गलत।
SEMA-RAG टीम:
1. इंटरप्रेटर: महत्वपूर्ण बाधा को नोट करता है: "अस्पताल का सातवां दिन।" इसका अर्थ है कि संक्रमण अस्पताल के अंदर हुआ है, न कि समुदाय से।
2. एक्सप्लोरर: निमोनिया के लिए खोज करता है। यह महसूस करता है कि साक्ष्य यह अंतर नहीं कर पा रहे हैं कि यह अस्पताल-जनित (hospital-acquired) है या समुदाय-जनित (community-acquired)। यह एक नया प्रश्न तैयार करता है: "5 दिनों के बाद अस्पताल-जनित निमोनिया के लिए सामान्य रोगजनक (pathogens) क्या हैं?" इसे पता चलता है कि इस विशिष्ट परिदृश्य में Staphylococcus aureus आम है।
3. आर्बिटर: साक्ष्यों की समीक्षा करता है। देखता है कि Staphylococcus aureus "अस्पताल के सातवें दिन" की बाधा से मेल खाता है। यह इसे उत्तर के रूप में चुनता है। परिणाम: सही।

सारांश

SEMA-RAG मेडिकल AI को एक साधारण सर्च इंजन की तरह नहीं देखता। इसके बजाय, यह इसे एक सहयोगात्मक टीम की तरह मानता है जो समस्या की व्याख्या करती है, पुनरावृत्ति (iteratively) के माध्यम से सही सबूत जुटाती है, और सावधानीपूर्वक अंतिम उत्तर का निर्णय लेती है। यह ठीक वैसे ही है जैसे असली डॉक्टर सोचते हैं: वे केवल अनुमान नहीं लगाते; वे जांच करते हैं, अपनी समझ को परिष्कृत करते हैं, और फिर निर्णय लेते हैं।

तकनीकी सारांश: SEMA-RAG

समस्या विवरण
चिकित्सा संबंधी प्रश्नोत्तर (medical question answering) में मतिभ्रम (hallucinations) और ज्ञान की अप्रचलता को कम करने के लिए रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) का व्यापक रूप से उपयोग किया जाता है। हालाँकि, मानक RAG फ्रेमवर्क आमतौर पर एक स्थिर, एकल-चरण (single-round) रिट्रीवल प्रतिमान का उपयोग करते हैं जो नैदानिक तर्क (clinical reasoning) की बहु-चरणीय प्रकृति के साथ मेल नहीं खाता है। चिकित्सक आमतौर पर रोगी के वृत्तांतों की व्याख्या करते हैं, साक्ष्य अंतराल (evidence gaps) को भरने के लिए सूचनाओं को क्रमिक रूप से एकत्र और सत्यापित करते हैं, और निर्णय लेने से पहले विरोधाभासी साक्ष्यों का मूल्यांकन करते हैं। इसके विपरीत, एकल-चरण स्थिर RAG इस प्रक्रिया को संकुचित कर देता है, जिससे दो संरचनात्मक कमियां उत्पन्न होती हैं: (1) प्रश्न से क्वेरी (query) में रूपांतरण अक्सर नैदानिक रूप से आधारित अर्थपूर्ण व्याख्या (clinically grounded semantic interpretation) का अभाव होता है, जिससे अंतर्निहित बाधाओं (implicit constraints) को स्पष्ट करना कठिन हो जाता है; और (2) रिट्रीवल प्रक्रिया में पुनरावृत्ति पर्याप्तता फीडबैक (iterative sufficiency feedback) का अभाव होता है, जो विश्वसनीय साक्ष्य श्रृंखलाओं के निर्माण में बाधा डालता है। लेखक तर्क देते हैं कि ये समस्याएँ एक ही रीजनिंग चेन पर विषम कार्यों (व्याख्या, अन्वेषण और अधिनिर्णय) को ओवरलोड करने के कारण उत्पन्न होती हैं, जिससे संज्ञानात्मक भार (cognitive overload) बढ़ता है और परस्पर निर्भर चरण होने के कारण अपर्याप्त साक्ष्य होने पर समय पर समायोजन करना कठिन हो जाता है।

कार्यप्रणाली (Methodology)
इन सीमाओं को दूर करने के लिए, लेखक SEMA-RAG (सेल्फ-इवॉल्विंग मल्टी-एजेंट RAG) प्रस्तावित करते हैं, जो कार्य पृथक्करण (task decoupling) और गतिशील बहु-चरणीय अन्वेषण के माध्यम से वर्कफ़्लो का पुनर्निर्माण करता है। यह प्रणाली तीन विशेषज्ञ एजेंटों का उपयोग करती है, जो सभी एक ही अंतर्निहित लार्ज लैंग्वेज मॉडल (LLM) को साझा करते हैं लेकिन भूमिका-विशिष्ट प्रॉम्प्ट्स द्वारा भिन्न होते हैं:

इंटरप्रेटर एजेंट (I-Agent): यह एजेंट असंरचित चिकित्सा प्रश्नों ( $Q$ ) को एक संरचित क्लिनिकल स्कीमा टुपल ( $Q'$ ) में मैप करता है। इस टुपल में चार घटक शामिल हैं: क्लिनिकल इरादा ( $o_{int}$ ), मेडिकल एंटिटीज ( $o_{ent}$ ), क्लिनिकल बाधाएं ( $o_{cons}$ ), और एक प्रारंभिक रिट्रीवल क्वेरी ( $q_{init}$ )। इस स्कीमा को एक रिट्रीवल-रेडी क्वेरी स्ट्रिंग ( $\hat{q}_{init}$ ) में रैखिक बनाया जाता है जो इरादे, संस्थाओं और बाधाओं को स्पष्ट रूप से समाहित करता है, जिससे बाद के रिट्रीवल के लिए स्थिर एंकर प्रदान होते हैं और सिमेंटिक ड्रिफ्ट (semantic drift) कम होता है।
एक्सप्लोरर एजेंट (E-Agent): यह एजेंट स्व-विकसित, साक्ष्य-पर्याप्तता-संचालित रिट्रीवल करता है। $\hat{q}_{init}$ से शुरू होकर, E-Agent एक डेंस वेक्टर स्पेस से दस्तावेजों को पुनरावृत्ति (iteratively) के साथ रिट्रीव करता है। प्रत्येक दौर $t$ के बाद, यह संचित साक्ष्य सेट ( $C_t$ ) का क्लिनिकल एंकर्स ( $Q'$ ) के विरुद्ध मूल्यांकन करता है। यह एक पर्याप्तता फ्लैग ( $s_t$ ), एक गैप विवरण ( $g_t$ ), और एक अगला क्वेरी सेट ( $Q_{t+1}$ ) का अनुमान लगाता है। यदि साक्ष्य अपर्याप्त हैं ( $s_t=0$ ), तो यह विशिष्ट अंतरालों को भरने के लिए लक्षित फॉलो-अप क्वेरी उत्पन्न करता है; यदि पर्याप्त हैं ( $s_t=1$ ), तो यह अन्वेषण को समाप्त कर देता है। यह लूप तब तक चलता है जब तक कि पर्याप्तता प्राप्त न हो जाए, अधिकतम इटरेशन सीमा ( $T_{max}$ ) तक न पहुँच जाए, या ठहराव (stagnation) न आ जाए, जिसके परिणामस्वरूप एक अभिसरित (converged) साक्ष्य सेट ( $C^*$ ) प्राप्त होता है।
आर्बिटर एजेंट (A-Agent): यह एजेंट साक्ष्य अधिनिर्णय और उत्तर चयन करता है। यह अभिसरित साक्ष्य सेट ( $C^*$ ) को एक ट्रैसेबल (traceable) साक्ष्य रिपोर्ट ( $R$ ) में व्यवस्थित करता है, संघर्षों को सुलझाता है और अप्रासंगिक सामग्री को हटाता है। अंत में, यह ग्राउंडेड रिपोर्ट $R$ के आधार पर कैंडिडेट सेट से सटीक उत्तर ( $\tilde{y}$ ) का चयन करता है।

प्रमुख योगदान

फ्रेमवर्क प्रस्ताव: SEMA-RAG का परिचय, जो भूमिका विभाजन (व्याख्या-अन्वेषण-अधिनिर्णय) और सहयोग के माध्यम से क्लिनिकल रीजनिंग को मॉडल करने वाला एक मल्टी-एजेंट RAG फ्रेमवर्क है।
सेल्फ-इवॉल्विंग मैकेनिज्म: एक एक्सप्लोलर एजेंट का विकास जो पहचाने गए साक्ष्य अंतरालों के आधार पर डायनामिकली क्वेरीज को अपडेट करता है, जिससे रिट्रीवल को फिक्स्ड इटरेशन काउंट के बजाय मेडिकल रीजनिंग उद्देश्यों की ओर निर्देशित किया जा सके।
अनुभवजन्य सत्यापन (Empirical Validation): पांच मेडिकल Q&A बेंचमार्क और पांच LLM बैकबोन पर व्यापक मूल्यांकन, जो मजबूत बेसलाइन की तुलना में निरंतर सुधार प्रदर्शित करता है।

परिणाम
लेखकों ने पाँच LLM बैकबोन (DeepSeek-v3.1, Kimi-k2, Qwen3-Coder-Plus, Gemini-2.0-Flash, और GLM-4.0-Flash) का उपयोग करके पांच बेंचमार्क (MMLU-Med, MedQA-US, MedMCQA, PubMedQA*, और BioASQ-Y/N) पर SEMA-RAG का मूल्यांकन किया।

प्रदर्शन: SEMA-RAG ने प्रतिनिधि बेसलाइन (CoT, MedCPT, MedRAG, और i-MedRAG सहित) को लगातार पीछे छोड़ा। सभी बेंचमार्क और बैकबोन में, इसने सबसे मजबूत बेसलाइन की तुलना में औसतन +6.46 सटीकता अंक का सुधार किया।
कंपोनेंट विश्लेषण: एब्लेशन अध्ययनों (Ablation studies) ने प्रत्येक एजेंट की आवश्यकता की पुष्टि की। I-Agent को हटाने से अंडरस्पेसिफाइड क्वेरीज के कारण प्रदर्शन गिर गया; E-Agent को हटाने से सबसे बड़ी गिरावट आई, जो पर्याप्तता-संचालित क्लोज्ड-लूप रिट्रीवल के महत्व को रेखांकित करता है; A-Agent को हटाने से सटीकता कम हुई, जो स्पष्ट साक्ष्य अधिनिर्णय के मूल्य को दर्शाता है।
दक्षता: हालांकि मल्टी-एजेंट इंटरेक्शन के कारण SEMA-RAG में सिंगल-राउंड विधियों की तुलना में उच्च इन्फरेंस लागत आती है, फिर भी इसने i-MedRAG जैसे इटरेटिव बेसलाइन की तुलना में अधिक अनुकूल सटीकता-दक्षता ट्रेड-ऑफ हासिल किया। पर्याप्तता-संचालित अर्ली-स्टॉपिंग मैकेनिज्म ने SEMA-RAG को फिक्स्ड-स्टेप इटरेशन की तुलना में कंप्यूटेशन को अधिक प्रभावी ढंग से आवंटित करने की अनुमति दी, जो अक्सर दो दौरों ( $T_{max}=2$ ) के भीतर अभिसरित हो जाता है।
केस स्टडी: MedQA-US पर गुणात्मक विश्लेषण से पता चला कि SEMA-RAG ने कम्युनिटी-एक्वायर्ड और हॉस्पिटल-एक्वायर्ड निमोनिया के बीच अंतर करने के लिए महत्वपूर्ण टेम्पोरल कंस्ट्रेंट्स (जैसे, "हॉस्पिटल डे 7") को सही ढंग से पहचाना, जबकि सिंगल-राउंड बेसलाइन इन बाधाओं को रिट्रीवल से जोड़ने में विफल रहे, जिससे गलत निदान हुआ।

महत्व और सीमाएं
यह पेपर दावा करता है कि SEMA-RAG इस परिकल्पना को पुष्ट करता है कि RAG को फेज़्ड क्लिनिकल वर्कफ़्लो (कार्य विभाजन और सेल्फ-इवॉल्विंग रिट्रीवल के माध्यम से) के अनुरूप पुनर्गठित करने से अधिक विश्वसनीय साक्ष्य-श्रृंखला निर्माण होता है। यह फ्रेमवर्क प्रदर्शित करता है कि मेडिकल RAG को स्टेटिक सिंगल-राउंड रिट्रीवल से आगे बढ़कर एडेप्टिव एविडेंस कंस्ट्रक्शन की ओर बढ़ना चाहिए।

लेखक कई सीमाओं को स्वीकार करते हैं:

अध्ययन बेंचमार्क-आधारित सेटिंग्स तक सीमित है और इसमें वास्तविक क्लिनिकल वर्कफ़्लो जैसे कि लॉन्गिट्यूडिनल इलेक्ट्रॉनिक हेल्थ रिकॉर्ड (EHR) रीजनिंग को कवर नहीं किया गया है।
प्रदर्शन रिट्रीवल कॉर्पस की गुणवत्ता और कवरेज पर निर्भर करता है; गायब या पुराना साक्ष्य अपूर्ण ग्राउंडिंग की ओर ले जा सकता है।
वर्तमान पर्याप्तता मानदंड (sufficiency criterion) विशेष रूप से ऑप्शन-लेवल सेपेरेबिलिटी या जेनेरेटिव पूर्णता के लिए डिज़ाइन नहीं किया गया है।
फ्रेमवर्क सिंगल-राउंड विधियों की तुलना में अतिरिक्त इन्फरेंस लागत पेश करता है, हालांकि यह फिक्स्ड-स्टेप इटरेटिव बेसलाइन की तुलना में अधिक कुशल बना हुआ है।