Lean Refactor: Multi-Objective Controllable Proof Optimization via Agentic Strategy Search
लीन रिफैक्टर (Lean Refactor) एक रिट्रीवल-ऑगमेंटेड एजेंटिक फ्रेमवर्क है जो बिना किसी मॉडल रिट्रेनिंग के, क्यूरेटेड रिफैक्टरिंग रणनीतियों को गतिशील रूप से चुनकर टोकन कंप्रेशन, कंपाइलेशन स्पीड और वर्जन कम्पैटिबिलिटी सहित कई उद्देश्यों के लिए लीन (Lean) प्रूफ को अनुकूलित 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
यहाँ "Lean Refactor" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) का उपयोग करके किया गया स्पष्टीकरण दिया गया है।
समस्या: "ओवर-इंजीनियर्ड" प्रमाण (Proof)
कल्पना कीजिए कि एक प्रतिभाशाली लेकिन अत्यधिक उत्साही वास्तुकार (AI) ने अभी-अभी एक घर (एक गणितीय प्रमाण) बनाया है। घर संरचनात्मक रूप से मजबूत है—यह गिरेगा नहीं, और यह सभी सुरक्षा निरीक्षणों को पास कर लेता है। हालाँकि, वास्तुकार ने एक ऐसी दीवार बनाने के लिए 500 ईंटों का उपयोग किया जिसे केवल 50 की आवश्यकता थी। उन्होंने एक अखरोट तोड़ने के लिए हथौड़े का उपयोग किया।
Lean (एक भाषा जिसका उपयोग गणितीय प्रमाण लिखने के लिए किया जाता है जिन्हें कंप्यूटर सत्यापित कर सकते हैं) की दुनिया में, AI मॉडल अक्सर ऐसे प्रमाण उत्पन्न करते हैं जो सही तो होते हैं लेकिन अविश्वसनीय रूप से लंबे, अव्यवस्थित और कंपाइल करने में धीमे होते हैं।
- बहुत लंबा: प्रमाण मनुष्यों के लिए पढ़ना कठिन है।
- बहुत धीमा: प्रमाण अनावश्यक चरणों से फूला हुआ होने के कारण, कंप्यूटर को यह जाँचने में बहुत समय लगता है कि क्या यह वैध है।
- नाजुक (Fragile): Lean भाषा अक्सर बदलती रहती है (जैसे सॉफ्टवेयर अपडेट)। "वर्जन 1.0" के लिए लिखा गया प्रमाण पूरी तरह से टूट सकता है जब कंप्यूटर "वर्जन 2.0" पर अपडेट होता है, भले ही गणित अभी भी सही हो।
मौजूदा उपकरणों ने इसे या तो AI को फिर से प्रशिक्षित (retrain) करके (जो महंगा और धीमा है) या बस इसे "छोटा होने" के लिए कहकर (जो अक्सर प्रमाण को चलाने में धीमा बना देता है) ठीक करने की कोशिश की।
समाधान: "स्मार्ट लाइब्रेरियन" सिस्टम
लेखकों ने Lean Refactor बनाया। AI को फिर से प्रशिक्षित करने के बजाय, उन्होंने एक "प्लग-एंड-प्ले" सिस्टम बनाया है जो AI के लिए एक सुपर-स्मार्ट लाइब्रेरियन की तरह कार्य करता है।
यह कैसे काम करता है, इसके लिए एक रूपक (metaphor) का उपयोग किया गया है:
1. रणनीति बैंक (लाइब्रेरी)
एक विशाल लाइब्रेरी की कल्पना करें जो "रिफैक्टरिंग कार्ड्स" से भरी हुई है। प्रत्येक कार्ड एक विशिष्ट ट्रिक (तरीके) का वर्णन करता है जिससे प्रमाण को छोटा किया जा सके।
- ट्रिक: "एक-एक करके हर नंबर को सूचीबद्ध करने के बजाय, इस एक जादुई फॉर्मूले का उपयोग करें।"
- मेटाडेटा: महत्वपूर्ण बात यह है कि प्रत्येक कार्ड पर एक लेबल है। यह बताता है:
- यह कितना समय बचाता है? (जैसे, "कंपाइलेशन समय में 30% की बचत करता है")।
- यह भाषा के किस वर्जन पर काम करता है? (जैसे, "Lean v4.16 और v4.22 पर काम करता है")।
- यह प्रमाण को कितना छोटा बनाता है?
पेपर का दावा है कि उन्होंने इन कार्डों की सबसे बड़ी लाइब्रेरी बनाई है, जिसमें सैकड़ों हजारों प्रमाण उदाहरणों से निकाले गए 9,000 से अधिक अद्वितीय रणनीतियाँ शामिल हैं।
2. एजेंट (वास्तुकार + लाइब्रेरियन)
जब AI को किसी प्रमाण को ठीक करने की आवश्यकता होती है, तो वह अनुमान नहीं लगाता है। वह एक लूप का पालन करता है:
- प्लानर (Planner): AI अव्यवस्थित प्रमाण को देखता है और कहता है, "यह हिस्सा ऐसा लग रहा है जिसे 'मैजिक फॉर्मूला' ट्रिक की आवश्यकता है।"
- लाइब्रेरियन (रिट्रीवल/खोज): सिस्टम लाइब्रेरी में जाता है और उस हिस्से से मेल खाने वाले विशिष्ट कार्ड निकालता है।
- यदि आप सबसे छोटा प्रमाण चाहते हैं: तो यह उन कार्डों को निकालता है जो सबसे बड़े आकार में कमी का वादा करते हैं।
- यदि आप सबसे तेज़ कंपाइलेशन चाहते हैं: तो यह उन कार्डों को निकालता है जो सबसे बड़े स्पीड बूस्ट का वादा करते हैं।
- यदि आप Lean के पुराने वर्जन का उपयोग कर रहे हैं: तो यह उन कार्डों को फ़िल्टर कर देता है जो आपके वर्जन पर काम नहीं करेंगे।
- रिफैक्टरर (Refactorer): AI कार्ड से मिली ट्रिक को प्रमाण को फिर से लिखने के लिए लागू करता है।
- डीबगर (Debugger): कंप्यूटर नए प्रमाण की जाँच करता है। यदि यह टूट जाता है, तो AI पूरे सुधार को वापस किए बिना स्थानीय स्तर पर त्रुटि को ठीक करने का प्रयास करता है।
यह क्यों विशेष है (पेपर के दावे)
1. यह प्रतिस्पर्धी लक्ष्यों को संतुलित करता है (The "Multi-Objective" Magic)
आमतौर पर, आपको चुनना पड़ता है: "क्या मैं चाहता हूँ कि प्रमाण छोटा हो, या मैं चाहता हूँ कि यह तेजी से कंपाइल हो?"
- पुराना तरीका: आप एक चुनते हैं, और दूसरा प्रभावित होता है।
- Lean Refactor: आप सिस्टम को बता सकते हैं, "मैं इसे छोटा चाहता हूँ, लेकिन साथ ही तेज़ भी।" सिस्टम लाइब्रेरी कार्डों को देखता है, देखता है कि कौन से कार्ड दोनों प्रदान करते हैं, और सबसे अच्छा संतुलन चुनता है।
- परिणाम: प्रतियोगिता गणित की समस्याओं पर, उन्होंने प्रमाणों को 70% से अधिक कम कर दिया और कंपाइलेशन समय को 60% से अधिक कम कर दिया।
2. यह सॉफ्टवेयर अपडेट से बचता है (The "Version Robustness")
चूंकि लाइब्रेरी कार्ड उन विशिष्ट सॉफ़्टवेयर वर्जनों के साथ लेबल किए गए हैं जिन पर वे काम करते हैं, इसलिए सिस्टम तुरंत "आउटडेटेड" ट्रिक्स को फ़िल्टर कर सकता है।
- परिणाम: यदि आप "Lean v4.16" के लिए प्रमाण मांगते हैं, तो सिस्टम केवल उन्हीं कार्डों का उपयोग करता है जो v4.16 के लिए काम करते हैं। यह AI को उन टूल्स को बनाने (hallucinate करने) से रोकता है जो उस वर्जन में मौजूद नहीं हैं।
3. यह किसी भी AI के साथ काम करता है (The "Model Agnostic" Feature)
आपको इसके लिए नया AI प्रशिक्षित करने की आवश्यकता नहीं है। यह सिस्टम किसी भी "फ्रोजन" (प्री-ट्रेंड) AI मॉडल के साथ काम करता है, चाहे वह Google (Gemini), Anthropic (Claude), या OpenAI (GPT) का हो। "बुद्धिमत्ता" लाइब्रेरी की रणनीतियों से आती है, न कि AI के मस्तिष्क से।
- परिणाम: उन्होंने इसे विभिन्न AI मॉडल्स पर टेस्ट किया, और इसने उन सभी के प्रदर्शन में सुधार किया, यहाँ तक कि यह "Claude Code" नामक एक विशेष कोडिंग एजेंट को भी पीछे छोड़ गया।
निचोड़ (The Bottom Line)
Lean Refactor एक निर्माण दल को ब्लूप्रिंट और पूर्व-परीक्षित, लेबल किए गए शॉर्टकट के टूलबॉक्स देने जैसा है। घर बनाने के तरीके का अनुमान लगाने के बजाय, वे देखते हैं कि उनके पास उपलब्ध उपकरणों और बिल्डिंग कोड के वर्जन के आधार पर एक विशिष्ट दीवार बनाने का सबसे अच्छा तरीका क्या है।
पेपर का दावा है कि यह दृष्टिकोण:
- प्रतियोगिता गणित पर प्रमाणों को 70%+ कम करता है।
- उन्हें 60% तेज़ी से कंपाइल करता है।
- उन्हें काम करने योग्य रखता है भले ही सॉफ़्टवेयर भाषा अपडेट हो जाए।
- यह सब AI मॉडल्स को फिर से प्रशिक्षित करने की आवश्यकता के बिना 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।