तकनीकी सारांश: परिकल्पना अतिरेक (Hypothesis Redundancy) के तहत खोज

1. समस्या विवरण

वैज्ञानिक खोज प्रणालियाँ अक्सर एक संतृप्ति बिंदु (saturation point) का सामना करती हैं जहाँ नई परिकल्पनाएँ उत्पन्न करने से मिलने वाला प्रतिफल (returns) घटता जाता है, इसलिए नहीं कि नाममात्र का परिकल्पना स्थान (hypothesis space) समाप्त हो गया है, बल्कि इसलिए कि नए उम्मीदवार स्वतंत्र सूचना प्रदान करने में विफल रहते हैं। लेखक इसके अंतर्निय ज्यामितीय तंत्र के रूप में स्पेक्ट्रल संपीड़न (spectral compression) की पहचान करते हैं: जैसे-जैसे परिकल्पनाओं का संग्रह बढ़ता है, परिकल्पना सहसंबंध मैट्रिक्स (correlation matrix) का प्रभावी आयाम ($r_{eff}$), उसके नाममात्र आयाम ($N$) की तुलना में काफी छोटा हो जाता है।

ऐसे संकुचित स्थानों में, संरचित स्थानीय खोज (जैसे, मौजूदा आधार कारकों या ऑपरेटरों का पुनर्संयोजन) घटते प्रतिफल का सामना करती है क्योंकि यह मौजूदा दिशाओं के विस्तार (span) से बाहर नहीं निकल पाती है। इसके विपरीत, यादृच्छिक गैर-स्थानीय अन्वेषण (random non-local exploration) स्पेक्ट्रल कवरेज तो बढ़ाता है लेकिन भविष्य कहनेवाला प्रतिफल (predictive yield) सुधारने में विफल रहता है क्योंकि यादृच्छिक दिशाओं में लक्ष्य संकेत (target signal) के साथ संरेखण का अभाव होता है। मुख्य समस्या यह निर्धारित करना है कि संसाधनों को व्यर्थ किए बिना (यानी, रेडंडेंट या गैर-भविष्य कहनेवाला नवीनता पर खर्च किए बिना) बाधाओं को दूर करने के लिए गैर-स्थानीय अन्वेषण (जैसे, लार्ज लैंग्वेज मॉडल्स के माध्यम से) को कब और कैसे एकीकृत किया जाए।

2. कार्यप्रणाली और ढांचा

खोज संपीड़न परिकल्पना (The Search Compression Hypothesis)

यह शोध पत्र खोज संपीड़न परिकल्पना का प्रस्ताव करता है, जो यह मानता है कि गैर-स्थानीय अन्वेषण केवल तभी हाइब्रिड लाभ प्रदान करता है जब तीन ज्यामितीय स्थितियाँ एक साथ घटित होती हैं:

1. स्पेक्ट्रल संपीड़न (Spectral Compression): परिकल्पना स्थान संकुचित होना चाहिए ($r_{eff} \ll N$), जो स्वतंत्र दिशाओं की कमी पैदा करता है।
2. ऑर्थोगोनल एस्केप (Orthogonal Escape): गैर-स्थानीय प्रस्ताव के पास वर्तमान संरचित विस्तार से एक महत्वपूर्ण पलायन दूरी ($d_\perp$) होनी चाहिए।
3. अवशिष्ट संकेत संरेखण (Residual Signal Alignment - RSA): प्रस्ताव का ऑर्थोगोनल घटक लक्ष्य संकेत के साथ संरेखित होना चाहिए।

सैद्धांतिक औपचारिकता

लेखक इन अवधारणाओं को रैखिक बीजगणित और स्पेक्ट्रल सिद्धांत का उपयोग करके औपचारिक रूप देते हैं:

• प्रभावी रैंक ($r_{eff}$): इसे सहसंबंध मैट्रिक्स $\Sigma_A$ के आइजनमानों (eigenvalues) के माध्यम से परिभाषित किया गया है, जो संग्रह में स्वतंत्र दिशाओं की संख्या को मापता है।
• स्थानीय प्रतिफल स्केलिंग (प्रस्ताव 1): संरचित स्थानीय खोज का अपेक्षित प्रतिफल प्रभावी रैंक द्वारा सीमित है। जैसे-जैसे $r_{eff}/N \to 0$ होता है, संरचित गणना (enumeration) का प्रतिफल आनुपातिक रूप से घटता है।
• भविष्य कहनेवाला नवीनता (Predictive Novelty): इसे अवशिष्ट घटक ($f - \text{proj}_A(f)$) के सूचना गुणांक सूचना अनुपात (ICIR) के रूप में परिभाषित किया गया है। यह "उपयोगी" नवीनता (जो लक्ष्य के साथ संरेखित है) को केवल "ऑर्थोगोनैलिटी" से अलग करता है।

हाइब्रिड डिस्कवरी फ्रेमवर्क

लेखक एक तीन-ऑपरेटर ढांचे, HYBRIDFACTOR, को स्थापित करते हैं, जिसे $A_{t+1} = T_{verify} \circ T_{local} \circ T_{jump}(A_t)$ के रूप में परिभाषित किया गया है:

1. $T_{jump}$ (गैर-स्थानीय): संरचित विस्तार से बाहर निकलने वाले बीज अभिव्यक्तियों (seed expressions) को उत्पन्न करने के लिए LLM का उपयोग करता है।
2. $T_{local}$ (स्थानीय): विस्तारित पड़ोस के भीतर LLM बीजों के आसपास संरचित गणना (recombination) करता है।
3. $T_{verify}$ (फ़िल्टर): उन उम्मीदवारों को हटा देता है जो रेडंडेंट (संग्रह के साथ उच्च सहसंबंध) या गैर-भविष्य कहनेवाला (कम ICIR) हैं।

यह ढांचा गैर-स्थानीय अन्वेषण करने के निर्णय को तीन ज्यामितीय स्थितियों के आधार पर एक नैदानिक प्रक्रिया (diagnostic procedure) के रूप में मानता है।

3. प्रमुख योगदान

1. स्पेक्ट्रल संपीड़न की पहचान: यह शोध पत्र स्पेक्ट्रल संपीड़न को खोज प्रणालियों में घटते प्रतिफल के एक एकीकृत तंत्र के रूप में औपचारिक रूप देता है, जो परिकल्पना सहसंबंध मैट्रिक्स के प्रभावी रैंक को संरचित खोज के प्रतिफल से सीधे जोड़ता है।
2. हाइब्रिड लाभ के लिए ज्यामितीय स्थितियाँ: प्रमेय 1 स्थापित करता है कि संपीड़न की गंभीरता, पलायन दूरी और संकेत संरेखण, हाइब्रिड लाभ के लिए व्यक्तिगत रूप से आवश्यक स्थितियाँ हैं। इनमें से किसी एक को हटाने से भी गैर-स्थानीय अन्वेषण का लाभ समाप्त हो जाता है।
3. ऑर्थोगोनैलिटी और भविष्य कहनेवाला नवीनता के बीच अंतर: यह कार्य प्रदर्शित करता है कि यादृच्छिक ऑर्थोगोनल जंप कवरेज तो बढ़ाते हैं लेकिन प्रतिफल में सुधार नहीं करते हैं। उपयोगी अन्वेषण के लिए निर्देशित (directed) गैर-स्थानीय जंप की आवश्यकता होती है जो कमजोर लेकिन लक्ष्य-युक्त दिशाओं की ओर हों।
4. क्रॉस-डोमेन सत्यापन: लेखक साक्ष्य प्रदान करते हैं कि यह ज्यामितीय बाधा और हाइब्रिड समाधान वित्तीय कारक खोज (financial factor discovery), सिम्बोलिक रिग्रेशन और सिंथेटिक स्ट्रेस टेस्ट सहित विविध डोमेन में लागू होता है।

4. प्रयोगात्मक परिणाम

वित्तीय कारक खोज (A-Share स्टॉक्स)

• सेटअप: 100-फैक्टर संरचित संग्रह का उपयोग करके 5,647 A-शेयर स्टॉक्स (2010–2026) पर परीक्षण किया गया।
• निष्कर्ष:
  • अत्यधिक संकुचित शासन (उच्च सहसंबंध) में, हाइब्रिड दृष्टिकोण (LLM + संरचित) शुद्ध संरचित खोज की तुलना में काफी बेहतर रहा।
  • सिग्नल प्लांटिंग (Signal Planting): जब लक्ष्य संकेत को "कमजोर" आइजनस्पेस (जो स्थानीय खोज द्वारा कम प्रतिनिधित्व किया गया था) में डाला गया, तो हाइबिड पद्धति ने सकारात्मक प्रतिफल लाभ ($\Delta \approx +2.5$) प्राप्त किया। जब संकेत "टॉप" आइजनस्पेस में था, तो हाइब्रिड लाभ नकारात्मक था, जो पुष्टि करता है कि हाइब्रिड खोज ठीक वहीं मदद करती है जहाँ स्थानीय खोज लक्ष्य-युक्त दिशाओं का कम प्रतिनिधित्व करती है।
  • निर्देशित बनाम यादृच्छिक: रिट्रीवल-गाइडेड LLM सीड्स (उच्च RSA) ने लगभग समान पलायन दूरी पर बिखरे हुए (shuffled) सीड्स की तुलना में 53% अधिक प्रतिफल प्राप्त किया, जिससे सिद्ध हुआ कि दूरी से अधिक दिशा मायने रखती है।

सिंथेटिक और क्रॉस-डोमेन स्ट्रेस टेस्ट

• कंप्रेशन स्वीप्स (Compression Sweeps): विभिन्न $r_{eff}/N$ वाले सिंथेटिक वातावरण में, हाइब्रिड लाभ मजबूत संपीड़न ($r_{eff}/N \approx 0.1$) के तहत सबसे अधिक था और जैसे-जैसे स्थान पूर्ण रैंक ($r_{eff}/N \to 1$) के करीब पहुँचा, यह लुप्त हो गया।
• सिम्बोलिक रिग्रेशन (LLM-SRBench): 158 समीकरणों पर, हाइब्रिड पद्धति ने सिंथेटिक समीकरणों पर शुद्ध जेनेटिक प्रोग्रामिंग (GP) के बराबर प्रदर्शन किया, लेकिन प्रतिकूल रूप से रूपांतरित समीकरणों पर GP की 46 में से 25 विनाशकारी विफलताओं को बचाया। यह इस दावे का समर्थन करता है कि गैर-स्थानीय बीज तब सबसे मूल्यवान होते हैं जब खोज परिदृश्य गंभीर रूप से संकुचित या भ्रामक (deceptive) होता है।
• पब्लिक टैबुलर चेक: OpenML डेटासेट्स पर एक परिचालन स्वच्छता जांच (sanity check) ने दिखाया कि एक नैदानिक बजट-आवंटन नीति (ज्यामितीय स्थितियों का उपयोग करके यह तय करना कि कब LLM का उपयोग किया जाए) निश्चित 50/50 हाइब्रिड रणनीतियों और मजबूर गैर-स्थानीय अन्वेषण से बेहतर थी।

5. महत्व और दावे

यह शोध पत्र एक नैदानिक प्रक्रिया (diagnostic procedure) प्रदान करने का दावा करता है, न कि एक सार्वभौमिक नियम। इसका प्राथमिक महत्व LLM-निर्देशित खोज को "जेनेरिक नवीनता खोज" से बदलकर एक लक्षित, ज्यामितीय रूप से जागरूक प्रक्रिया में बदलने में निहित है।

• अन्वेषण कब करें: यह ढांचा एक स्टॉपिंग रूल (stopping rule) प्रदान करता है: यदि परिकल्पना स्थान पूर्ण रैंक ($r_{eff}/N \approx 1$) के करीब है, या यदि पलायन दूरी या संकेत संरेखण शून्य के करीब है, तो गैर-स्थानीय अन्वेषण को रोक दिया जाना चाहिए क्योंकि यह कोई हाइब्रिड लाभ नहीं देता है।
• योगदान की प्रकृति: लेखक स्पष्ट रूप से कहते हैं कि खोज संपीड़न सिद्धांत एक "उम्मीदवार ज्यामितीय नियम" और एक "उम्मीदवार नियम" है, न कि एक सिद्ध सार्वभौमिक सत्य। यह कार्य वर्णनात्मक है, जो यह समझाता है कि अन्वेषण कब मूल्यवान है, बजाय इसके कि यह एक इष्टतम अन्वेषण नीति निर्धारित करे।
• व्यावहारिक निहितार्थ: परिणाम बताते हैं कि खोज प्रणालियों में संसाधन आवंटन गतिशील होना चाहिए, यानी निर्देशित गैर-स्थानीय अन्वेषण में निवेश केवल तभी बढ़ाना चाहिए जब स्पेक्ट्रल डायग्नोस्टिक्स एक संकुचित खोज स्थान और अन-एक्सप्लोर्ड, लक्ष्य-युक्त दिशाओं का संकेत दें।

शोध पत्र निष्कर्ष निकालता है कि केवल नवीनता पर्याप्त नहीं है; खोज प्रतिफल केवल तभी अधिकतम होता है जब अन्वेषण भविष्य कहनेवाला नवीन (predictively novel) हो—अर्थात, संकुचित विस्तार से बाहर निकलने और अवशिष्ट लक्ष्य संकेत के साथ संरेखित होने में एक साथ सक्षम हो।