तकनीकी सारांश: RMA – अनुसंधान-स्तरीय गणितीय समस्याओं के लिए एक एजेंटिक सिस्टम

समस्या की परिभाषा

आर्टिफिशियल इंटेलिजेंस में गणितीय तर्क (mathematical reasoning) के वर्तमान बेंचमार्क, जैसे कि MATH या इंटरनेशनल मैथमैटिकल ओलंपियाड (IMO) की समस्याएं, अच्छी तरह से परिभाषित प्रतियोगिता-शैली के कार्यों तक सीमित हैं। ये समस्याएं आमतौर पर ज्ञात तकनीकों का उपयोग करके संक्षिप्त, स्व-निहित समाधान प्रदान करती हैं और इनके लिए बाहरी साहित्य के साथ जुड़ाव या नवीन प्रमाण रणनीतियों के विकास की आवश्यकता नहीं होती है। इसके विपरीत, अनुसंधान-स्तरीय गणितीय समस्याएं एक गुणात्मक रूप से भिन्न चुनौती पेश करती हैं। इनके लिए प्रणालियों को विशिष्ट परिभाषाओं की व्याख्या करने, धारणाओं को औपचारिक रूप देने, विशाल साहित्य से प्रासंगिक पूर्व परिणामों की पहचान करने, प्रभावी प्रमाण रणनीतियों का अन्वेषण करने, मध्यवर्ती लेम्मा (lemmas) का निर्माण करने और कठोर तर्क की लंबी श्रृंखलाओं को निष्पादित करने की आवश्यकता होती है। मौजूदा औपचारिक प्रमेय सिद्ध करने वाली प्रणालियाँ (formal theorem proving systems) अक्सर इस क्षेत्र के लिए अनुपयुक्त होती हैं क्योंकि वे पूरी तरह से निर्दिष्ट समस्याओं और निश्चित औपचारिक संदर्भों को मान लेती हैं, जबकि अनुसंधान गणित के लिए असंरचित साहित्य और रचनात्मक तकनीकों के साथ जुड़ाव की आवश्यकता होती है। इसके अलावा, मौजूदा एजेंटिक अनुसंधान उपकरण उस संरचित तर्क, अंतराल पहचान (gap identification) और कठोर प्रस्तुति के लिए डिज़ाइन नहीं किए गए हैं जो गणितीय प्रमाणों के लिए आवश्यक है।

कार्यप्रणाली: RMA ढांचा (The RMA Framework)

लेखक रिसर्च मैथ एजेंट्स (RMA) का प्रस्ताव करते हैं, जो अनुसंधान-स्तरीय गणितीय समस्याओं पर स्वचालित तर्क के लिए विशेष रूप से डिज़ाइन किया गया एक एजेंटिक ढांचा है। RMA प्रमाण-समाधान प्रक्रिया को विशिष्ट मॉड्यूल में विभाजित करता है और उन्हें एक बहु-एजेंट, बहु-चरण (multi-round) वर्कफ़्लो के माध्यम से समन्वित करता है।

1. मॉड्यूलर डिज़ाइन

RMA छह विशिष्ट मॉड्यूल पर आधारित है जिन्हें CLI-आधारित कोडिंग एजेंटों द्वारा निष्पादित किए जाने वाले संरचित रूटीन के रूप में लागू किया गया है:

• समस्या विश्लेषण मॉड्यूल (Problem Analysis Module): कच्चे समस्या कथनों को चरों को औपचारिक रूप देकर, समस्याओं को उप-लक्ष्यों में विभाजित करके और बाधाओं (constraints) को निकालकर संरचित मध्यवर्ती विवरणों में बदल देता है। यह अस्पष्टता को कम करता है और आगामी तर्क का मार्गदर्शन करता है।
• साहित्य खोज मॉड्यूल (Literature Search Module): केवल कीवर्ड मिलान के बजाय संरचित समस्या प्रतिनिधित्व के आधार पर संभावित प्रश्नों को उत्पन्न करके प्रासंगिक पूर्व कार्य प्राप्त करता है। यह विभिन्न प्लेटफार्मों (जैसे, arXiv, MathSciNet) में गणितीय नोटेशन की परिवर्तनशीलता को संभालता है और पुनर्प्राप्ति (retrieval) के दौरान मौजूदा समाधानों से सूचना रिसाव (information leakage) को रोकने के लिए एक "उम्मीदवार पीढ़ी" (candidate generation) चरण का उपयोग करता है।
• निष्पक्ष तुलना मॉड्यूल (Fair Comparison Module): ज्ञात समाधानों वाले स्रोतों को फ़िल्टर करके, रन के बीच इंटरैक्शन इतिहास को अलग करके, टूल उपयोग को सैंडबॉक्स में रखकर और बेंचमार्क रिलीज से पहले के कटऑफ वाले फाउंडेशन मॉडल का उपयोग करके मूल्यांकन अखंडता सुनिश्चित करता है ताकि डेटा संदूषण (data contamination) को रोका जा सके।
• साहित्य समझ मॉड्यूल (Literature Understanding Module): प्राप्त साहित्य को संसाधित करता है, उम्मीदवार लेम्मा और तकनीकों को निकालता है, वर्तमान समस्या के अनुमानों और लक्ष्यों के साथ उनके संरेखण के लिए उन्हें फ़िल्टर करता है, और भूमिकाओं (जैसे, सहायक उप-लक्ष्य) के आधार पर समूहों में व्यवस्थित करके सारांश बनाता है।
• ज्ञान बैंक मॉड्यूल (Knowledge Bank Module): मानक पाठ्यपुस्तकों से क्यूरेट किए गए संक्षिप्त, पुन: प्रयोज्य प्रविष्टियों (जैसे, मानक असमानताएं, कॉम्बिनेटरियल पहचान) का एक "चीट-शीट" शैली का भंडार है। इन प्रविष्टियों में स्पष्ट धारणाएं और अनुप्रयोग स्थितियां शामिल हैं, जिससे प्रणाली स्थापित तर्कों को पुनः व्युत्पन्न किए बिना उन्हें स्थापित और सत्यापित कर सकती है।
• प्रमाण नियम मॉड्यूल (Proof Commandment Module): सामान्य LLM विफलता मोड को कम करने के लिए नियमों का एक सेट लागू करता है, जिसमें शामिल हैं:
  • ग्राउंडिंग (Grounding): दावों को स्थापित परिणामों या व्युत्पत्तियों द्वारा समर्थित होना चाहिए।
  • विश्वसनीयता (Faithfulness): मूल समस्या कथन के प्रति पालन।
  • अंतराल-मुक्त तर्क (Gap-free reasoning): प्रत्येक निष्कर्ष के लिए स्पष्ट औचित्य।
  • रचनात्मकता (Constructiveness): जहाँ आवश्यक हो, स्पष्ट निर्माण की आवश्यकता।
  • फॉर्मेट शुद्धता (Format correctness): स्वच्छ, कंपाइल करने योग्य LaTeX आउटपुट।

2. बहु-एजेंट और बहु-चरण इंस्टांशिएशन

RMA इन मॉड्यूल को डिस्क पर संग्रहीत साझा संरचित मेमोरी (Shared Structured Memory) के माध्यम से परस्पर क्रिया करने वाले भूमिका-विशिष्ट एजेंटों की एक प्रणाली के माध्यम से संचालित करता है। प्रणाली में शामिल हैं:

• इनिशियलाइज़र एजेंट (एकल): प्रारंभिक प्रमाण ड्राफ्ट तैयार करता है, समस्या विश्लेषण, साहित्य संदर्भ और पुन: प्रयोज्य ज्ञान के साथ मेमोरी को भरता है।
• प्रपोजर एजेंट ($K_p$): अंतराल की पहचान करके, प्रासंगिक मॉड्यूल को बुलाकर और नए तर्क विकसित करके विकसित होते प्रमाण को परिष्कृत करते हैं। उनके पास केवल प्रमाण अवस्था (proof state) तक लिखने की अनुमति है।
• वेरिफायर एजेंट ($K_v$): वर्तमान प्रमाण का प्रमाण नियम मॉड्यूल के विरुद्ध मूल्यांकन करते हैं, तार्किक निरंतरता की जाँच करते हैं और छूटे हुए चरणों की पहचान करते हैं। उनके पास केवल फीडबैक अवस्था तक लिखने की अनुमति है।

वर्कफ़्लो $N$ राउंड में चलता है। प्रत्येक राउंड में, प्रपोजर वर्तमान मेमोरी अवस्था के आधार पर उम्मीदवार प्रमाण उत्पन्न करते हैं, और वेरिफायर संरचित फीडबैक प्रदान करते हैं। साझा मेमोरी में समस्या की स्थिति, साहित्य संदर्भ, ज्ञान प्रविष्टियाँ, प्रमाण अवस्था और संचित फीडबैक शामिल हैं। संघर्षों को रोकने के लिए रीड/राइट अनुमतियों को कड़ाई से नियंत्रित किया जाता है, जिसमें सभी अपडेट एजेंट और राउंड पहचानकर्ताओं के साथ संलग्न होते हैं।

मुख्य योगदान

1. RMA ढांचा: एक एजेंटिक ढांचे का प्रस्ताव जो अनुसंधान-स्तरीय प्रमाण समाधान को डोमेन-विशिष्ट मॉड्यूल (समस्या विश्लेषण, साहित्य खोज, ज्ञान पुनर्प्राप्ति और सत्यापन) में विभाजित करता है और सक्रिय रूप से डेटा संदूषण को रोकता है।
2. बहु-एजेंट, बहु-चरण आर्किटेक्चर: एक ऐसी प्रणाली का परिचय जो भूमिकाओं को प्रपोजर और वेरिफायर में विभाजित करती है, जिससे पुनरावृत्त तर्क, स्वचालित सत्यापन और संरचित बातचीत के माध्यम से स्व-सुधार सक्षम होता है, जो एकल-एजेंट दृष्टिकोण की तुलना में मजबूती में सुधार करता है।
3. अनुभवजन्य सत्यापन: विशेषज्ञ सत्यापन जो यह प्रदर्शित करता है कि RMA अनुसंधान-स्तरीय समस्याओं को हल करने में मजबूत बेसलाइन (GPT-5.2R और Aletheia सहित) से बेहतर प्रदर्शन करता है। सिस्टम उच्च शुद्धता दर प्राप्त करता है और ऐसे प्रमाण बनाता है जो अधिक व्याख्या योग्य और मानव गणितीय तर्क के अनुरूप होते हैं।
4. एब्लेशन अंतर्दृष्टि (Ablation Insights): व्यवस्थित अध्ययन जो प्रकट करते हैं कि प्रदर्शन में वृद्धि किसी एक घटक के बजाय संरचित मॉड्यूल, पुनरावृत्त परिशोधन और वेरिफायर-आधारित फीडबैक के बीच परस्पर क्रिया से आती है।

प्रयोगात्मक परिणाम

सिस्टम का मूल्यांकन फर्स्ट प्रूफ (First Proof) बेंचमार्क पर किया गया, जिसमें विविध डोमेन (जैसे, स्टोकेस्टिक विश्लेषण, स्पेक्ट्रल ग्राफ थ्योरी) में विशेषज्ञ गणितज्ञों द्वारा योगदान की गई दस अनुसंधान-स्तरीय समस्याएं शामिल थीं।

• शुद्धता (Correctness): RMA ने विशेषज्ञ निर्णय के अनुसार 10 में से 8 समस्याओं को सफलतापूर्वक हल किया। यह मजबूत बेसलाइन (GPT-5.2R (3/10), Aletheia (5/10), और Agentic Researcher (3/10)) से काफी बेहतर है। रिट्रीवल-ऑगमेंटेड रिसर्च असिस्टेंट (GPT-DR, Gemini-DR) कोई भी पूर्णतः सही समाधान उत्पन्न करने में विफल रहे।
• गुणवत्ता (Quality): सूक्ष्म मूल्यांकन (उत्तर सटीकता, तार्किक शुद्धता, पूर्णता, स्पष्टता) में, RMA ने सभी आयामों में उच्चतम स्कोर प्राप्त किया।
• पेयरवाइज तुलना: ब्लाइंड पेयरवाइज A-B तुलना में, RMA विशेषज्ञों के विरुद्ध 0.75 की जीत दर और LLM मूल्यांकनकर्ताओं के विरुद्ध 0.78 की जीत दर के साथ प्रथम स्थान पर रहा, जिसने सभी बेसलाइन को पछाड़ दिया।
• एब्लेशन अध्ययन:
  • समस्या विश्लेषण या ज्ञान बैंक मॉड्यूल को हटाने से प्रदर्शन में भारी गिरावट आई।
  • बहु-एजेंट तर्क ने एकल-एजेंट जनरेशन और कंप्यूट-मैच्ड "बेस्ट-ऑफ-N" सैंपलिंग की तुलना में काफी बेहतर प्रदर्शन किया।
  • प्रदर्शन 5 तर्क राउंड ($N=5$) पर चरम पर था; अत्यधिक पुनरावृत्ति से गिरावट होने लगी।
  • वेरिफायर ($K_v$) और प्रपोजर ($K_p$) की संख्या को स्केल करने से एक बिंदु तक प्रदर्शन में सुधार हुआ, जिसके बाद घटते प्रतिफल या मामूली गिरावट देखी गई।
  • संरचित मेमोरी (राउंडों में इतिहास को संरक्षित करना) महत्वपूर्ण था, जिसने स्टेटलेस या "केवल अंतिम-राउंड" मेमोरी डिजाइनों से बेहतर प्रदर्शन किया।

महत्व और दावे

यह पेपर RMA को वैज्ञानिक खोज के लिए उपयोग-प्रेरित (use-inspired) प्रगति के रूप में प्रस्तुत करता है। लेखक दावा करते हैं कि यह ढांचा यह प्रदर्शित करता है कि एजेंटिक डिज़ाइन खुले अंत वाले गणितीय तर्क की ओर बढ़ने के लिए एक आशाजनक दिशा है।

लेखकों द्वारा रेखांकित मुख्य बातें शामिल हैं:

• प्रतियोगिता गणित से परे: प्रतियोगिता की समस्याओं को हलने से लेकर AI की गणितीय खोज में योगदान देने की क्षमता का आकलन करने के लिए एक अलग वास्तुशिल्प दृष्टिकोण की आवश्यकता है, विशेष रूप से एक ऐसा जो साहित्य ग्राउंडिंग और पुनरावृत्त परिशोधन को एकीकृत करता है।
• घटकों के बजाय परस्पर क्रिया: प्रदर्शन में लाभ किसी एक घटक की शक्ति के बजाय संरचित तर्क मॉड्यूल, पुनरावृत्त परिशोधन और वेरिफायर-आधारित फीडबैक की परस्पर क्रिया के कारण होता है।
• ह्यूमन-इन-द-लूप: सिस्टम को शोधकर्ताओं को रणनीतियों का पता लगाने और साहित्य को व्यवस्थित करने में मदद करने के लिए एक सहायक के रूप में डिज़ाइन किया गया है, न कि विशेषज्ञ निर्णय के विकल्प के रूपв। लेखक स्वीकार करते हैं कि धारणाओं और उद्धरणों को मान्य करने के लिए विशेषज्ञ सत्यापन अभी भी आवश्यक है, क्योंकि LLM अभी भी विश्वसनीय लेकिन गलत तर्क उत्पन्न कर सकते हैं।
• पुनरुत्पादकता (Reproducibility): मॉड्यूलर डिज़ाइन और साझा मेमोरी संरचना तर्क प्रक्रिया को निरीक्षण योग्य बनाती है, जिससे उपयोगकर्ता दावों के मूल और प्रमाण निर्माण के प्रवाह का ऑडिट कर सकते हैं।

लेखक निष्कर्ष निकालते हैं कि हालांकि RMA एक महत्वपूर्ण कदम है, लेकिन गणितीय अनुसंधान में AI की क्षमता को पूरी तरह से साकार करने के लिए क्षेत्र को बेंचमार्क के निरंतर विस्तार, लागत-सटीकता व्यापार विश्लेषण और पारदर्शी मूल्यांकन प्रोटोकॉल की आवश्यकता है।