← नवीनतम पेपर
💻 computer science

ATOM: Instantiating Budget-Controllable Multi-Agent Collaboration via Nucleus-Electron Hierarchy

यह शोध पत्र ATOM को प्रस्तुत करता है, जो एक अनुकूलन योग्य बहु-एजेंट फ्रेमवर्क है जो न्यूक्लियस-इलेक्ट्रॉन पदानुक्रम और कार्य-संचालित सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करके गतिशील रूप से बजट-नियंत्रणीय सहयोग ग्राफ को स्थापित करता है, जिससे क्वेरी की कठिनाई के साथ कम्प्यूटेशनल संसाधनों को संरेखित करके 30% तक बेहतर टोकन दक्षता के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।

मूल लेखक: Xinkui Zhao, Sai Liu, Yifan Zhang, Qingyu Ma, Zewen Lin, Naibo Wang, Guanjie Cheng, Chang Liu, Yueshen Xu

प्रकाशित 2026-05-27
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Xinkui Zhao, Sai Liu, Yifan Zhang, Qingyu Ma, Zewen Lin, Naibo Wang, Guanjie Cheng, Chang Liu, Yueshen Xu

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 ATOM पेपर का स्पष्टीकरण दिया गया है, जिसे सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ अनुवादित किया गया है।

बड़ी समस्या: "एक ही आकार सबके लिए" (One-Size-Fits-All) का जाल

कल्पना कीजिए कि आप एक पहेली सुलझाने की कोशिश कर रहे हैं।

  • परिदृश्य A: आपके पास 4 टुकड़ों वाली एक साधारण पहेली है। यदि आप इसे हल करने के लिए 50 विशेषज्ञों की टीम को काम पर रखते हैं, तो आप पैसा और समय बर्बाद कर रहे हैं। वे विशेषज्ञ एक-दूसरे के काम में बाधा ही डालेंगे।
  • परिदृश्य B: आपके पास 10,000 टुकड़ों वाली एक विशाल, असंभव पहेली है। यदि आप केवल 2 विशेषज्ञों को काम पर रखते हैं, तो वे अटक जाएंगे और असफल हो जाएंगे। इसे हल करने के लिए आपको एक बड़ी सेना की आवश्यकता होगी।

वर्तमान AI सिस्टम (Multi-Agent Systems) अक्सर परिदृश्य A की तरह व्यवहार करते हैं। वे हर सवाल के लिए—चाहे सवाल आसान हो या कठिन—विशेषज्ञों की एक निश्चित टीम का उपयोग करते हैं। इससे दो समस्याएं होती हैं:

  1. बर्बादी: वे आसान सवालों पर बहुत अधिक पैसा (कंप्यूटिंग पावर) खर्च करते हैं।
  2. विफलता: कठिन सवालों के लिए उनके पास पर्याप्त लोग नहीं होते।

समाधान: ATOM ("एटम" की उपमा)

लेखकों ने ATOM नामक एक नया सिस्टम प्रस्तावित किया है। उन्होंने इसके काम करने के तरीके को समझाने के लिए इसे एक परमाणु (atom) की संरचना के नाम पर रखा है।

AI सिस्टम को एक परमाणु (Atom) के रूप में सोचें:

  • नाभिक (The Nucleus - केंद्र): यह "सुपर-एजेंट्स" का एक छोटा, स्थिर समूह है जो हमेशा सक्रिय रहता है। वे एक परमाणु के भारी केंद्र की तरह हैं। उन्हें बुनियादी चीजों को संभालने और तर्क (reasoning) के लिए एक स्थिर आधार प्रदान करने के लिए ऑफलाइन प्रशिक्षित किया गया है। वे कभी नहीं जाते।
  • इलेक्ट्रॉन (The Electrons - ऑर्बिटल्स): ये "अतिरिक्त" एजेंट हैं। एक सामान्य परमाणु में, इलेक्ट्रॉन नाभिक के चारों ओर घूमते हैं। ATOM में, ये एजेंट केवल तभी आते हैं जब उनकी आवश्यकता होती है।
    • यदि सवाल आसान है (जैसे "2+2 क्या है?"), तो इलेक्ट्रॉन दूर रहते हैं। केवल नाभिक (Nucleus) काम करता है। यह तेज़ और सस्ता है।
    • यदि सवाल कठिन है (जैसे "एक जटिल वित्तीय योजना लिखें"), तो सिस्टम इलेक्ट्रॉनों को "उत्तेजित" (excite) करता है। यह समस्या को हल करने में मदद करने के लिए नाभिक के चारों ओर घूमने के लिए अतिरिक्त विशेषज्ञों को बुलाता है।

यह कैसे काम करता है: "स्मार्ट बजट"

ATOM की खासियत यह है कि यह केवल अनुमान नहीं लगाता; इसके पास एक बजट मैनेजर होता है।

  1. माहौल को समझना: शुरू करने से पहले, ATOM सवाल को देखता है और अनुमान लगाता है कि वह कितना "कठिन" है। यह एक प्रोजेक्ट मैनेजर की तरह है जो टू-डू लिस्ट को देखकर कहता है, "यह एक छोटा काम है, मुझे केवल एक व्यक्ति की आवश्यकता है। वह एक बड़ा काम है, मुझे पूरी टीम की आवश्यकता है।"
  2. समझदारी से खर्च करना: उस अनुमान के आधार पर, यह एक सख्त बजट निर्धारित करता है। यह अतिरिक्त "इलेक्ट्रॉन" एजेंटों को बुलाने के लिए टोकन (कंप्यूटिंग संसाधन) का उपयोग तभी करता है जब कठिनाई उस लागत को उचित ठहराती है।
  3. सीखने की प्रक्रिया: सिस्टम इस व्यवहार को रिनफोर्समेंट लर्निंग (Reinforcement Learning) का उपयोग करके सीखता है। यह एक कुत्ते को प्रशिक्षित करने जैसा है:
    • यदि यह एक छोटी टीम के साथ कठिन समस्या को हल करता है, तो इसे इनाम (treat) मिलता है।
    • यदि यह छोटे से काम के लिए बड़ी टीम बुलाकर पैसा बर्बाद करता है, तो इसे "ना" (दंड) मिलता है।
    • समय के साथ, यह सही उत्तर पाने और सबसे कम पैसा खर्च करने के बीच सही संतुलन बनाना सीख जाता है।

परिणाम: तेज़, सस्ता, स्मार्ट

पेपर में ATOM का परीक्षण गणित, तर्क और कोडिंग सहित छह अलग-अलग प्रकार की चुनौतियों पर किया गया। यहाँ उनके निष्कर्ष हैं:

  • बेहतर स्कोर: ATOM ने अन्य शीर्ष AI सिस्टम की तुलना में उच्च सटीकता प्राप्त की।
  • भारी बचत: इसने अगले सबसे अच्छे सिस्टम की तुलना में 30% तक कम कंप्यूटिंग संसाधनों (टोकन) का उपयोग किया।
  • "औसत" के जाल से मुक्ति: अन्य सिस्टम हर चीज़ के लिए "मध्यम" मात्रा में प्रयास करने की प्रवृत्ति रखते हैं। ATOM लचीला है: यह आसान कार्यों के लिए छोटा होता है और कठिन कार्यों के लिए बड़ा होता है।

सारांश

कल्पना कीजिए कि आप एक रेस्टोरेंट चला रहे हैं।

  • पुराना तरीका: आप हमेशा रसोई में 20 शेफ रखते हैं, चाहे ग्राहक एक गिलास पानी का ऑर्डर दे या 10-कोर्स वाले भव्य भोज (banquet) का। यह महंगा और अराजक है।
  • ATOM का तरीका: आपके पास 2 मुख्य शेफ (नाभिक) हैं जो हमेशा वहां रहते हैं। जब कोई ग्राहक एक गिलास पानी का ऑर्डर देता है, तो वे अकेले ही इसे संभाल लेते हैं। जब कोई ग्राहक एक भव्य भोज का ऑर्डर देता है, तो आप तुरंत मदद के लिए 10 विशिष्ट शेफ (इलेक्ट्रॉन) को बुला लेते हैं। आप केवल उसी मदद के लिए भुगतान करते हैं जिसकी आपको वास्तव में आवश्यकता होती है।

ATOM एक ऐसा सिस्टम है जो एक ऐसी AI टीम बनाता है जो स्वचालित रूप से बढ़ती और घटती है, यह सुनिश्चित करती है कि आप कभी भी आसान कार्यों पर पैसा बर्बाद न करें और कठिन कार्यों के लिए कभी भी मदद की कमी न हो।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →