MemPro: Agentic Memory Systems as Evolvable Programs
MemPro एक सिस्टम-लेवल इवोल्यूशन फ्रेमवर्क है जो संपूर्ण मेमोरी कंस्ट्रक्शन-रिट्रीवल पाइपलाइन को एक इवॉलेबल प्रोग्राम के रूप में मानता है, जो स्वायत्त एजेंटों को विफलताओं का निदान करने और अपने मेमोरी सिस्टम को परिष्कृत करने में सक्षम बनाता है ताकि वे लॉन्ग-होराइजन कार्यों में स्टैटिक और प्रॉम्प्ट-लेवल बेसलाइन्स से बेहतर प्रदर्शन कर सकें।
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 प्रतिभाशाली लेकिन भूलक्कड़ शोध सहायक (research assistant) को काम पर रख रहे हैं ताकि वह आपको एक विशाल, बहु-वर्षीय रहस्य सुलझाने में मदद कर सके। आप उसे एक नोटबुक ("मेमोरी बैंक") देते हैं ताकि वह जैसे ही कोई सुराग मिले, उसे लिख सके।
वर्तमान सहायकों के साथ समस्या
अभी, अधिकांश AI सहायक इस तरह काम करते हैं: आप उन्हें बताते हैं, "अपने नोटबुक में सुराग लिखें," और बाद में, "उत्तर खोजने के लिए अपने नोटबुक में देखें।"
- खामी: एक बार जब आप उन्हें काम पर रख लेते हैं, तो उनके लिखने और पढ़ने का तरीका तय हो जाता है। यदि रहस्य बदल जाता है (उदाहरण के लिए, किसी व्यक्ति के स्थान को ट्रैक करने से बदलकर एक जटिल पारिवारिक वंशावली को समझने में), तो सहायक पुराने नोटबुक संबंधी आदतों का ही उपयोग करता रहता है। वे बहुत अधिक लिख सकते हैं, घटनाओं के क्रम को भूल सकते हैं, या नोटबुक के गलत अनुभाग में देख सकते हैं।
- वर्तमान समाधान: शोधकर्ता आमतौर पर इसे केवल यह कहकर ठीक करने की कोशिश करते हैं कि "सुरागों को अलग तरह से लिखने की कोशिश करें," या "सुरागों को अलग तरह से पढ़ने की कोशिश करें।" यह सहायक को एक नया स्टिकी नोट देने जैसा है, लेकिन सहायक का मस्तिष्क और उनकी वास्तविक नोटबुक रखने की आदतें स्थिर रहती हैं।
MemPro का समाधान: "स्व-सुधारने वाला प्रशिक्षु" (The Self-Improving Apprentice)
MemPro एक ऐसा सिस्टम पेश करता है जो सहायक के पूरे वर्कफ़्लो को केवल निर्देशों के एक सेट के रूप में नहीं, बल्कि एक जीवित, संपादन योग्य प्रोग्राम के रूप में देखता है।
MemPro को एक मास्टर कोच के रूप में सोचें जो केवल सहायक को एक नया स्टिकी नोट नहीं देता। इसके बजाय, कोच देखता है कि सहायक कहाँ विफल हुआ, निदान (diagnose) करता है कि वह क्यों विफल हुआ, और फिर सहायक के वास्तविक जॉब डिस्क्रिप्शन और टूल्स को फिर से लिख देता है।
MemPro कैसे काम करता है, यहाँ चरण-दर-चरण दिया गया है:
1. "वर्जन ट्री" (विचारों का वंशावली वृक्ष)
केवल एक नए तरीके से काम करने की कोशिश करने और उम्मीद करने के बजाय कि वह टिक जाए, MemPro सहायक के विभिन्न वर्जनों का एक फैमिली ट्री (वंशावली वृक्ष) बनाता है।
- द रूट (मूल): मूल सहायक से शुरू होता है।
- द ब्रांचेस (शाखाएँ): यदि सहायक किसी विशिष्ट प्रकार के कार्य में विफल रहता है, तो MemPro केवल उस एक गलती को ठीक नहीं करता है। यह सहायक का एक "चाइल्ड" वर्जन बनाता है जो पूरी तरह से एक अलग दृष्टिकोण अपनाता है।
- लाभ: यदि एक शाखा ने "समय-आधारित" सुरागों को संभालने का एक शानदार तरीका खोज लिया है, लेकिन दूसरी शाखा ने "संबंध-आधारित" सुरागों को संभालने का एक शानदार तरीका खोज लिया है, तो MemPro दोनों को रखता है। यह सहायक को केवल एक ही रास्ता चुनने के लिए मजबूर नहीं करता; यह एक ही विकल्प में बेहतरीन विचारों को फलने-फूलने और जीवित रहने देता है।
2. "इवॉल्विंग एजेंट" (डिटेक्टिव कोच)
MemPro एक विशेष AI (जिसे "इवॉल्विंग एजेंट" कहा जाता है) का उपयोग करता है जो एक डिटेक्टिव कोच की तरह काम करता है।
- निदान (Diagnosis): यह देखता है कि सहायक कहाँ विफल हुआ। क्या वह घटनाओं का क्रम भूल गया? क्या उसने दो अलग-अलग लोगों को आपस में मिला दिया?
- एडिट-डीबग लूप: यही जादुई हिस्सा है। कोच केवल यह नहीं कहता, "अधिक सावधान रहें।" यह वास्तव में उस कोड को एडिट (संपादित) करता है जिसका उपयोग सहायक करता है।
- उपमा: यदि सहायक छोटे टेक्स्ट को पढ़ने के लिए आवर्धक लेंस (magnifying glass) का उपयोग कर रहा था और विफल हो रहा था, तो केवल प्रॉम्प्ट-आधारित सुधार कहेगा, "अधिक प्रयास करें।" MemPro का कोच कहता है, "आइए आवर्धक लेंस को माइक्रोस्कोप से बदल दें और इसे पकड़ने के निर्देशों को फिर से लिखें।"
- इसके बाद, यह सुनिश्चित करने के लिए कि यह काम करता है, यह इस नए कोड को कुछ टेस्ट केस पर "डीबग" करता है कि इसे आधिकारिक बनाने से पहले यह काम करता है या नहीं।
3. परिणाम: एक ऐसा सिस्टम जो विकसित होता है
इस पेपर ने चार अलग-अलग "रहस्यों" (LongMemEval, LoCoMo, HotpotQA, और NarrativeQA जैसे डेटासेट) पर इसका परीक्षण किया।
- तेजी से सुधार: इस "कोच" द्वारा सिस्टम को एडिट करने के कुछ राउंड के भीतर ही, MemPro मौजूदा सर्वश्रेष्ठ सहायकों से भी बेहतर हो गया, यहाँ तक कि उन सहायकों से भी जो बहुत महंगे या जटिल थे।
- निरंतर विकास: अन्य सिस्टमों के विपरीत जो एक सीमा पर पहुँचकर रुक जाते हैं, MemPro बेहतर होता रहा। जैसे-जैसे यह विकसित हुआ, यह स्मार्ट होता गया, क्योंकि यह लगातार अपने स्वयं के "मस्तिष्क" और "नोटबुक की आदतों" को उस विशिष्ट पहेली के अनुकूल ढालने के लिए फिर से लिख रहा था जिसे यह हल कर रहा था।
यह क्यों मायने रखता है (पेपर के अनुसार)
लेखकों का तर्क है कि लंबे, जटिल कार्यों को संभालने के लिए, हमें केवल "प्रॉम्प्ट" (निर्देशों) को बदलने की आवश्यकता नहीं है। हमें पूरे सिस्टम को—कि वह अपनी मेमोरी कैसे बनाता है और उसका उपयोग कैसे करता है—एक सॉफ्टवेयर के टुकड़े के रूप में देखना होगा जो विकसित हो सकता है।
संक्षेप में: MemPro एक ऐसा सिस्टम है जो खुद का बेहतर संस्करण बनाता है। यह केवल गलतियों से सीखता नहीं है; यह अपने स्वयं के नियम और टूल्स को फिर से लिखता है ताकि वह एक ही गलती दोबारा न करे, जिससे एक "जीवित" मेमोरी सिस्टम बनता है जो उपयोग किए जाने के साथ और भी स्मार्ट होता जाता 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।