Skill-as-Pseudocode: Refactoring Skill Libraries to Pseudocode for LLM Agents
यह शोध पत्र स्किल-एज़-स्यूडोकोड (SaP) प्रस्तावित करता है, जो एक स्वचालित विधि है जो मुक्त-रूप (free-form) मार्कडाउन स्किल लाइब्रेरी को टाइप किए गए स्यूडोकोड में परिवर्तित करती है जिसमें नियत (deterministic) सत्यापन होता है, जिससे स्पष्ट टाइप किए गए सिग्नेचर और ठोस इनवोकेशन टेम्पलेट प्रदान करके LLM एजेंटों को ALFWorld बेंचमार्क पर काफी उच्च सफलता दर और कम टोकन उपयोग प्राप्त करने में सक्षम बनाया जा सके।
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 बहुत ही बुद्धिमान लेकिन शाब्दिक (literal) रोबोट को घर के काम करना सिखा रहे हैं, जैसे कि घर की सफाई करना या रसोई को व्यवस्थित करना। आप रोबोट को एक विशाल, अव्यवस्थित निर्देश पुस्तिका (instruction manual) देते हैं जो सामान्य अंग्रेजी (Markdown) में लिखी गई है।
समस्या: "कन्फ्यूज्ड लूप" (The "Confused Loop")
हर बार जब रोबोट को कुछ करने की आवश्यकता होती है, तो उसे यह समझने के लिए लंबे पैराग्राफों को पढ़ना पड़ता है कि:
- क्या कार्य करना है (जैसे, "मग को हिलाना")।
- घर के कंप्यूटर सिस्टम को इसे ठीक से कैसे कहना है (जैसे, सिस्टम केवल
move mug to shelfकमांड स्वीकार करता है, न किput mug on shelf)।
क्योंकि निर्देश पैराग्राफों में दबे हुए हैं, रोबोट अक्सर गलत अनुमान लगा लेता है। वह मग को "रखने" (put) की कोशिश करता है, घर का सिस्टम कहता है "कुछ नहीं हुआ," और रोबोट भ्रमित हो जाता है। फिर वह फिर से मैनुअल पढ़ने के लिए वापस जाता है, गलत अनुमान लगाता है, और विफलता के चक्र (loop) में फंस जाता है। इससे समय बर्बाद होता है और रोबोट की ऊर्जा (या AI के संदर्भ में "टोकन") खत्म हो जाती है।
समाधान: "स्किल-एज़-स्यूडोकोड" (Skill-as-Pseudocode - SaP)
इस शोध पत्र के लेखकों ने Skill-as-Pseudocode (SaP) नामक एक प्रणाली बनाई है। इसे एक "अनुवादक" के रूप में सोचें जो मानव मैनुअल को लेता है और उसे एक साफ, संरचित (structured) चीट शीट में फिर से लिख देता है।
यह अनुवादक कैसे काम करता है, इसके लिए एक सरल उपमा (analogy) यहाँ दी गई है:
1. डिटेक्टिव (पैटर्न खोजना)
एक लाइब्रेरियन की कल्पना करें जो सैकड़ों अलग-अलग निर्देश पुस्तिकाओं को देखता है। वे देखते हैं कि कई मैनुअल अलग-अलग तरीकों से एक ही बात कहते हैं।
- मैनुअल A कहता है: "किचन में जाओ, नमक उठाओ, और इसे कैबिनेट में रख दो।"
- मैनुअल B कहता है: "काउंटर पर नमक ढूंढो और इसे कपबोर्ड में ले जाओ।"
लाइब्रेरियन को एहसास होता है कि ये वास्तव में एक ही अंतर्निहित क्रिया (underlying action) हैं। वे इन समान निर्देशों को एक "क्लस्टर" में समूहित करते हैं।
2. आर्किटेक्ट (ब्लूप्रिंट का मसौदा तैयार करना)
प्रत्येक समान निर्देशों के समूह के लिए, सिस्टम एक AI से एक टाइप्ड कॉन्ट्रैक्ट (Typed Contract) का मसौदा तैयार करने के लिए कहता है।
- एक पैराग्राफ के बजाय, यह कॉन्ट्रैक्ट एक कंप्यूटर फंक्शन की तरह दिखता है:
move_object(from: "counter", to: "cabinet")। - यह स्पष्ट रूप से सूचीबद्ध करता है: किन इनपुट्स की आवश्यकता है? बाद में क्या होता है? नियम क्या हैं?
3. सेफ्टी इंस्पेक्टर (चार जाँचें)
इससे पहले कि सिस्टम रोबोट को इस नए ब्लूप्रिंट का उपयोग करने की अनुमति दे, एक सख्त सेफ्टी इंस्पेक्टर यह सुनिश्चित करने के लिए चार विशिष्ट जाँच करता है कि अनुवाद एकदम सही है:
- कवरेज (Coverage): क्या हमने मूल पाठ से कोई महत्वपूर्ण विवरण छोड़ दिया है?
- बाइंडिंग (Binding): क्या हमें पता है कि मूल वाक्य से "नमक" या "मग" कहाँ से लेना है?
- रिप्लेसमेंट (Replacement): यदि हम पुराने पैराग्राफ को इस नए ब्लूप्रिंट से बदल देते हैं, तो क्या बाकी मैनुअल अभी भी समझ में आता है?
- रिस्क (Risk): क्या यह नया निर्देश गलती से रोबोट को कुछ खतरनाक करने के लिए तो नहीं कह रहा है (जैसे कोई फ़ाइल डिलीट करना या खिड़की तोड़ना)?
यदि ब्लूप्रिंट इन चारों जाँचों को पास कर लेता है, तो इसे स्वीकृत कर दिया जाता है। यदि यह एक भी विफल होता है, तो इसे रोबोट को भ्रमित होने से बचाने के लिए बाहर कर दिया जाता है।
4. डिलीवरी (द "बंडल")
जब रोबोट को किसी कार्य को करने की आवश्यकता होती है, तो उसे पुराना, अव्यवस्थित मैनुअल नहीं मिलता। इसके बजाय, उसे एक बंडल (Bundle) मिलता है जिसके तीन भाग होते हैं, जो बिल्कुल सही क्रम में प्रस्तुत किए जाते हैं:
- "हाउ-टू" टेम्पलेट: वे सटीक शब्द जो रोबट को घर के कंप्यूटर पर टाइप करने होंगे (जैसे,
move {object} to {target})। - "व्हाट" सिग्नेचर: एक स्पष्ट सारांश कि यह स्किल क्या करती है।
- कॉन्टेक्स्ट (Context): बाकी के निर्देश, जो अब साफ किए गए हैं ताकि वे नए टेम्पलेट के साथ विरोधाभास न करें।
परिणाम
शोधकर्ताओं ने इसका परीक्षण ALFWorld नामक एक गेम पर किया, जहाँ एक AI एजेंट को घरेलू पहेलियाँ हल करनी होती हैं।
- पुराना तरीका (Graph-of-Skills): रोबोट ने अव्यवस्थित मैनुअल पढ़ा, गलत अनुमान लगाया, फंस गया, और अक्सर असफल रहा।
- नया तरीका (SaP): रोबोट को साफ "चीट शीट" मिली। उसे तुरंत पता चल गया कि क्या करना है और कैसे कहना है।
परिणाम:
- रोबोट ने नए तरीके के साथ 134 में से 82 गेम हल किए, जबकि पुराने तरीके के साथ केवल 47।
- इसने 22% कम मेमोरी का उपयोग किया और AI मस्तिष्क को 14% कम कॉल किए क्योंकि उसे फंसने पर बार-बार मैनुअल फिर से नहीं पढ़ना पड़ा।
संक्षेप में:
यह शोध पत्र दिखाता है कि यदि आप AI एजेंटों को लंबे, अव्यवस्थित पैराग्राफ देने के बजाय उन्हें संरचित, सत्यापित "कोड-जैसे" निर्देश देते हैं, तो वे भ्रमित नहीं होते, गलतियाँ नहीं करते और काम को बहुत तेज़ी से पूरा करते हैं। यह प्रणाली एक कठोर संपादक की तरह काम करती है जो मानवीय गद्य (prose) को रोबोट-तैयार ब्लूप्रिंट में बदल देती 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।