← नवीनतम पेपर
💬 NLP

How Far Can Prompting Go for Minimal-Edit Ukrainian Grammatical Error Correction?

यह शोध पत्र प्रदर्शित करता है कि यूक्रेनी-विशिष्ट न्यूनतम-संपादन निर्देशों और फ्यू-शॉट उदाहरणों के साथ वाणिज्यिक और ओपन-सोर्स एलएलएम (LLMs) को रणनीतिक रूप से प्रॉम्प्ट करने से यूक्रेनी व्याकरणिक त्रुटि सुधार में अत्याधुनिक प्रदर्शन प्राप्त किया जा सकता है, जो फाइन-ट्यून्ड मॉडलों के अंतर को 90% से अधिक कम कर देता है और विशिष्ट भाषाई ओवरकरेक्शन पैटर्न को प्रकट करता है।

मूल लेखक: Kateryna Karpo, Artem Chernodub

प्रकाशित 2026-06-09
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Kateryna Karpo, Artem Chernodub

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 आपका एक मित्र है जो सटीक यूक्रेनी लिखना सीख रहा है। आप उनकी गलतियों को सुधारने में उनकी मदद करना चाहते हैं, लेकिन आपका एक बहुत ही विशिष्ट नियम है: आप केवल वास्तविक त्रुटियों को ही सुधार सकते हैं। आप उनके वाक्यों को "शानदार" बनाने के लिए उन्हें फिर से नहीं लिख सकते, उनके शब्दों के चयन को नहीं बदल सकते, या उनकी शैली में सुधार नहीं कर सकते। आप बस उनके टाइपो (typos), गायब कॉमा और गलत व्याकरण को ठीक करना चाहते हैं, जिससे उनकी अनूठी आवाज़ बिल्कुल वैसी ही रहे।

यह शोध पत्र इस बारे में है कि कैसे शक्तिशाली AI "मस्तिष्क" (लार्ज लैंग्वेज मॉडल्स) को बिना दोबारा प्रशिक्षित किए उस सख्त नियम का पालन करने के लिए सिखाया जा सकता है।

यहाँ उनके प्रयोग की कहानी सरल रूप में दी गई है:

समस्या: अति-उत्साही संपादक

शोधकर्ताओं ने यूक्रेनी टेक्स्ट को ठीक करने के लिए प्रसिद्ध AI मॉडल (जैसे गूगल, OpenAI और Anthropic के मॉडल) का उपयोग करने का प्रयास किया।

  • समस्या: जब उन्होंने केवल AI से पूछा, "इस वाक्य को ठीक करें," तो AI एक अति-उत्साही संपादक की तरह व्यवहार करने लगा। उसने केवल टाइपो को ठीक नहीं किया; उसने पूरे वाक्य को फिर से लिखा, शब्दों को समानार्थी शब्दों (synonyms) से बदल दिया, और शैली को भी बदल दिया।
  • परिणाम: क्योंकि AI ने उन चीजों को भी बदल दिया जो वास्तव में गलत नहीं थीं, इसलिए उसे कम स्कोर मिला। वह उन चीजों को "सुधार" रहा था जिन्हें सुधारने की आवश्यकता नहीं थी।

समाधान: "न्यूनतम-संपादन" (Minimal-Edit) नियम पुस्तिका

शोधकर्ताओं को एहसास हुआ कि AI को नियंत्रित करने के लिए, उन्हें यूक्रेनी में लिखी गई एक बहुत ही विशिष्ट, विस्तृत निर्देश पुस्तिका देने की आवश्यकता है। उन्होंने इसे "मिनिमल-एडिट्स" रणनीति कहा।

इसे एक रोबोट को एक सख्त रेसिपी देने की तरह समझें:

  1. नियम: "केवल स्पष्ट गलतियों जैसे वर्तनी (spelling) और विराम चिह्नों को ठीक करें।"
  2. प्रतिबंध: "लेखक के शब्दों को न बदलें। समानार्थी शब्दों का उपयोग न करें। वाक्य को फिर से न लिखें।"
  3. विशिष्ट विवरण: उन्होंने इसमें छोटे, भाषा-विशिष्ट नियम शामिल किए, जैसे "संवाद के लिए लंबे डैश (—) का उपयोग करें, न कि छोटे हाइफ़न (-) का" या "सीधे बात करते समय 'नास्त्या' नाम को 'नास्ते' में बदलें।"

प्रयोग: नियमों का परीक्षण

उन्होंने 11 अलग-अलग व्यावसायिक AI मॉडल और एक ओपन-सोर्स यूक्रेनी मॉडल का परीक्षण किया। उन्होंने AI से काम करने के लिए पूछने के चार अलग-अलग तरीके आजमाए:

  1. ज़ीरो-शॉट (Zero-shot): केवल एक सरल कमांड ("इसे ठीक करें")।
  2. फ्यू-शॉट (Few-shot): एक सरल कमांड और साथ में सही सुधारों के कुछ उदाहरण।
  3. मिनिमल-एडिट्स (ज़ीरो-शॉट): सख्त नियम पुस्तिका, लेकिन बिना किसी उदाहरण के।
  4. मिनिमल-एडिट्स (फ्यू-शॉट): सख्त नियम पुस्तिका और साथ में उदाहरण।

बड़ी खोज:
"मिनिमल-एडिट्स" निर्देश ही जादुई कुंजी थे। बिना उदाहरणों के भी, AI को यूक्रेनी में ठीक-ठीक यह बताना कि क्या नहीं करना है, उसे टेक्स्ट को फिर से लिखने से रोक देता है। जब उन्होंने सख्त नियमों को कुछ उदाहरणों के साथ जोड़ा, तो AI अविश्वसनीय रूप से सटीक हो गया।

"कोच" (AI-सहायता प्राप्त अनुकूलन)

शोधकर्ता वहीं नहीं रुके। उन्होंने प्रॉम्प्ट्स (prompts) के लिए एक "कोच" के रूप में एक AI का उपयोग किया।

  • कोच ने देखा कि AI कहाँ गलतियाँ कर रहा है।
  • फिर उसने निर्देश पुस्तिका में बदलाव किया ताकि यह कहा जा सके, "हे, यह विशिष्ट चीज़ करना बंद करो।"
  • उसने ऐसा बार-बार किया जब तक कि निर्देश एकदम सही नहीं हो गए।

परिणाम: अंतर को कम करना

इस अध्ययन से पहले, सबसे अच्छा AI इस विशिष्ट परीक्षण पर (एक पुराने मॉडल का उपयोग करके) 100 में से केवल लगभग 27 अंक प्राप्त कर सकता था। सबसे अच्छे मानव-ट्यून किए गए AI (जिसके लिए महंगे कंप्यूटर हार्डवेयर की आवश्यकता होती है) ने 73 अंक प्राप्त किए।

इन चतुर प्रॉम्प्ट्स और "कोच" पद्धति का उपयोग करके, शोधकर्ताओं ने एक व्यावसायिक AI (जेमिनी 3.1-प्रो) को 69 अंक प्राप्त करने के लिए प्रेरित किया।

  • इसका अर्थ है: उन्होंने केवल यह बदलकर कि सवाल कैसे पूछा जाए, एक सस्ते, आसानी से उपयोग किए जाने वाले AI और एक महंगे, सुपर-कंप्यूटर-प्रशिक्षित AI के बीच के अंतर को 90% तक कम कर दिया।

पेच: "बहुत-सावधान" AI

एक कमी भी थी। सख्त नियम इतने प्रभावी रहे कि AI बहुत अधिक सावधान हो गया।

  • इसने विराम चिह्न और व्याकरण की गलतियाँ करना बंद कर दिया (बहुत अच्छा!)।
  • लेकिन इसने कुछ दुर्लभ, कठिन व्याकरण संबंधी त्रुटियों को भी ठीक करना बंद कर दिया क्योंकि यह उन्हें छूने से डर रहा था (बुरा!)।
  • यह एक गार्ड की तरह है जो बुरे लोगों को अंदर आने से रोकने के लिए तो रुक जाता है, लेकिन गलती से कुछ अच्छे लोगों को भी अंदर आने से रोक देता है क्योंकि वे संदिग्ध दिखते हैं।

सारांश

यह शोध पत्र दिखाता है कि यूक्रेनी व्याकरण को पूरी तरह से ठीक करने के लिए आपको हमेशा एक कस्टम, महंगे AI को बनाने की आवश्यकता नहीं होती है। यदि आप एक मानक, शक्तिशाली AI को विस्तृत, भाषा-विशिष्ट नियमों का एक सेट (यूक्रेनी में लिखा गया) और कुछ उदाहरण देते हैं, तो यह विशेष प्रणालियों के लगभग समान प्रदर्शन कर सकता है। रहस्य एक बड़े मस्तिष्क का नहीं है; यह एक बेहतर निर्देश पुस्तिका का 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💬 cs.CL →