A Locally Deployed RAG-Based Academic Advising System for Course Selection
यह शोध पत्र एक स्थानीय रूप से तैनात, गोपनीयता-संरक्षण करने वाले RAG-आधारित सिस्टम का प्रस्ताव करता है जो सूचना के अतिप्रवाह से छात्रों को उबरने में और संसाधनों की सीमाओं को संबोधित करने में संस्थानों को सहायता प्रदान करने के लिए बड़े भाषा मॉडल (LLMs) और संरचित पाठ्यक्रम डेटा का लाभ उठाता है, ताकि व्यक्तिगत शैक्षणिक नियोजन के लिए इष्टतम, पूर्व-आवश्यकता-जागरूक पाठ्यक्रम अनुक्रम उत्पन्न किए जा 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 छात्र हैं जो अपनी डिग्री के लिए एक आदर्श शेड्यूल बनाने की कोशिश कर रहे हैं। आपके सामने कोर्स विवरणों (सिलेबस) का एक विशाल पुस्तकालय है। समस्या क्या है? ये बहुत सारी किताबें हैं, और इन्हें बहुत ही उलझाने वाले तरीके से लिखा गया है। आपको नहीं पता कि एक क्लास लेने से पहले कौन सी क्लास लेनी ज़रूरी है, या क्या कोई विशिष्ट क्लास आपके लक्ष्यों में फिट बैठती है। खुद इसे खोजने की कोशिश करना ऐसा है जैसे आँखों पर पट्टी बांधकर घास के ढेर में सुई ढूँढना। इस बीच, मानव सलाहकार जो आमतौर पर मदद करते हैं, वे काम के बोझ से दबे हुए, थके हुए हैं और एक साथ सभी से बात नहीं कर सकते।
यह शोध पत्र Syllabot नामक एक समाधान पेश करता है। Syllabot को एक सुपर-स्मार्ट, गोपनीयता-केंद्रित लाइब्रेरियन के रूप में समझें जो पूरी तरह से आपके अपने कंप्यूटर पर रहता है (इंटरनेट पर नहीं)। इसका काम उन सभी कोर्स सिलेबस को पढ़ना और आपके सवालों के जवाब देना है कि आपको कौन सी कक्षाएं लेनी चाहिए, और वह यह भी सुनिश्चित करता है कि आपका व्यक्तिगत डेटा कभी भी क्लाउड सर्वर पर न भेजा जाए।
यहाँ यह पेपर सिस्टम और इसके निष्कर्षों को सरल उपमाओं (analogies) का उपयोग करके समझाता है:
1. समस्या: "परेशान छात्र" बनाम "व्यस्त सलाहकार"
छात्र अक्सर इसलिए फंस जाते हैं क्योंकि उनके पास बहुत अधिक जानकारी होती है और उन्हें समझ नहीं आता कि कड़ियों को कैसे जोड़ा जाए। वे शायद सिर्फ इसलिए एक क्लास चुन लेते हैं क्योंकि उसका नाम सुनने में अच्छा लगता है, यह जाने बिना कि उन्हें पहले एक प्रिप्रेक्विज़िट (पूर्व-आवश्यक) क्लास लेनी होगी। मानव सलाहकार मदद करना चाहते हैं, लेकिन वे बहुत अधिक काम के दबाव में हैं।
2. समाधान: Syllabot (स्थानीय लाइब्रेरियन)
शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो दो चीजों को जोड़ता है:
- एक सर्च इंजन: यह सिलेबस दस्तावेजों को स्कैन करता है ताकि आपको सटीक पेज मिल सकें।
- एक स्थानीय मस्तिष्क (LLM): यह उन पेजों को पढ़ता है और आपके लिए एक स्पष्ट उत्तर लिखता है।
"स्थानीय" वाला हिस्सा: आमतौर पर, AI सिस्टम आपके सवालों को क्लाउड के बड़े सर्वरों पर भेज देते हैं। Syllabot पूरी तरह से विश्वविद्यालय के अपने कंप्यूटरों पर चलता है। यह अपने अध्ययन कक्ष में एक निजी ट्यूटर रखने जैसा है, बजाय इसके कि सार्वजनिक फोन लाइन पर किसी अजनबी को कॉल किया जाए। यह आपके डेटा को सुरक्षित और निजी रखता है।
3. खोज कैसे काम करती है (तीन रणनीतियाँ)
शोधकर्ताओं ने परीक्षण किया कि सिस्टम सूचना खोजने के तीन अलग-अलग तरीके, ठीक वैसे ही जैसे आप किताब खोजने के लिए कर सकते हैं:
- कीवर्ड हंटर (BM25): यह सटीक शब्दों के मिलान को देखता है। यदि आप पूछते हैं, "Math 101 के लिए टेक्स्टबुक क्या है?", तो यह उस पेज को ढूंढता है जहाँ शाब्दिक रूप से "Math 101" और "textbook" लिखा हो। यह विशिष्ट शब्दों के लिए बहुत अच्छा है लेकिन यदि आप एक अलग तरीके से सवाल पूछते हैं तो यह कमजोर पड़ जाता है।
- मीनिंग मैचर (Semantic/Embedding): यह आपके शब्दों के पीछे के विचार को समझता है। यदि आप पूछते हैं, "मुझे इंट्रो मैथ क्लास के लिए कौन सी किताब चाहिए?", तो यह समझ जाता है कि "इंट्रो मैथ क्लास" का अर्थ "Math 101" है, भले ही वे सटीक शब्द वहाँ न हों। यह एक ऐसे लाइब्रेरियन की तरह है जो आपकी शब्दावली के बजाय आपके इरादे को समझता है।
- हाइब्रिड दृष्टिकोण: यह कीवर्ड हंटर और मीनिंग मैचर दोनों का एक साथ उपयोग करने की कोशिश करता है, इस उम्मीद में कि दोनों तरफ के सर्वश्रेष्ठ लाभ मिल सकें।
4. प्रयोग: लाइब्रेरियन का परीक्षण
यह देखने के लिए कि कौन सा खोज तरीका सबसे अच्छा काम करता है, शोधकर्ताओं ने 100 प्रश्नों के साथ एक "टेस्ट ड्राइव" बनाई। उन्होंने प्रश्नों को चार प्रकारों में वर्गीकृत किया:
- आसान वाला: "टेक्स्टबुक क्या है?" (सटीक शब्दों का मिलान)।
- पैराफ्रेस (शब्दों का फेरबदल): "मुझे कौन सी किताब चाहिए?" (वही अर्थ, अलग शब्द)।
- पहेली: "क्लास A और क्लास B लेने से पहले मुझे क्या जानना आवश्यक है?" (कई जगहों से जानकारी खोजने की आवश्यकता)।
- जाल: "क्या मैं वह क्लास ले सकता हूँ जिसका अस्तित्व ही नहीं है?" (सिस्टम को कहना चाहिए "मुझे नहीं पता")।
5. उन्होंने क्या पाया
- "मीनिंग मैचर" विजेता रहा: आश्चर्यजनक रूप से, वह सिस्टम जो सवालों के अर्थ को समझता था (Semantic), वह सटीक शब्दों को खोजने वाले (Keyword) सिस्टम से बेहतर काम कर गया, यहाँ तक कि सरल प्रश्नों के लिए भी। "हाइब्रिड" दृष्टिकोण हमेशा अकेले "मीनिंग मैचर" को नहीं हरा सका; कभी-कभी, दोनों को मिलाने से केवल शोर (noise) बढ़ जाता है।
- अधिक संदर्भ (Context) हमेशा बेहतर नहीं होता: जब शोधकर्ताओं ने AI को एक साथ बहुत सारे पेज पढ़ने के लिए दिए (Top-k सीमा बढ़ाकर), तो उत्तरों की गुणवत्ता वास्तव में गिर गई। यह एक छात्र को एक साधारण प्रश्न का उत्तर देने के लिए पूरी विश्वकोश देने जैसा है; वे भ्रमित हो जाते हैं और मनगढ़ंत बातें बनाने लगते हैं (hallucinations)।
- "इनकार करने" का कौशल: जब उन विषयों के बारे में पूछा गया जो सिलेबस में शामिल नहीं थे, तो सिस्टम "मुझे नहीं पता" कहने में सक्षम था। हालाँकि, यदि शोधकर्ताओं ने इसे पढ़ने के लिए बहुत अधिक अप्रासंगिक जानकारी दी, तो इसने उत्तर देने के बजाय अनुमान लगाना शुरू कर दिया। यह उस छात्र की तरह है जो, बहुत अधिक अतिरिक्त पढ़ाई के बोझ से दब जाने पर, केवल टेस्ट पूरा करने के लिए मनगढ़ंत उत्तर देने लगता है।
6. निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि शैक्षणिक परामर्श के लिए, एक ऐसा सिस्टम जो छात्र के प्रश्न के अर्थ को समझता है, अत्यंत महत्वपूर्ण है। हालाँकि, आपको AI को बहुत अधिक अतिरिक्त जानकारी देने में सावधान रहना होगा, अन्यथा वह भ्रमित हो सकता है और एक आत्मविश्वासपूर्ण लेकिन गलत उत्तर दे सकता है।
शोधकर्ता सुझाव देते हैं कि भविष्य के संस्करणों को केवल उन सूचनाओं को चुनने के बजाय कि कौन से हिस्से मिलते-जुलते हैं, यह चुनने में अधिक स्मार्ट होना चाहिए जो वास्तव में प्रासंगिक हैं। उन्होंने यह भी उल्लेख किया कि हालांकि उनका सिस्टम जापानी कोर्स सिलेबस के इस विशिष्ट सेट के लिए अच्छी तरह से काम करता है, लेकिन यह एक 'प्रूफ-ऑफ-कांसेप्ट' है कि विश्वविद्यालय छात्र की गोपनीयता को जोखिम में डाले बिना कैसे निजी, सहायक AI उपकरण 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।