What Really Improves Mathematical Reasoning: Structured Reasoning Signals Beyond Pure Code
यह शोध पत्र इस धारणा को चुनौती देता है कि निष्पादन योग्य कोड (executable code) स्वाभाविक रूप से सामान्य तर्क क्षमता को बढ़ाता है, बल्कि यह प्रदर्शित करता है कि मिश्रित कोड-पाठ (code-text) और गणित-पाठ (math-text) डेटा के भीतर संरचित तर्क संकेत (structured reasoning signals), न कि केवल कोड, गणितीय तर्क में सुधार लाते हैं और साथ ही क्रॉस-डोमेन ट्रेड-ऑफ को कम करने की एक रणनीति भी प्रदान करते हैं।
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 विशाल, अत्यंत बुद्धिमान छात्र (एक लार्ज लैंग्वेज मॉडल) को प्रशिक्षित कर रहे हैं ताकि वह हर चीज़ में अच्छा बन सके: कहानियाँ लिखना, गणित की समस्याओं को हल करना और कंप्यूटर कोड लिखना। लंबे समय तक, शोधकर्ताओं का मानना था कि इस छात्र को बहुत सारा कंप्यूटर कोड खिलाने से उसे एक गुप्त सुपरपावर मिल जाएगी जिससे वह गणित और तर्क (logic) सहित हर चीज़ में बेहतर हो जाएगा।
यह शोध पत्र कहता है, "ठहरिए एक मिनट। आइए इसे करीब से देखते हैं।"
शोधकर्ताओं ने 10 ट्रिलियन शब्दों (टोकन) का एक विशाल पुस्तकालय बनाया और यह देखने के लिए प्रयोगों की एक श्रृंखला चलाई कि जब आप उस पुस्तकालय में किताबों का मिश्रण बदलते हैं तो वास्तव में क्या होता है। उन्होंने जो पाया उसे सरल भाषा में यहाँ समझाया गया है:
1. "कोड" की गलतफहमी
पुराना विचार: लोगों ने सोचा, "यदि हम छात्र को कोड लिखना सिखाते हैं, तो वे गणित और तर्क में स्मार्ट हो जाएंगे क्योंकि कोड तार्किक होता है।"
नया निष्कर्ष: शोधकर्ताओं ने पाया कि शुद्ध कोड (बिना किसी स्पष्टीकरण के केवल निष्पादन योग्य निर्देश) वास्तव में बहुत विशिष्ट होता है। यह ऐसा ही है जैसे छात्र को शतरंज खेलना पूरी तरह से सिखाना। यह उसे शतरंज का ग्रैंडमास्टर बना देता है, लेकिन जरूरी नहीं कि यह उसे कविता लिखने या बीजगणित (algebra) हल करने में बेहतर बना दे।
वास्तव में, जब उन्होंने छात्र को बहुत अधिक समय शुद्ध कोड पर बिताने के लिए मजबूर किया, तो उनके गणित कौशल में गिरावट आई। यह ऐसा है जैसे छात्र का मस्तिष्क शतरंज के नियमों पर इतना केंद्रित हो गया कि वह भाग (division) करना भूल गया। कोड डेटा, गणित डेटा के लिए छात्र के ध्यान के साथ "प्रतिस्पर्धा" कर रहा था।
### 2. असली नायक: "संरचित तर्क" (द स्कैफोल्डिंग)
तो, यदि शुद्ध कोड जादुई गोली नहीं है, तो वह क्या है? शोधकर्ताओं ने पाया कि असली जादू संरक्षित तर्क के निशानों (structured reasoning traces) से आता है।
इसे एक स्कैफोल्डिंग (पाड़/ढांचा) की तरह समझें जिसका उपयोग निर्माण श्रमिकों द्वारा किया जाता है।
- शुद्ध कोड केवल तैयार इमारत है।
- संरचित तर्क वह स्कैफोल्डिंग, ब्लूप्रिंट और चरण-दर-चरण निर्देश हैं जो दिखाते हैं कि इमारत कैसे बनाई जाती है।
शोधकर्ताओं ने पाया कि जो डेटा चरण-दर-चरण तर्क दिखाता है (जैसे कि एक गणितीय प्रमाण जो समस्या को छोटे, स्पष्ट चरणों में तोड़ता है, या एक कोड स्निपेट जिसमें यह स्पष्ट किया गया हो कि वह क्यों काम करता है), वही वास्तव में तर्क क्षमता को बढ़ाता है।
वे इसे "संज्ञानात्मक स्कैफोल्डिंग" (Cognitive Scaffolding) कहते हैं।
- जब उन्होंने छात्र को इन "चरण-दर-चरण" गणित समस्याओं के साथ अधिक डेटा दिया (भले ही उन्होंने कुछ नियमित गणित समस्याओं को इससे बदल दिया हो), तो छात्र कठिन गणित समस्याओं में बहुत बेहतर हो गया।
- महत्वपूर्ण बात यह है कि इसने उनके कोडिंग कौशल को नुकसान नहीं पहुँचाया। यह छात्र को उनकी पाठ्यपुस्तकों को छीने बिना बेहतर अध्ययन मार्गदर्शिका (study guides) देने जैसा था।
3. "बजट" की समस्या
कल्पना कीजिए कि छात्र के पास अध्ययन करने के लिए एक निश्चित समय (एक "टोकन बजट") है।
- यदि आप उस समय को कोड से भर देते हैं, तो वे कोडिंग में महान हो जाते हैं लेकिन गणित और सामान्य ज्ञान के लिए समय खो देते हैं।
- यदि आप उसे गणित से भर देते हैं, तो वे गणित में महान हो जाते हैं लेकिन सामान्य तर्क (General Reasoning) खो सकते हैं।
- समाधान: केवल और अधिक "चीजें" जोड़ने के बजाय, शोधकर्ताओं ने पाया कि उनके द्वारा पढ़े जाने वाले गणित के प्रकार को अधिक "संरचित" (अधिक स्कैफोल्डिंग वाला) बदलकर, छात्र को अपने कोडिंग कौशल का त्याग किए बिना कठिन गणित में बेहतर होने में मदद मिली।
4. मस्तिष्क के अंदर: "विशेषज्ञों" की टीम
जिस मॉडल का उन्होंने उपयोग किया वह 64 अलग-अलग विशेषज्ञों (जिन्हें "एक्सपर्ट्स" कहा जाता है) की एक टीम की तरह है। जब छात्र एक वाक्य पढ़ता है, तो एक "राउटर" तय करता है कि कौन सा विशेषज्ञ उसे संभालेगा।
- जब उन्होंने कोड हटाया, तो वे विशेषज्ञ जो आमतौर पर कोड संभालते हैं, उन्हें काम मिलना बंद हो गया और टीम का संतुलन बदल गया।
- जब उन्होंने "संज्ञानात्मक स्कैफोल्डिंग" (संरचित तर्क) जोड़ा, तो टीम भ्रमित नहीं हुई। विशेषज्ञों ने अपना काम जारी रखा, लेकिन तर्क की गुणवत्ता में सुधार हुआ। यह साबित करता है कि संरचित डेटा पूरे दल को अराजकता पैदा किए बिना बेहतर तरीके से काम करने में मदद करता है।
निचोड़
शोध पत्र निष्कर्ष निकालता है कि कोड स्वयं वह जादुई तत्व नहीं है जो AI को तर्क करने में स्मार्ट बनाता है। इसके बजाय, जादू संरचित, चरण-दर-चरण सोचने के पैटर्न (जैसे कि अच्छे गणितीय प्रमाणों या अच्छी तरह से समझाए गए कोड में पाए जाते हैं) से आता है।
यदि आप चाहते हैं कि एक AI एक बेहतर विचारक बने, तो केवल उस पर कच्चा कोड न थोपें। इसके बजाय, उसे अधिक "स्कैफोल्डिंग" दें—ऐसा डेटा जो स्पष्ट रूप से समस्या को हल करने के तार्किक चरणों को दर्शाता हो। यह AI को अपने कोडिंग कौशल को खोए बिना कठिन गणितीय समस्याओं से निपटने में मदद करता 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।