Adaptive Auto-Harness: Sustained Self-Improvement for Agentic System Deployment on Open-Ended Task Streams
यह शोध पत्र 'एडेप्टिव ऑटो-हार्नेस' (Adaptive Auto-Harness) का परिचय देता है, जो एक ऐसा फ्रेमवर्क और सिस्टम है जिसे ओपन-एंडेड टास्क स्ट्रीम्स में LLM एजेंट्स के लिए निरंतर स्व-सुधार को सक्षम करने के लिए डिज़ाइन किया गया है, जो प्रदर्शन अंतराल को इवोल्यूशन (evolution) और अडैप्टेशन (adaptation) लॉस में विभाजित करता है, और एक स्टेटफुल मल्टी-एजेंट इवॉल्वर, सॉल्व-टाइम रूटिंग वाले हार्नेस ट्री, और ह्यूमन-स्टीयरिंग हुक्स का उपयोग करता है ताकि गतिशील और विषम कार्यों पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन किया 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
यहाँ "Adaptive Auto-Harness" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।
बड़ी तस्वीर: "हमेशा चलने वाला" रोबोट
कल्पना कीजिए कि आपके पास एक बहुत ही स्मार्ट रोबोट सहायक (एक AI एजेंट) है जिसे आप एक ऐसे काम के लिए उपयोग करना चाहते हैं जो कभी खत्म नहीं होता। उसे नियमों की एक निश्चित सूची देने के बजाय, आप चाहते हैं कि वह हर दिन नए, अजीब और अलग कार्यों के आने पर सीखता रहे और बेहतर होता रहे।
समस्या यह है कि अधिकांश वर्तमान AI सिस्टम उन छात्रों की तरह हैं जो केवल एक विशिष्ट परीक्षा के लिए अध्ययन करते हैं। वे उस एक टेस्ट में बहुत अच्छे हो जाते हैं, लेकिन यदि आप उन्हें अगले दिन कोई अलग विषय देते हैं, तो वे सब कुछ भूल जाते हैं या भ्रमित हो जाते हैं। यदि आप भविष्य के हर संभावित कार्य को कवर करने के लिए उनके दिमाग में नए नियम जोड़ते रहते हैं, तो उनका दिमाग बहुत अधिक भर जाता है, वे धीमे हो जाते हैं, और वे उन पुराने कार्यों पर गलतियाँ करने लगते हैं जिनमें वे पहले माहिर थे।
यह पेपर एक नया सिस्टम पेश करता है जिसे Adaptive Auto-Harness कहा जाता है। इसे एक स्मार्ट वर्कशॉप मैनेजर के रूप में सोचें जो रोबोट के लिए एक टूलबॉक्स बनाता है और उसे व्यवस्थित करता है, यह सुनिश्चित करता है कि उसके पास हमेशा वर्तमान काम के लिए सही उपकरण हो, बिना उन उपकरणों से अभिभूत हुए जिनकी उसे आवश्यकता नहीं है।
तीन बड़ी समस्याएँ ("क्यों")
लेखक कहते हैं कि वास्तविक दुनिया के AI कार्यों में तीन पेचीदा विशेषताएं हैं जिन्हें पुराने सिस्टम संभाल नहीं सकते:
अनंत प्रवाह (Unbounded): काम रुकता नहीं है। नए कार्य हमेशा आते रहते हैं। पुराने सिस्टम जो कुछ भी हुआ है उसे याद रखने की कोशिश करते हैं, जिससे अंततः उनकी मेमोरी भर जाती है और वे धीमे हो जाते हैं।
- उपमा: एक ऐसे शेफ की कल्पना करें जो पिछले 10 वर्षों में बनाए गए हर एक व्यंजन की रेसिपी याद रखने की कोशिश करता है। अंततः, वह अभी जो डिश बनानी है उसे याद नहीं रख पाता क्योंकि उसका दिमाग पुराने व्यंजनों से भर गया है।
अलग-अलग कामों का मिश्रण (Heterogeneity): कार्य पूरी तरह से अलग-अलग हैं। एक पल में रोबोट गणित कर रहा होता है, अगले ही पल कविता लिख रहा होता है, और फिर अगला ही पल वह सुरक्षा प्रणाली (security system) को हैक कर रहा होता है।
- उपमा: एक स्विस आर्मी नाइफ की कल्पना करें जो एक ही समय में स्क्रूड्राइवर, कॉर्कस्क्रू और आरी बनने की कोशिश करता है और स्थायी रूप से आपके हाथ से जुड़ा रहता है। यह भारी और अनाड़ी है। आपके लिए बेहतर होगा कि आपके पास विशिष्ट उपकरणों की एक दराज हो और काम के लिए सही उपकरण चुना जाए।
बदलता लक्ष्य (Non-Stationarity): खेल के नियम समय के साथ बदलते हैं। जो पिछले महीने काम आया था, वह आज बेकार हो सकता है।
- उपमा: एक वीडियो गेम खेलने की कल्पना करें जहाँ मैप हर दिन बदल जाता है। यदि आप डे 1 से खजाने तक पहुँचने का रास्ता याद कर लेते हैं, तो डे 10 पर आप खो जाएंगे।
समाधान: "Adaptive Auto-Harness"
लेखकों ने एक ऐसा सिस्टम बनाया है जो तीन मुख्य तरकीबों का उपयोग करके इन समस्याओं को हल करता है।
1. "विशेषज्ञों की टीम" (Multi-Agent Evolution)
एक अकेले AI के खुद को सुधारने की कोशिश करने के बजाय (जो कठिन और धीमा है), वे एक चक्र में काम करने वाले विशेषज्ञ AI एजेंटों की एक टीम का उपयोग करते हैं।
- एनालिस्ट (विश्लेषक): देखता है कि रोबोट कहाँ विफल हुआ और कहता है, "हे, हमें इसे करने का एक बेहतर तरीका चाहिए।"
- रिसर्चर्स (शोधकर्ता): बाहर जाते हैं और समस्या को ठीक करने के लिए नए विचार या उपकरण खोजते हैं।
- बिल्डर्स (निर्माता): वास्तव में कोड लिखते हैं या निर्देशों को अपडेट करते हैं।
- वेरिफायर (सत्यापनकर्ता): नए निर्देशों का परीक्षण करते हैं ताकि रोबोट द्वारा उपयोग किए जाने से पहले यह सुनिश्चित हो सके कि वे काम करते हैं।
- उपमा: एक व्यक्ति के अकेले घर बनाने की कोशिश करने के बजाय, आपके पास एक आर्किटेक्ट, एक निर्माण दल और एक इंस्पेक्टर है। वे अपनी शिफ्ट में काम करते हैं, जिससे घर बेहतर और तेज़ी से बनता है और कोई थकता या भ्रमित नहीं होता।
2. "स्मार्ट ब्रांचिंग सिस्टम" (Solve-Time Routing)
यह सबसे महत्वपूर्ण हिस्सा है। सिस्टम एक विशाल, अव्यवized निर्देश पुस्तिका नहीं रखता है। इसके बजाय, यह विशेष कार्यक्षेत्रों का एक पेड़ (Tree of Specialized Workspaces) बनाता है।
- एक लाइब्रेरी की कल्पना करें। एक विशाल पुस्तक के बजाय जिसमें सभी विषय मिले हुए हों, आपके पास अलग-अलग खंड हैं: "खेल," "राजनीति," "वित्त।"
- जब एक नया कार्य आता है, तो एक Router Agent कार्य को देखता है और कहता है, "यह एक खेल का प्रश्न है। चलिए स्पोर्ट्स ब्रांच में चलते हैं।"
- रोबोट फिर उस विशिष्ट शाखा को "चेक आउट" करता है, खेल के लिए बनाए गए विशेष उपकरणों और नियमों का उपयोग करता है, और राजनीति के नियमों को अनदेखा करता है।
- उपमा: यह एक अस्पताल की तरह है। यदि आपका पैर टूटा है, तो आप ऑर्थोपेडिक विंग में जाते हैं। आप कार्डियोलॉजी विंग में नहीं जाते और हार्ट सर्जरी मैनुअल पढ़ने की कोशिश नहीं करते। सिस्टम "विंग्स" को अलग रखता है ताकि वे गलत सलाह से दूषित न हों।
3. "मानवीय सुरक्षा जाल" (Human-in-the-Loop)
कभी-कभी रोबोट ऐसी समस्या का सामना करता है जो उसने पहले कभी नहीं देखी है, जैसे किसी गुप्त पासवर्ड या किसी विशिष्ट वेबसाइट की आवश्यकता होना जिसके बारे में वह नहीं जानता। सिस्टम इसे शून्य से आविष्कार नहीं कर सकता।
- ऐसे दुर्लभ मामलों में, सिस्टम के पास एक "पैनिक बटन" होता है जो एक त्वरित संकेत के लिए इंसान से पूछता है।
- उपमा: यदि एक रोबोट एक बंद दरवाजे को खोलने की कोशिश कर रहा है और उसके पास चाबी नहीं है, तो वह दरवाजे पर तब तक टकराता नहीं रहता। वह एक इंसान से पूछता है, "क्या आपके पास चाबी है?" एक बार जब इंसान चाबी दे देता है, तो रोबोट अगली बार चाबियों को ढूँढना सीख जाता है।
उन्होंने क्या पाया? (परिणाम)
टीम ने इस सिस्टम का परीक्षण तीन बहुत अलग, लंबे समय तक चलने वाले कार्यों के स्ट्रीम पर किया:
- प्रेडिक्शन मार्केट्स (Prediction Markets): खेल और राजनीतिक घटनाओं के परिणाम का अनुमान लगाना।
- सुरक्षा चुनौतियाँ (Security Challenges): कंप्यूटर हैकिंग पहेलियों (CTF) को हल करना।
- घटना पूर्वानुमान (Event Forecasting): भविष्य की समाचार घटनाओं की भविष्यवाणी करना।
परिणाम:
- पुराने सिस्टम: वे शुरू में अच्छे थे, लेकिन फिर उनका प्रदर्शन गिर गया। वे "अव्यवस्थित" और भ्रमित हो गए।
- Adaptive Auto-Harness: यह समय के साथ बेहतर होता गया। बेहतर उपकरण बनाने के लिए "विशेषज्ञों की टीम" का उपयोग करके और सही उपकरण चुनने के लिए "स्मार्ट ब्रांचिंग" का उपयोग करके, इसने पुराने सिस्टमों की तुलना में बहुत अधिक समस्याओं को हल किया।
- "मानवीय" कारक: जब सिस्टम जानकारी की कमी (जैसे वेबसाइट लिंक) के कारण फंस गया, तो एक छोटे से मानवीय हस्तक्षेप ने इसे उबरने और सीखने में मदद की, जिससे यह साबित हुआ कि कभी-कभी थोड़ा मानवीय सहयोग, AI के अकेले सुलझाने के इंतज़ार करने से बेहतर होता है।
निष्कर्ष
यह पेपर तर्क देता है कि AI को वास्तव में उपयोगी बनाने के लिए, हम इसे केवल स्थिर नियमों का सेट नहीं दे सकते। हमें एक ऐसे सिस्टम की आवश्यकता है जो:
- AI श्रमिकों की एक टीम का उपयोग करके समय के साथ नए कौशल बनाए।
- उन कौशलों को अलग-अलग "कमरों" में व्यवस्थित करे ताकि AI भ्रमित न हो।
- कार्य के आधार पर उन कमरों के बीच तुरंत बदले।
यह AI को एक साथ सब कुछ याद रखने की कोशिश करने के "ब्रेन फॉग" के बिना हमेशा बेहतर होने की अनुमति देता 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।