Orchestra-o1: Omnimodal Agent Orchestration
यह शोध पत्र Orchestra-o1 को प्रस्तुत करता है, जो एक ओम्नीमोडल एजेंट ऑर्केस्ट्रेशन फ्रेमवर्क है जो एक एकीकृत ऑर्केस्ट्रेशन तंत्र और डिसीजन-अलाइन्ड ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (DA-GRPO) के माध्यम से टेक्स्ट, इमेज, ऑडियो और वीडियो जैसे विविध इनपुट्स के बीच कुशल मल्टी-एजेंट सहयोग को सक्षम बनाता है, जिससे OmniGAIA बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता 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 एक बहुत बड़े और जटिल रहस्य को सुलझाने की कोशिश कर रहे हैं। आपके पास कागज के एक टुकड़े पर लिखा एक सुराग है, एक संदिग्ध की फोटो है, एक आवाज की रिकॉर्डिंग है और एक अपराध स्थल का वीडियो है।
पुराना तरीका (नेटिव एजेंट्स):
अतीत में, शोधकर्ताओं ने इसे एक "सुपर डिटेक्टिव" (एक एकल AI मॉडल) को काम पर रखकर हल करने की कोशिश की। उन्हें उम्मीद थी कि यह एक अकेला व्यक्ति कागज को पढ़ेगा, फोटो का विश्लेषण करेगा, ऑडियो सुनेगा, वीडियो देखेगा और फिर अपने आप ही समाधान लिखेगा। समस्या यह थी कि? यहाँ तक कि सबसे बुद्धिमान "सुपर डिटेक्टिव" भी अभिभूत हो जाता है। वे फोटो देखने में इतने व्यस्त हो सकते हैं कि ऑडियो के एक विवरण को मिस कर दें, या सब कुछ एक साथ करने की कोशिश में भ्रमित हो सकते हैं। यह एक अकेले शेफ से 10-कोर्स का भोजन बनाने, बर्तन धोने और साथ ही रेस्तरां के वित्त प्रबंधन को संभालने के लिए कहने जैसा है।
नया तरीका (ऑर्केस्ट्रा-o1):
Orchestra-o1 इस खेल को बदल देता है। एक "सुपर डिटेक्टिव" के बजाय, यह विशेषज्ञों की एक टीम का नेतृत्व करने के लिए एक कंडक्टर (संचालक) बनाता है।
यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए यहाँ दिया गया है:
1. कंडक्टर (मुख्य एजेंट)
Orchestra-o1 में "मुख्य एजेंट" खुद भारी काम करने की कोशिश नहीं करता है। इसे एक ऑर्केस्ट्रा के कंडक्टर के रूप में सोचें।
- यह वायलिन या ड्रम नहीं बजाता है।
- इसका काम समस्या को सुनना, सभी सुरागों (टेक्स्ट, इमेज, ऑडियो, वीडियो) को देखना और यह तय करना है: "इस हिस्से को कौन संभालेगा?"
- यह बड़े रहस्य को छोटे, प्रबंधनीय कार्यों में तोड़ देता है।
2. विशेषज्ञ (सब-एजेंट्स)
एक बार जब कंडक्टर समझ जाता है कि क्या करने की आवश्यकता है, तो वह सही विशेषज्ञों को बुलाता है:
- ऑडियो विशेषज्ञ: "हे, इस रिकॉर्डिंग को सुनो और मुझे बताओ कि घटना किस समय हुई थी।"
- विजुअल विशेषज्ञ: "इस फोटो को देखो और मुझे बताओ कि यह इमारत किस शहर में है।"
- वेब रिसर्चर: "जाकर इंटरनेट पर उस शहर का टाइम ज़ोन चेक करो।"
- कैलकुलेटर: "स्थानीय समय को यूनिवर्सल समय में बदलने के लिए गणित करें।"
3. सुपरपावर: पैरेलल प्रोसेसिंग (समानांतर प्रसंस्करण)
यहीं Orchestra-o1 वास्तव में तेज़ हो जाता है।
- पुराना तरीका (लीनियर/रैखिक): कंडक्टर ऑडियो विशेषज्ञ से पूछेगा, उसके जवाब का इंतजार करेगा, फिर विजुअल विशेषज्ञ से पूछेगा, उसके जवाब का इंतजार करेगा, और इसी तरह। यह एक रिले रेस की तरह है जहाँ हर कोई पिछले धावक के खत्म करने का इंतजार करता है।
- Orchestra-o1 का तरीका (पैरेलल): कंडक्टर एक साथ सभी कार्यों की घोषणा करता है! ऑडियो विशेषज्ञ, विजुअल विशेषज्ञ और वेब रिसर्चर एक साथ (simultaneously) काम करते हैं।
- परिणाम: टीम काम को बहुत तेज़ी से पूरा करती है क्योंकि वे एक-दूसरे का इंतज़ार नहीं कर रहे होते हैं। यह पेपर गणितीय रूप से सिद्ध करता है: यदि आपके पास 5 स्वतंत्र कार्य हैं, तो उन्हें एक-एक करके करने में 5 घंटे लगते हैं, लेकिन उन्हें एक साथ करने में लगभग 1 घंटा लगता है (प्लस परिणामों को इकट्ठा करने में लगने वाला थोड़ा सा समय)।
4. मेमोरी (संदर्भ)
जैसे-जैसे विशेषज्ञ अपने कार्य पूरे करते हैं, वे अपने निष्कर्ष वापस कंडक्टर को सौंपते हैं। कंडक्टर उन्हें केवल एक ढेर में नहीं फेंकता; वह उन्हें एक "मेमोरी नोटबुक" में व्यवस्थित करता है।
- यदि ऑडियो विशेषज्ञ कहता है "सुबह के 7:49 बजे हैं" और विजुअल विशेषज्ञ कहता है "यह प्राग है," तो कंडक्टर लिखता है: "प्राग में सुबह के 7:49 बजे।"
- वह इस पहेली को सुलझाने के अगले भाग के दौरान भ्रमित न होने या विवरणों को न भूलने के लिए अपनी नोटबुक को व्यवस्थित रखता है।
5. कंडक्टर को प्रशिक्षित करना (DA-GRPO)
यह पेपर यह भी समझाता है कि उन्होंने एक ओपन-सोर्स AI (एक छोटे, मुफ्त मॉडल) को इस कंडक्टर के रूप में कैसे प्रशिक्षित किया।
- उन्होंने AI को केवल यह नहीं बताया कि "सही उत्तर प्राप्त करें।"
- इसके बजाय, उन्होंने DA-GRPO नामक एक विशेष प्रशिक्षण पद्धति का उपयोग किया। इसे एक सख्त कोच के रूप में सोचें जो कंडक्टर द्वारा किए गए हर कदम को देखता है।
- कोच केवल अंतिम उत्तर के लिए ही नहीं, बल्कि इस बात के लिए भी अंक देता है कि कंडक्टर ने काम को कैसे विभाजित करने का निर्णय लिया। क्या उन्होंने सही विशेषज्ञ को चुना? क्या उन्होंने सही प्रश्न पूछे? क्या उन्होंने सही टूल्स का उपयोग किया?
- इन अच्छे निर्णयों को पुरस्कृत करके, छोटे AI ने एक शानदार कंडक्टर बनने का कौशल सीख लिया, भले ही उसे मूल रूप से इसके लिए डिज़ाइन नहीं किया गया था।
परिणाम
इस सिस्टम का परीक्षण OmniGAIA नामक एक कठिन बेंचमार्क पर किया गया (जो टेक्स्ट, इमेज, ऑडियो और वीडियो का मिश्रण है)।
- चैंपियन: जब Orchestra-o1 ने एक शीर्ष-स्तरीय "कंडक्टर" (GPT-5) का उपयोग किया, तो इसने सर्वश्रेष्ठ एकल "सुपर डिटेक्टिव" (Gemini-3-Pro) को महत्वपूर्ण अंतर से पीछे छोड़ दिया (10.3% अधिक सटीकता)।
- अंडरडॉग: यहाँ तक कि जब उन्होंने अपने स्वयं के प्रशिक्षित, छोटे AI (Orchestra-o1-8B) को कंडक्टर के रूप में उपयोग किया, तब भी इसने अन्य सभी ओपन-सोर्स "सुपर डिटेक्टिव्स" को भारी अंतर से हराया, इसकी सफलता दर 20.8% से बढ़कर 30.0% हो गई।
संक्षेप में:
Orchestra-o1 यह सिद्ध करता है कि जटिल, बहु-संवेदी समस्याओं के लिए, एक अकेले प्रतिभाशाली व्यक्ति के सब कुछ करने के बजाय, विशेषज्ञों की एक टीम के समन्वय के साथ समानांतर में काम करने वाले एक स्मार्ट मैनेजर का होना बेहतर है। यह AI को वास्तविक दुनिया की पहेलियों को हल करने के लिए तेज़, सस्ता और बहुत अधिक सटीक बनाता 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।