Scaling Agentic Capabilities via Grounded Interaction Synthesis
यह शोध पत्र ग्राउंडेड एजेंटिक इंटरैक्शन सिंथेसिस (GAIS) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वास्तविक दुनिया के मॉडल कॉन्टेक्स्ट प्रोटोकॉल सर्वरों और स्ट्रक्चर-गाइडेड प्लानिंग का लाभ उठाकर स्वचालित रूप से उच्च-सटीक, विविध एजेंटिक इंटरैक्शन डेटा उत्पन्न करता है, जिससे बेस मॉडल बेहतर डेटा दक्षता और स्केलेबिलिटी के साथ इंस्ट्रक्शन-ट्यून्ड समकक्षों से बेहतर प्रदर्शन करने में सक्षम होते हैं।
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 रोबोट को एक व्यस्त शहर में नेविगेट करना सिखाने की कोशिश कर रहे हैं। ऐसा करने के लिए, आपको उसे अभ्यास सत्र (practice runs) देने होंगे।
समस्या: "नकली शहर" का जाल (The "Fake City" Trap)
वर्तमान में, अधिकांश शोधकर्ता रोबोट को सिखाने के लिए एक बहुत ही स्मार्ट AI (एक लार्ज लैंग्वेज मॉडल, या LLM) से एक नकली शहर और रोबोट के लिए कार्यों की एक सूची बनाने के लिए कहते हैं।
- दोष: AI चीज़ें बनाने में बहुत अच्छा है, लेकिन उसमें एक बुरी आदत है—वह आलसी हो जाता है। वह ऐसे शहर बनाना पसंद करता है जो ज्यादातर लाइब्रेरी और न्यूज़स्टैंड (सरल "रीड-ओनली" टूल्स) से बने होते हैं (जैसे केवल जानकारी पढ़ना) और रोबोट को बहुत आसान कार्य देता है जैसे "समाचार पढ़ें।"
- परिणाम: रोबोट को काफी अभ्यास तो मिलता है, लेकिन वह केवल जानकारी ढूँढना सीख पाता है। वह कभी यह नहीं सीख पाता कि लीक होता पाइप कैसे ठीक किया जाए, बदलते नियमों के साथ एक जटिल फ्लाइट कैसे बुक की जाए, या ऐसी स्थिति को कैसे संभाला जाए जब कोई कार्य असंभव हो। जब रोबट वास्तविक, जटिल शहर में पहुँचता है, तो वह अटक जाता है क्योंकि उसे केवल वास्तविकता के एक उबाऊ और सरल संस्करण पर प्रशिक्षित किया गया था।
समाधान: GAIS (द "ग्राउंडेड" अप्रोच)
इस पेपर के लेखक एक नया फ्रेमवर्क पेश करते हैं जिसे GAIS (Grounded Agentic Interaction Synthesis) कहा जाता है। GAIS को एक सख्त आर्किटेक्ट और एक कड़े कोच के रूप में सोचें जो मिलकर एक बेहतर प्रशिक्षण मैदान बना रहे हैं।
AI को केवल एक शहर की "कल्पना" करने देने के बजाय, GAIS उसे वास्तविक ब्लूप्रिंट्स का उपयोग करके शहर बनाने के लिए मजबूर करता है और फिर कठिन, यथार्थवादी मिशन तैयार करता है।
यह इस प्रकार काम करता है:
चरण 1: शहर का निर्माण (द "ग्राउंडेड" एनवायरनमेंट)
- पुराना तरीका: AI अनुमान लगाता है कि कौन से टूल्स मौजूद हैं। वह एक "वेदर ऐप" बना सकता है जो हर बार बस इतना कहता है "धूप खिली है।"
- GAIS का तरीका: टीम वास्तविक, मौजूदा डिजिटल टूलकिट (जिन्हें MCP सर्वर कहा जाता है) को खोजती है जिनका उपयोग लोग वास्तव में वास्तविक दुनिया में करते हैं।
- वे इन वास्तविक टूलकिट्स को ऐसे कोड में अनुवादित करते हैं जिसे रोबोट वास्तव में चला सके।
- फिल्टर: वे एक सख्त गुणवत्ता नियंत्रण निरीक्षक (quality control inspector) की तरह कार्य करते हैं। यदि कोई टूल बहुत सरल है (जैसे केवल एक फ़ाइल पढ़ना), तो वे उसे हटा देते हैं या कठिन टूल्स के साथ मिला देते हैं। वे सुनिश्चित करते हैं कि "शहर" में बैंक, एयरलाइंस, फ़ाइल सिस्टम और मैसेजिंग ऐप्स हों जो वास्तव में कुछ करें (लिखें, डिलीट करें, गणना करें), न कि केवल पढ़ें।
- परिणाम: एक प्रशिक्षण वातावरण जो वास्तविक इंटरनेट की तरह ही अस्त-व्यस्त, जटिल और वास्तविक नियमों से भरा है।
चरण 2: मिशनों का डिज़ाइन (द "स्ट्रक्चर-गाइडेड" टास्क)
- पुराना तरीका: AI बेतरतीब ढंग से एक टूल और एक यूजर रिक्वेस्ट चुनता है। "यूजर: मौसम कैसा है?" -> "रोबोट: मौसम चेक करता है।" (कहानी समाप्त)।
- GAIS का तरीका: टीम ऐसे मिशन डिजाइन करती है जिनमें तर्क की एक श्रृंखला (chain of logic) और प्रतिद्वंद्वी चुनौतियों (adversarial challenges) की आवश्यकता होती है।
- चेन (The Chain): वे रोबोट को ऐसी चीजें करने के लिए मजबूर करते हैं जो एक-दूसरे पर निर्भर हों। "पहले, अपनी फ्लाइट का स्टेटस चेक करें। यदि फ्लाइट लेट है, तो अपना होटल रिजर्वेशन चेक करें। यदि होटल फुल है, तो एक नया होटल ढूंढें और पुराना कैंसिल करें।"
- प्रतिद्वंद्वी (The Adversary): वे "नियमों" और "टकराव" को शामिल करते हैं। वे ऐसी स्थितियाँ पैदा करते हैं जहाँ यूजर ऐसी चीज़ मांगता है जो नियमों को तोड़ती है (जैसे, "मेरी उड़ान उड़ान भरने से 1 घंटा पहले कैंसिल करें!")। रोबोट को यह सीखना होगा कि कहना है, "मैं यह नहीं कर सकता क्योंकि पॉलिसी ऐसी है," या कोई चतुर रास्ता निकालना होगा।
- परिणाम: रोबोट लंबी, जटिल बातचीत को संभालने का अभ्यास करता है जहाँ एक गलती पूरे प्लान को बिगाड़ सकती है, और वह सीखता है कि कब "ना" कहना है।
परिणाम: यह क्यों महत्वपूर्ण है?
लेखकों ने इस नए प्रशिक्षण तरीके का परीक्षण पुराने "कल्पना आधारित" तरीकों के मुकाबले किया।
- बेहतर प्रदर्शन: GAIS डेटा पर प्रशिक्षित रोबोट बहुत अधिक स्मार्ट बन गए। वास्तव में, इस डेटा पर प्रशिक्षित एक बुनियादी रोबोट महंगे, प्री-ट्रेंड "एक्सपर्ट" रोबोट के बराबर या उनसे भी बेहतर प्रदर्शन करता है।
- डेटा दक्षता (Data Efficiency): यह सबसे बड़ी जीत है। समान स्तर का कौशल प्राप्त करने के लिए, पुराने तरीकों को भारी मात्रा में डेटा (जैसे 10,000 अभ्यास रन) की आवश्यकता थी। GAIS ने आधे से भी कम डेटा के साथ वही (या बेहतर) परिणाम प्राप्त किए। यह एक ऐसे छात्र की तरह है जो 3 दिन में विषय सीख जाता है क्योंकि उसके शिक्षक ने बेहतरीन टेक्स्टबुक का उपयोग किया है, जबकि अन्य लोग भ्रमित करने वाली किताब के साथ 2 सप्ताह लेते हैं।
- मेमोरी लॉस नहीं (No Memory Loss): आमतौर पर, जब आप किसी रोबोट को नया कौशल सिखाते हैं, तो वह अपने सामान्य ज्ञान (जैसे गणित या कॉमन सेंस) को भूल जाता है। GAIS ने रोबोट को एक बेहतरीन टूल-यूज़र बनने के साथ-साथ अपनी सामान्य बुद्धिमत्ता को बनाए रखने के लिए प्रशिक्षित किया।
सारांश में
यह पेपर तर्क देता है कि वास्तव में स्मार्ट AI एजेंट बनाने के लिए, हम केवल AI को दुनिया की कल्पना करने के लिए नहीं छोड़ सकते। हमें प्रशिक्षण को वास्तविक, जटिल और कठिन डिजिटल वातावरण में ग्राउंड (grounded) करना होगा। वास्तविक दुनिया के टूल ब्लूप्रिंट का उपयोग करके और AI को कठिन, नियम-बद्ध पहेलियों को हल करने के लिए मजबूर करके, हम बहुत कम डेटा के साथ और तेजी से कहीं अधिक स्मार्ट एजेंट बना सकते हैं।
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।