🤖 machine learning

Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection

यह शोध पत्र SignGAD का प्रस्ताव करता है, जो एक नवीन ढांचा (framework) है जो फिक्स्ड पाइपलाइनों और फ्यू-शॉट ग्राफ विसंगति पहचान (few-shot graph anomaly detection) में कमजोर साक्ष्य की सीमाओं को संबोधित करता है, जिसे एक स्व-डिज़ाइनिंग एजेंटिक वर्कफ़्लो के रूप में पुनर्गठित किया गया है जो अनुकूलतम एन्कोडिंग और डिटेक्टरों का गतिशील रूप से चयन करता है और सीमित पर्यवेक्षण के तहत विश्वसनीयता सुनिश्चित करने के लिए एक गार्डेड रिफिट रणनीति का उपयोग करता है।

मूल लेखक: Tairan Huang, Qiang Chen, Yili Wang, Yueyue Ma, Changlong He, Xiu Su, Yi Chen

प्रकाशित 2026-05-28

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC0 1.0

मूल लेखक: Tairan Huang, Qiang Chen, Yili Wang, Yueyue Ma, Changlong He, Xiu Su, Yi Chen

मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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 शोध पत्र "Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection" (SignGAD) का सरल अवधारणाओं और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

बड़ी समस्या: "एक ही नियम सबके लिए" वाला जाल (The "One-Size-Fits-All" Trap)

कल्पना कीजिए कि आप एक विशाल, भीड़भाड़ वाले शहर (ग्राफ/Graph) में चोर को पकड़ने की कोशिश कर रहे हैं। इस शहर में लाखों लोग (नोड्स/nodes) हैं जो दोस्ती, लेनदेन या संदेशों (एजेस/edges) के माध्यम से एक-दूसरे से जुड़े हुए हैं।

पुराना तरीका (निश्चित पाइपलाइन - Fixed Pipelines):
अतीत में, सुरक्षा गार्डों को एक ही, कठोर नियम पुस्तिका दी जाती थी। "यदि कोई तेज़ चलता है, तो वह चोर है।" या, "यदि किसी ने लाल टोपी पहनी है, तो वह चोर है।"

खामी: यह नियम पुस्तिका गार्ड द्वारा शहर देखे जाने से पहले लिखी गई थी। यह इस बात से नहीं बदलती कि शहर एक शांत लाइब्रेरी है या एक अराजक शेयर बाज़ार। यदि नियम पुस्तिका विशिष्ट स्थिति के अनुकूल नहीं है, तो गार्ड चोर को चूक जाता है या निर्दोष लोगों पर घबराकर कार्रवाई करने लगता है।
डेटा की समस्या: आमतौर पर, गार्ड को केवल एक या दो ज्ञात चोरों की तस्वीरें (Few-Shot) दिखाई जाती हैं। केवल एक फोटो से एक जटिल नियम सीखना अविश्वसनीय रूप से कठिन है।

दूसरी खामी (कमजोर साक्ष्य - Weak Evidence):
पुराने तरीके एक धुंधली, अमूर्त छाया (लेटेंट स्पेस/latent space) को देखकर यह अनुमान लगाने की कोशिश करते थे कि चोर कौन था। वे विशिष्ट सुरागों की ओर इशारा नहीं करते थे जैसे कि "यह व्यक्ति मास्क पहने हुए है" या "वे एक बैंक से भाग रहे हैं।" उनके पास बस एक अस्पष्ट अहसास होता था कि कुछ गलत है।

समाधान: SignGAD (स्व-डिज़ाइन करने वाला जासूस - The "Self-Designing Detective")

लेखकों ने SignGAD नामक एक नया सिस्टम प्रस्तावित किया है। एक गार्ड को एक निश्चित नियम याद करने के लिए प्रशिक्षित करने के बजाय, वे उसे एक स्मार्ट सहायक (AI Agent) देते हैं जो हर नए शहर के लिए मौके पर ही एक कस्टम जांच योजना बनाता है।

SignGAD को केवल एक जासूस के रूप में नहीं, बल्कि एक जासूसी एजेंसी (Detective Agency) के रूप में सोचें जो हर मामले के लिए एक अनूठी टीम तैयार करती है।

यह कैसे काम करता है (चरण-दर-चरण)

1. ब्रीफिंग (कार्य-आधारित वर्कफ़्लो निर्माण - Task-Conditioned Workflow Construction)
जांच शुरू होने से पहले, AI एजेंट "केस फाइल" पढ़ता है।

यह टेक्स्ट विवरण (जैसे, "यह एक ई-कॉमर्स साइट है जहाँ लोग फर्जी समीक्षाएं लिखते हैं") को देखता है।
यह सांख्यिकी (जैसे, "वहाँ 10,000 उपयोगकर्ता और 4 मिलियन कनेक्शन हैं") को देखता है।
जादू: एजेंट एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करके कहता है, "ठीक है, चूंकि यह एक समीक्षा साइट है, मुझे उन लोगों को देखना होगा जो एक ही समय में समान समीक्षाएं लिखते हैं। चूंकि यह एक फाइनेंस साइट है, मुझे अजीब धन हस्तांतरणों को देखना होगा।"
परिणाम: यह उस विशिष्ट शहर के लिए एक कस्टम "वर्कफ़्लो" (एक चरण-दर-चरण जांच योजना) डिजाइन करता है।

2. सुराग इकट्ठा करना (साक्ष्य ग्राफ एनकोडिंग - Evidence Graph Encoding)
धुंधली छाया को देखने के बजाय, एजेंट स्पष्ट साक्ष्य एकत्र करता है।

यह विशिष्ट चीजों की जाँच करता है: "क्या इस व्यक्ति का व्यवहार उसके पड़ोसियों से अलग है?" "क्या उसके बहुत अधिक दोस्त हैं?" "क्या उसकी प्रोफाइल पिक्चर अजीब है?"
उपमा: केवल यह कहने के बजाय कि "मुझे संदेह है," एजेंट कहता है, "यह व्यक्ति संदिग्ध है क्योंकि इसके 500 दोस्त हैं लेकिन केवल 1 पोस्ट है, और इसके 3 ज्ञात स्कैमर्स के साथ दोस्ती है।" ये साक्ष्य संकेत (Evidence Signals) हैं।

3. सही उपकरणों का चयन (वर्कफ़्लो डिटेक्टर बैंक - Workflow Detector Bank)
एजेंसी के पास विभिन्न डिटेक्टरों (जैसे आवर्धक लेंस, फिंगरप्रिंट किट, या झूठ पकड़ने वाली मशीन) से भरा एक टूलबॉक्स है।

एजेंट मिले हुए विशिष्ट सुरागों के लिए सबसे अच्छे उपकरण चुनता है। हो सकता कि इस शहर के लिए, एक "ट्री-बेस्ड" डिटेक्टर सबसे अच्छा काम करे। किसी अन्य के लिए, एक "लीनियर" डिटेक्टर बेहतर हो सकता है।
यह इन उपकरणों को मिलाकर एक आदर्श जांच दल बनाता है।

4. परीक्षण रन (वैलिडेशन वर्कफ़्लो सर्च - Validation Workflow Search)
असली अपराधियों को पकड़ने के लिए बाहर जाने से पहले, एजेंट उन लोगों के एक छोटे समूह (Validation Set) पर सिमुलेशन चलाता है जिन्हें वह पहले से जानता है।

यह 20 अलग-अलग जांच योजनाओं को आज़माता है।
यह उस योजना को चुनता है जिसने सिमुलेशन में सबसे अधिक "नकली" लोगों को पकड़ा, बिना बहुत अधिक निर्दोष लोगों को पकड़े।

5. सुरक्षा जाँच (गार्डेड फाइनल रिफिट - Guarded Final Refit)
यह एक महत्वपूर्ण सुरक्षा चरण है।

कभी-कभी, सबसे अच्छी योजना चुनने के बाद, एजेंट कुछ और ज्ञात उदाहरणों का उपयोग करके उपकरणों में थोड़ा बदलाव करना चाह सकता है।
गार्ड (संरक्षक): सिस्टम में एक "गार्ड" होता है जो कहता है, "रुको, यदि आप उपकरणों में बदलाव करते हैं, तो क्या आप गलती से निर्दोष लोगों को पकड़ना शुरू कर देंगे?"
यदि बदलाव चीज़ों को बदतर बनाता है, तो गार्ड इसे रोक देता है। यदि यह चीज़ों को बेहतर बनाता है, तो गार्ड इसे होने देता है। यह सुनिश्चित करता है कि सिस्टम बहुत अधिक आत्मविश्वासी न हो जाए और गलतियाँ न करे।

यह एक बड़ी बात क्यों है (परिणाम)

इस शोध पत्र ने वास्तविक दुनिया के डेटासेट (जैसे अमेज़न समीक्षाएं, Yelp समीक्षाएं और वित्तीय लेनदेन) पर इस "स्व-डिज़ाइन करने वाले जासूस" का परीक्षण किया, जहाँ उनके पास केवल 1% लेबल किया गया डेटा (बहुत कम ज्ञात चोर) था।

प्रदर्शन (Performance): SignGAD ने लगभग हर अन्य पद्धति (विशेषज्ञों सहित) को पछाड़ दिया। इसने अधिक चोरों को पकड़ा और कम गलतियाँ कीं।
गति (Speed): यह आश्चर्यजनक रूप से तेज़ था। जहाँ अन्य तरीकों को प्रशिक्षित करने में घंटों लगते थे, वहीं SignGAD ने इसे मिनटों में कर लिया।
अनुकूलन क्षमता (Adaptability): क्योंकि यह प्रत्येक शहर के लिए अपनी योजना स्वयं डिजाइन करता है, इसलिए यह सोशल नेटवर्क, बैंक या शॉपिंग मॉल, चाहे वह कुछ भी हो, बेहतरीन काम करता है।

सारांश उपमा (Summary Metaphor)

कल्पना कीजिए कि आप एक शेफ (रसोइया) को काम पर रख रहे हैं।

पुरानी विधियाँ: आप हर शेफ को ठीक वही रेसिपी बुक देते हैं। यदि आप उनसे बिना ओवन वाले किचन में स्टेक पकाने के लिए कहते हैं, तो वे विफल हो जाते हैं।
SignGAD: आप शेफ को एक स्मार्ट सहायक देते हैं। सहायक आपके किचन को देखता है, देखता है कि आपके पास ग्रिल है लेकिन ओवन नहीं है, देखता है कि आपके पास कौन सी सामग्री है, और सिर्फ उस भोजन के लिए एक नई रेसिपी लिखता है। फिर, वह परोसने से पहले डिश का स्वाद चखता है ताकि यह सुनिश्चित हो सके कि वह एकदम सही है।

शोध पत्र का दावा है कि एक निश्चित प्रक्रिया का पालन करने के बजाय सिस्टम को अपनी पहचान प्रक्रिया स्वयं डिजाइन करने देने से, हम विसंगतियों (anomalies) को बहुत बेहतर तरीके से पकड़ सकते हैं, भले ही हमारे पास सीखने के लिए बहुत कम डेटा हो।

तकनीकी सारांश: डिटेक्ट बाय योरसेल्फ (SignGAD)

समस्या विवरण (Problem Statement)

ग्राफ एनोमली डिटेक्शन (GAD) का लक्ष्य एट्रिब्यूटेड ग्राफ में विसंगतिपूर्ण नोड्स (anomalous nodes) की पहचान करना है, जो सोशल नेटवर्क, ई-कॉमर्स और वित्तीय प्रणालियों जैसे डोमेन में एक महत्वपूर्ण कार्य है। हालाँकि, मौजूदा विधियाँ, विशेष रूप से सीमित पर्यवेक्षण (few-shot scenarios) के तहत, दो मौलिक सीमाओं का सामना करती हैं:

निश्चित पाइपलाइन (Fixed Pipelines): वर्तमान दृष्टिकोण पूर्व-निर्धारित, कठोर डिटेक्शन पाइपलाइनों पर निर्भर करते हैं जहाँ ग्राफ प्रोसेसिंग रणनीतियाँ और डिटेक्टर आर्किटेक्चर विशिष्ट कार्य स्थितियों पर विचार करने से पहले ही तय कर दिए जाते हैं। अनुकूलन क्षमता की इस कमी के कारण, जब केवल कुछ लेबल किए गए नोड्स उपलब्ध होते हैं, तो प्रदर्शन में गिरावट आती है क्योंकि एक अनुपयुक्त वर्कफ़्लो को सुधारा नहीं जा सकता।
कमजोर साक्ष्य (Weak Evidence): मौजूदा विधियाँ अक्सर सूचनात्मक ग्राफ संकेतों (संदर्भगत और संरचनात्मक संकेतों) को स्पष्ट डिटेक्शन साक्ष्य के रूप में व्यवस्थित करने के बजाय उन्हें लेटेंट रिप्रेजेंटेशन (latent representations) में समाहित कर देती हैं। परिणामस्वरूप, जब लेबल किए गए एनोमली बहुत कम होते हैं, तो डिटेक्टर विश्वसनीय, कार्य-विशिष्ट साक्ष्य तक पहुँचने में संघर्ष करते हैं।

कार्यप्रणाली: SignGAD

लेखक Sign-GAD (Self-designing Agentic Workflows for few-shot Graph Anomaly Detection) प्रस्तावित करते हैं, जो एक नया फ्रेमवर्क है जो एक निश्चित एनोमली डिटेक्टर को प्रशिक्षित करने के बजाय कार्य-सशर्त डिटेक्शन वर्कफ़्लो (task-conditioned detection workflows) डिजाइन करने की ओर प्रतिमान (paradigm) को बदल देता है। यह फ्रेमवर्क पाँच प्रमुख मॉड्यूल के माध्यम से संचालित होता है:

कार्य-सशर्त वर्कफ़्लो निर्माण (Task-Conditioned Workflow Construction):
- टेक्स्ट आधारित कार्य विवरण और ग्राफ सांख्यिकी को एक संरचित टास्क डिस्क्रिप्टर ( $C$ ) में बदलने के लिए लार्ज लैंग्वेज मॉडल (LLM) एजेंटों का उपयोग करता है।
- यह डिस्क्रिप्टर एक वर्कफ़्लो स्पेस ( $\Omega(C)$ ) की योजना बनाने में मार्गदर्शन करता है, जो उपयुक्त ग्राफ टोपोलॉजी (जैसे, बेस बनाम रिलेशन-फ्यूजेड एडजेसेंसी), साक्ष्य फंक्शन (evidence functions), और डिटेक्टर परिवारों को निर्धारित करता है। यह सिस्टम को विशिष्ट ग्राफ संरचनाओं और डोमेन संदर्भों के अनुसार डिटेक्शन प्रक्रिया को अनुकूलित करने की अनुमति देता है।
एविडेंस ग्राफ एनकोडिंग (Evidence Graph Encoding):
- केवल लेटेंट एम्बेडिंग्स पर निर्भर रहने के बजाय, यह मॉड्यूल स्पष्ट एनोमली साक्ष्य (explicit anomaly evidence) का निर्माण करता है।
- यह ग्राफ-कॉन्टेक्स्ट जानकारी (नोड एट्रिब्यूट्स, 1-हॉप और 2-हॉप नेबरहुड सांख्यिकी) को एकत्रित करता है और इसे विशिष्ट एनोमली-संकेतक फंक्शन (जैसे, डिग्री एनोमली, नेबर फीचर डेविएशन, फीचर रिकंस्ट्रक्शन रेसिडुअल) से प्राप्त साक्ष्य स्कोर ( $\eta_i$ ) के वेक्टर के साथ जोड़ता है।
- अंतिम एनकोडिंग ( $z^\omega_i$ ) नोड-स्तरीय विचलन और कार्य-प्रासंगिक संकेतों को डिटेक्टर के सामने स्पष्ट रूप से प्रस्तुत करती है।
वर्कफ़्लो डिटेक्टर बैंक (Workflow Detector Bank):
- वर्कफ़्लो डिज़ाइन के आधार पर उम्मीदवार डिटेक्टरों (लीनियर, ट्री-बेस्ड, और मेटा-डिटेक्टर) का एक संग्रह स्थापित किया जाता है।
- मल्टी-रिलेशन ग्राफ के लिए, सिस्टम रिलेशन-अवेयर एनकोडिंग का समर्थन करता है, जो अत्यधिक डाइमेंशनलिटी के बिना विषमता (heterogeneity) को संभालने के लिए रिलेशन-विशिष्ट फीचर्स को एक कॉम्पैक्ट रिप्रेजेंटेशन में प्रोजेक्ट करता है।
- यह विभिन्न कार्यों को सीमित पर्यवेक्षण के तहत अलग-अलग इंडक्टिव बायस (जैसे, लीनियर स्टेबिलिटी बनाम नॉन-लीनियर इंटरेक्शन कैप्चर) का लाभ उठाने की अनुमति देता है।
वैलिडेशन वर्कफ़्लो सर्च (Validation Workflow Search):
- इष्टतम वर्कफ़्लो चुनने के लिए उम्मीदवार वर्कफ़्लो का मूल्यांकन एक वैलिडेशन सेट पर किया जाता है।
- चयन मानदंड ( $Q_{val}$ ) रैंकिंग गुणवत्ता (AUC) और बाइनरी क्लासिफिकेशन गुणवत्ता (F1-Macro) के बीच संतुलन बनाता है और अनावश्यक जटिलता को दंडित करता है, जिससे यह सुनिश्चित होता है कि चुना गया वर्कफ़्लो सीमित पर्यवेक्षण के तहत मजबूत (robust) है।
गार्डेड फाइनल रिफिट (Guarded Final Refit):
- सर्वश्रेष्ठ वर्कफ़्लो चुनने के बाद, डिटेक्टर घटक को वैकल्पिक रूप से वैलिडेशन लेबल के एक उपसमुच्चय का उपयोग करके परिष्कृत किया जाता है।
- एक गार्डेड मैकेनिज्म (guarded mechanism) यह सुनिश्चित करता है कि यह रिफिट केवल तभी स्वीकार किया जाए यदि पुन: प्रशिक्षित डिटेक्टर एक होल्ड-आउट कैलिब्रेशन सबसेट पर मूल डिटेक्टर की तुलना में स्पष्ट रूप से बेहतर (या बराबर) प्रदर्शन करता है, जिससे ओवरफिटिंग या प्रदर्शन में गिरावट को रोका जा सके।

मुख्य योगदान (Key Contributions)

प्रतिमान नवाचार (Paradigm Innovation): SignGAD पहला कार्य है जो GAD को एक निश्चित डिटेक्टर को प्रशिक्षित करने से बदलकर कार्य-सशर्त डिटेक्शन वर्कफ़्लो डिजाइन करने के रूप में पुनर्गठित करता है। यह डिटेक्शन प्रक्रिया को टेक्स्ट विवरण और ग्राफ सांख्यिकी के आधार पर गतिशील रूप से अनुकूलित करने में सक्षम बनाता है।
नवीन फ्रेमवर्क: प्रस्तावित फ्रेमवर्क वर्कफ़्लो प्लानिंग के लिए LLM-आधारित एजेंटों, स्पष्ट साक्ष्य एनकोडिंग, एक विविध डिटेक्टर बैंक और एक गार्डेड रिफाइनमेंट रणनीति को एकीकृत करता है। यह लेटेंट स्पेस में छिपाने के बजाय संदर्भगत और संरचनात्मक एनोमली संकेतों को स्पष्ट रूप से व्यवस्थित करता है।
प्रदर्शन सत्यापन: चार वास्तविक दुनिया के डेटासेट्स (Amazon, YelpChi, T-Finance, T-Social) पर व्यापक प्रयोगों से पता चलता है कि SignGAD फ्यू-शॉट सेटिंग्स में स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करता है, जो जेनेरिक GNNs और विशिष्ट GAD बेसलाइन्स से बेहतर है।

प्रयोगात्मक परिणाम (Experimental Results)

मुख्य प्रदर्शन: 1% ट्रेनिंग रेशियो वाले चार डेटासेट्स पर, SignGAD ने 8 मूल्यांकन मामलों में से 7 में सर्वश्रेष्ठ परिणाम प्राप्त किए (AUC और F1-Macro)। उदाहरण के लिए, Amazon डेटासेट पर, इसने 97.41% का AUC और 91.17% का F1-Macro प्राप्त किया, जो TAQ-GAD और SpaceGNN जैसे मजबूत बेसलाइन्स से बेहतर है।
दक्षता (Efficiency): SignGAD भारी GNN-आधारित बेसलाइन्स की तुलना में प्रशिक्षण समय को काफी कम कर देता है। T-Social डेटासेट पर, इसने लगभग 10 मिनट में प्रशिक्षण पूरा किया, जबकि शीर्ष बेसलाइन्स को 250 मिनट से अधिक का समय लगा।
एब्लेशन स्टडीज (Ablation Studies): किसी भी घटक (LLM प्लानिंग, स्पष्ट साक्ष्य, डिटेक्टर बैंक, सर्च, या रिफिट) को हटाने से प्रदर्शन में लगातार गिरावट आई। "गार्डेड फाइनल रिफिट" और "एविडेंस एनकोडिंग" मॉड्यूल को विशेष रूप से मजबूती (robustness) के लिए महत्वपूर्ण माना गया।
संवेदनशीलता विश्लेषण (Sensitivity Analysis): फ्रेमवर्क हाइपरपैरामीटर्स के प्रति मजबूत है, जिसमें 4 साक्ष्य फंक्शन, 20 उम्मीदवार वर्कफ़्लो और एक वैलिडेशन बैलेंस कोएफिशिएंट ( $\alpha$ ) के 0.50 के उपयोग पर इष्टतम प्रदर्शन देखा गया।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि SignGAD एक एजेंटिक वर्कफ़्लो डिज़ाइन दृष्टिकोण पेश करके वर्तमान GAD विधियों की कठोरता और कमजोर साक्ष्य उपयोग की समस्या को हल करता है। एनोमली डिटेक्शन को LLMs द्वारा निर्देशित वर्कफ़्लो निर्माण समस्या के रूप में मानकर, यह विधि:

विशिष्ट ग्राफ कार्यों के लिए डिटेक्शन प्रक्रियाओं को कस्टमाइज़ कर सकती है, जो विविध ग्राफ संरचनाओं और डोमेन आवश्यकताओं के अनुकूल होती है।
स्पष्ट साक्ष्य (explicit evidence) का लाभ उठाती है, जिससे डिटेक्शन लॉजिक अधिक व्याख्या योग्य (interpretable) और सीमित पर्यवेक्षण के तहत प्रभावी बनता है।
उच्च दक्षता और मजबूती प्राप्त करती है, जिससे यह उन बड़े पैमाने के, वास्तविक दुनिया के अनुप्रयोगों के लिए व्यावहारिक हो जाता है जहाँ लेबल किया गया डेटा कम है और कंप्यूटेशनल संसाधन सीमित हैं।

लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण मजबूत फ्यू-शॉट ग्राफ एनोमली डिटेक्शन के लिए फिक्स्ड डिटेक्टर ट्रेनिंग के बजाय वर्कफ़्लो-स्तर के अनुकूलन की आवश्यकता को सत्यापित करता है।