Adaptive Latent Agentic Reasoning
यह शोध पत्र एडेप्टिव लेटेंट एजेंटिक रीजनिंग (ALAR) का प्रस्ताव करता है, जो एक दोहरी-मोड फ्रेमवर्क है जो नियमित चरणों के लिए कॉम्पैक्ट लेटेंट रीजनिंग का उपयोग करने और जटिल निर्णयों के लिए एक्सप्लिसिट चेन-ऑफ-थॉट को आरक्षित करने के माध्यम से LLM एजेंटों को अनुकूलित करता है, जिससे कार्य सटीकता को बनाए रखते हुए या उसमें सुधार करते हुए टोकन जनरेशन को काफी कम किया जाता है।
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 समस्याओं को हल करने में मदद करने के लिए एक बहुत ही बुद्धिमान, लेकिन अत्यधिक बातूनी, व्यक्तिगत सहायक (personal assistant) को काम पर रख रहे हैं।
समस्या: "ओवर-थिंकर" सहायक
वर्तमान में, सबसे उन्नत AI सहायक (जिन्हें लार्ज रीजनिंग मॉडल्स कहा जाता है) ऐसे सहायकों की तरह हैं जिन्हें लगता है कि उन्हें हर एक चीज़ करने से पहले एक लंबी, विस्तृत डायरी लिखनी ही चाहिए।
- परिदृश्य: आप उनसे पूछते हैं, "मौसम कैसा है?"
- वर्तमान AI: "ठीक है, मुझे सोचना होगा। पहले, मुझे इस बात पर विचार करना चाहिए कि आप मौसम के बारे में पूछ रहे हैं। मुझे याद रखना चाहिए कि मौसम बदलता रहता है। मुझे याद रखना चाहिए कि मुझे एक टूल चेक करने की आवश्यकता है। अब मैं मौसम चेक करने वाले टूल को चेक करने के लिए एक योजना बनाऊंगा..." (500 शब्दों का आंतरिक मोनोलॉग लिखता है)।
- समस्या: यह अविश्वसनीय रूप से धीमा है और बहुत अधिक डिजिटल स्पेस (टोकन) बर्बाद करता है। सरल कार्यों के लिए, यह लंबा, विस्तृत "ज़ोर से सोचना" अनावश्यक है। लेकिन कठिन कार्यों के लिए, AI को गहन सोच की आवश्यकता होती है। वर्तमान समस्या यह है कि ये AI हर चीज़ के लिए—चाहे वह एक साधारण प्रश्न हो या एक जटिल पहेली—उसी भारी, विस्तृत सोच का उपयोग करते हैं।
समाधान: ALAR (एडेप्टिव लेटेंट एजेंटिक रीजनिंग)
यह पेपर एक नया सिस्टम पेश करता है जिसे ALAR कहा जाता है। ALAR को उस सहायक को एक नई सुपरपावर देने के रूप में सोचें: मौन विचार (Silent Thinking)।
ALAR उस सहायक को दो मोड देता है:
- "विस्पर" मोड (लेटेंट रीजनिंग): नियमित कार्यों के लिए (जैसे मौसम की जांच करना या दरवाज़ा खोलना), सहायक अपने दिमाग के भीतर चुपचाप सोचता है। वह कुछ भी लिखता नहीं है। वह बस जानकारी को प्रोसेस करता है और कार्य करता है। यह तेज़ है और बहुत कम जगह लेता है।
- "स्पीच" मोड (एक्सप्लिसिट रीजनिंग): जब कार्य वास्तव में कठिन हो (जैसे किसी जटिल गणित की समस्या को हल करना या बहु-चरणीय यात्रा की योजना बनाना), तो वह "स्पीच" मोड पर स्विच हो जाता है। वह अपनी पूरी, विस्तृत डायरी प्रविष्टि लिखता है ताकि वह तर्क को सही ढंग से समझ सके।
यह कैसे सीखता है: "एक्शन" ट्रिक
AI को चुपचाप सोचना सिखाना मुश्किल है क्योंकि आप उसके "मौन विचारों" को ग्रेड (मूल्यांकन) नहीं कर सकते (क्योंकि वे अदृश्य होते हैं)।
- पेपर की विधि (एक्शन-एंकोर्ड सेल्फ-डिस्टिलेशन): कल्पना कीजिए कि एक मास्टर शेफ (शिक्षक) रेसिपी का हर चरण लिखता है। छात्र (AI) को बिना चरणों को लिखे व्यंजन पकाने के लिए कहा जाता है।
- छात्र के नोट्स की जाँच करने के बजाय, शोधकर्ता केवल यह देखते हैं कि अंतिम व्यंजन का स्वाद सही है या नहीं। यदि छात्र उसी स्वादिष्ट भोजन को बनाता है जैसा कि शिक्षक ने बनाया था, तो सिस्टम यह मान लेता है कि छात्र की मौन सोच सही थी।
- केवल कार्यों (अंतिम परिणाम) पर ध्यान केंद्रित करके, AI बिना "क्यों" लिखे सही काम करना सीख जाता है।
"स्मार्ट स्विच" (एडेप्टिव मोड सिलेक्शन)
सिस्टम यह भी सीखता है कि कब मोड बदलना है।
- प्रशिक्षण: AI को तब पुरस्कृत किया जाता है जब वह सही उत्तर तेजी से प्राप्त करने के लिए "साइलेंट मोड" का उपयोग करता है। लेकिन यदि वह एक कठिन समस्या पर "साइलेंट मोड" का उपयोग करने की कोशिश करता है और विफल हो जाता है, तो उसे दंडित किया जाता है।
- परिणाम: AI एक गिरगिट की तरह बनना सीख जाता है। वह 80-90% आसान चरणों के लिए मौन सोच का उपयोग करता है (समय और स्थान की भारी बचत करता है) लेकिन जब वह किसी बाधा से टकराता है, तो वह स्वचालित रूप से ज़ोर से, विस्तृत सोच में बदल जाता है।
परिणाम: तेज़ और स्मार्ट
शोधकर्ताओं ने दो मुख्य कार्यों पर इसका परीक्षण किया: सर्च (इंटरनेट पर उत्तर खोजना) और टूल यूज़ (चीज़ें करने के लिए सॉफ़्टवेयर टूल्स का उपयोग करना)।
- सर्च: AI ने समान या बेहतर उत्तर प्राप्त करते हुए 43.6% कम शब्द (टोकन) का उपयोग किया।
- टूल यूज़: AI ने वास्तव में अधिक उत्तर सही प्राप्त करते हुए, आश्चर्यजनक रूप से 84.6% कम शब्दों का उपयोग किया।
सरल शब्दों में
यह पेपर तर्क देता है कि हमें अपने AI सहायकों को हर एक कदम के लिए ज़ोर से "खुद से बात करने" की आवश्यकता नहीं है। उन्हें आसान कामों के लिए चुपचाप सोचने और कठिन कामों के लिए केवल बोलने के लिए सिखाकर, हम उनकी बुद्धिमत्ता को खोए बिना उन्हें बहुत तेज़ और अधिक कुशल बना सकते हैं। यह अपने सहायक को यह बताने जैसा है: "हर छोटे काम के लिए उपन्यास मत लिखो; बस उसे कर दो। लेकिन अगर यह कोई बड़ी समस्या है, तो समय लो और इसे लिखो।"
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।