AgentCo-op: Retrieval-Based Synthesis of Interoperable Multi-Agent Workflows
AgentCo-op एक रिट्रीवल-आधारित फ्रेमवर्क है जो टाइप किए गए आर्टिफ़ैक्ट हैंडऑफ और लोकल सेल्फ-रिपेयर के माध्यम से पुन: प्रयोज्य टूल्स और एजेंट्स को संयोजित करके इंटरऑपरेबल मल्टी-एजेंट वर्कफ़्लो को सिंथेसाइज़ करता है, जिससे ओपन-एंडेड वैज्ञानिक डोमेन में प्रभावी सहयोगात्मक खोज सक्षम होती है और कम लागत के साथ विभिन्न बेंचमार्क पर बेसलाइन्स से बेहतर प्रदर्शन होता 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 जटिल मशीन बनाने की कोशिश कर रहे हैं, जैसे कि एक हाई-टेक कॉफी मेकर जो साथ ही आपका मेल भी छाँट सके और आपकी दैनिक डायरी भी लिख सके। अतीत में, इसे AI के माध्यम से करने के लिए, शोधकर्ता एक आदर्श डिज़ाइन को "खोजने" (search) का प्रयास करते थे। वे हजारों अलग-अलग ब्लूप्रिंट तैयार करते थे, उनका परीक्षण करते थे, और उम्मीद करते थे कि उनमें से कोई एक काम कर जाए। लेकिन यह एक घास के ढेर में एक विशिष्ट सुई खोजने जैसा है, जहाँ हर बार देखने के लिए एक नया सुई कारखाना बनाया जाता है। यह धीमा, महंगा है, और अक्सर तब विफल हो जाता है जब कार्य कुछ नया और अव्यवस्थित हो, जैसे कि वास्तविक दुनिया का विज्ञान, जहाँ काम को ग्रेड करने के लिए कोई "सही उत्तर कुंजी" (correct answer key) नहीं होती।
AGENTCO-OP इन AI टीमों को बनाने का एक नया तरीका है। एक नया डिज़ाइन शुरू से खोजने के बजाय, यह एक मास्टर कॉन्ट्रैक्टर की तरह कार्य करता है जो पहले से बने, विशिष्ट उपकरणों और श्रमिकों से भरे एक गोदाम में जाता है, सही चीज़ों को चुनता है, और उन्हें एक काम करने वाली मशीन में जोड़ देता है।
यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए यहाँ दिया गया है:
1. "गोदाम" बनाम "खोज" (The "Warehouse" vs. The "Search")
अधिकांश वर्तमान AI सिस्टम सबसे अच्छे वर्कफ़्लो को खोजने (search) की कोशिश करते हैं। कल्पना कीजिए कि आप केक बनाने के लिए सामग्री को बेतरतीब ढंग से मिला रहे हैं और तब तक चख रहे हैं जब तक कि आपको सही स्वाद न मिल जाए।
AGENTCO-OP रिट्रीवल (retrieval/पुनर्प्राप्ति) का उपयोग करता है। कल्पना कीजिए कि आप एक शेफ हैं जिसे केक बनाना है। नई रेसिपी बनाने के बजाय, आप एक अच्छी तरह से व्यवस्थित गोदाम (कौशल और उपकरणों की लाइब्रेरी) में जाते हैं। आप एक बना-बनाया "मिक्सिंग स्किल," एक "बेकिंग टूल," और एक "फ्रॉस्टिंग एजेंट" उठाते हैं। आप पहिए का पुनरुद्धार नहीं करते; आप बस उन हिस्सों को असेंबल करते हैं जिनकी आपको आवश्यकता है।
2. "टाइप्ड हैंडऑफ" (The "Typed Handoff" - सुरक्षित पैकेज)
जब आप किसी मित्र को एक नोट देते हैं, तो आप उसे एक नैपकिन पर लिख सकते हैं। यदि अगले व्यक्ति को एक विशिष्ट फॉर्म की आवश्यकता है, तो वह नैपकिन खो सकता है या गलत समझा जा सकता है।
AGENTCO-OP में, हर बार जब एक AI एजेंट दूसरे को परिणाम सौंपता है, तो वह डेटा को एक सख्ती से लेबल किए गए, सुरक्षित बॉक्स (जिसे "typed artifact" कहा जाता है) में रखता है।
- उदाहरण: यदि एजेंट A जीन की एक सूची पाता है, तो वह केवल एजेंट B को सूची चिल्लाकर नहीं बताता। वह सूची को "जीन लिस्ट: 53 आइटम, सत्यापित" लेबल वाले बॉक्स में रखता है। एजेंट B उस बॉक्स को खोलता है, लेबल की जाँच करता है, और ठीक जानता है कि क्या करना है। यह एजेंटों को एक-दूसरे की बात को गलत समझने या अव्यवस्थित डेटा के कारण भ्रमित होने से रोकता है।
3. "लोकल रिपेयर" (The "Local Repair" - त्वरित सुधार)
कभी-कभी, बेहतरीन योजना के बावजूद, मशीन खराब हो जाती है।
- पुराना तरीका: यदि कोई हिस्सा विफल होता है, तो पूरा कारखाना बंद हो जाता है, और इंजीनियर फिर से शून्य से एक बिल्कुल नई मशीन डिजाइन करने के लिए वापस जाते हैं।
- AGENTCO-OP का तरीका: यदि कोई विशिष्ट हिस्सा विफल होता है, तो एक "रिव्यूअर" (एक स्मार्ट सुपरवाइजर) त्रुटि को देखता है और लोकल रिपेयर (स्थानीय सुधार) करता है। यह एक मैकेनिक की तरह है जो इंजन में एक ढीले बोल्ट को देखता है और पूरे कार को फिर से बनाने के बजाय केवल उसी बोल्ट को कस देता है। सिस्टम केवल टूटे हुए हिस्से को ठीक करता है और आगे बढ़ता रहता है।
4. "डॉकर" (The "Docker" - यूनिवर्सल एडाप्टर)
वैज्ञानिक अक्सर अपने स्वयं के उपकरण अलग-अलग वातावरणों में बनाए रखते हैं (जैसे एक टूल मैक पर काम करता है, दूसरा लिनक्स सर्वर पर)। आमतौर पर, वे एक-दूसरे से बात नहीं कर पाते।
AGENTCO-OP इन विभिन्न उपकरणों को डॉकर कंटेनरों (Docker containers) में लपेट देता है। इसे हर टूल को एक यूनिवर्सल शिपिंग कंटेनर में रखने के रूप में समझें। टूल चाहे जो भी हो या वह कहाँ भी बनाया गया हो, एक बार कंटेनर में आने के बाद, इसे निर्बाध रूप से वर्कफ़्लो में प्लग किया जा सकता है। यह एक "जीन एजेंट" और एक "टिश्यू एजेंट" (जिन्हें अलग-अलग लोगों द्वारा अलग-अलग समय पर बनाया गया था) को मिलकर काम करने में सक्षम बनाता है।
उन्होंने वास्तव में क्या किया?
इस पेपर ने इस सिस्टम का परीक्षण दो मुख्य तरीकों से किया:
A. "वास्तविक दुनिया" के विज्ञान परीक्षण (Open-World)
उन्होंने मानक परीक्षण प्रश्नों का उपयोग नहीं किया। उन्होंने वास्तविक, जटिल वैज्ञानिक समस्याओं का उपयोग किया:
- हृदय अध्ययन (The Heart Study): उन्होंने दो अलग-अलग AI एजेंटों को जोड़ा (एक जो हृदय के ऊतकों को देखता है, दूसरा जो जीन का विश्लेषण करता है) यह पता लगाने के लिए कि कुछ हृदय कोशिकाएं अलग व्यवहार क्यों करती हैं। सिस्टम ने डेटा को उनके बीच पास करने के लिए एक वर्कफ़्लो बनाया, और उन्होंने सफलतापूर्वक एक विशिष्ट जैविक पैटर्न की पहचान की।
- सेल अध्ययन (The Cell Study): उन्होंने दो अलग-अलग विश्लेषण विधियों (RNA को देखना और DNA एक्सेसिबिलिटी को देखना) को जोड़ा ताकि सेल प्रकारों के लिए बेहतर मार्कर मिल सकें। सिस्टम ने दोनों विश्लेषणों को समानांतर में चलाया, परिणामों की तुलना की, और एक ऐसी रिपोर्ट तैयार की जो अकेले किसी भी विधि के उपयोग की तुलना में अधिक सटीक थी।
- "रियूज" टेस्ट (The "Reuse" Test): उन्होंने एक वर्कफ़्लो लिया जिसे दूसरे AI ने पहले ही डिजाइन किया था और AGENTCO-OP के तरीके का उपयोग करके उसे "ठीक" किया, जिससे वह और भी बेहतर हो गया।
B. मानक परीक्षण (Benchmarks)
उन्होंने गणित, कोडिंग और प्रश्न-उत्तर (जैसे कि AI मॉडल को ग्रेड करने के लिए उपयोग किए जाने वाले) के मानक परीक्षणों पर भी इसका परीक्षण किया।
- परिणाम: AGENTCO-OP ने छह में से चार परीक्षणों पर उच्चतम स्कोर किया।
- लागत: यह चलाने में बहुत सस्ता भी था। जबकि अन्य तरीके सही उत्तर खोजने के लिए बहुत पैसा खर्च करते थे, AGENTCO-OP ने बस सही उपकरणों को असेंबल किया और होने वाली छोटी त्रुटियों को ठीक किया, जिससे कंप्यूटर के समय और पैसे की काफी बचत हुई।
निष्कर्ष (The Bottom Line)
पेपर का दावा है कि AGENTCO-OP जटिल कार्यों के लिए AI टीमें बनाने का एक स्मार्ट तरीका है। एक पूर्ण समाधान को शुरू से खोजने के बजाय, यह मौजूदा उपकरणों को रिट्रीव (प्राप्त) करता है, उन्हें सख्त नियमों के साथ जोड़ता है, और चलते-फिरते छोटी त्रुटियों को ठीक करता है। यह इसे वास्तविक दुनिया के विज्ञान को संभालने में बेहतर बनाता है जहाँ कोई उत्तर कुंजी नहीं होती, और यह पुराने तरीकों की तुलना में पैसा भी बचाता 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।