DART: Draft-Agreement Routing for Training-Free Adaptive Thinking Budgets in Hybrid Reasoning Models
DART हाइब्रिड रीजनिंग मॉडल्स के लिए एक ट्रेनिंग-फ्री रूटिंग फ्रेमवर्क है जो सस्ते ड्राफ्ट्स को सैंपल करके और सीधे उत्तर देने या विस्तारित तर्क (extended reasoning) के बीच निर्णय लेने के लिए उनकी सहमति या एंट्रॉपी का उपयोग करके थिंकिंग बजट को गतिशील रूप से आवंटित करता है, जिससे जटिल गणित और कोड कार्यों पर सटीकता में सुधार करते हुए टोकन के उपयोग को काफी कम किया जा सकता 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 आपके पास एक बहुत ही बुद्धिमान, लेकिन महंगा, व्यक्तिगत सहायक (personal assistant) है। इस सहायक के काम करने के दो तरीके हैं:
- "स्नैप" (Snap) मोड: वे बिना ज्यादा सोचे तुरंत आपके सवाल का जवाब देते हैं। यह तेज़ और सस्ता है, लेकिन अगर सवाल पेचीदा हुआ तो वे गलत भी हो सकते हैं।
- "डीप डाइव" (Deep Dive) मोड: वे जवाब देने से पहले समस्या को चरण-दर-चरण समझने के लिए बहुत समय और ऊर्जा (और पैसा) खर्च करते हैं। यह कठिन सवालों के लिए सटीक है लेकिन सरल सवालों के लिए बहुत बर्बादी है।
समस्या यह है: आपको हर एक सवाल के लिए कौन सा मोड इस्तेमाल करना है, यह कैसे पता चलेगा?
यदि आप हमेशा "डीप डाइव" का उपयोग करते हैं, तो आप आसान सवालों (जैसे "2+2 क्या है?") पर पैसा बर्बाद करेंगे। यदि आप हमेशा "स्नैप" का उपयोग करते हैं, तो आप कठिन सवालों (जैसे जटिल गणितीय पहेलियों) में विफल रहेंगे।
पेश है DART: द स्मार्ट ट्रैफिक कॉप
यह पेपर DART (ड्राफ्ट-एग्रीमेंट रूटिंग फॉर थिंकिंग) पेश करता है। DART को अपने सहायक के कार्यालय के प्रवेश द्वार पर खड़े एक स्मार्ट ट्रैफिक पुलिसकर्मी के रूप में समझें। इसे हर नए सहायक के लिए फिर से प्रशिक्षित (retrain) करने की आवश्यकता नहीं है, और न ही इसे पहले से "कठिन" या "आसान" सवालों की सूची की आवश्यकता है। यह बस सहायक के काम करने के तरीके को देखता है।
DART कैसे काम करता है, इसके लिए एक सरल दो-चरणीय प्रक्रिया दी गई है:
चरण 1: "डबल-चेक" (स्टेज 1)
सहायक को महंगे "डीप डाइव" मोड में जाने देने से पहले, DART सहायक से बिना ज्यादा सोचे दो त्वरित, "स्नैप" उत्तर (ड्राफ्ट्स) लिखने के लिए कहता है।
- यदि दोनों ड्राफ्ट सहमत हैं: DART कहता है, "बहुत बढ़िया! आप दोनों एक ही उत्तर दे रहे हैं। यह शायद सही है। यह रहा आपका अंतिम उत्तर।" सहायक कभी भी महंगे सोचने वाले मोड में नहीं जाता। परिणाम: आप बहुत सारा समय और पैसा बचाते हैं।
- यदि दोनों ड्राफ्ट असहमत हैं: DART कहता है, "ओह! आप दोनों के बीच असहमति है। यह एक कठिन समस्या होनी चाहिए। अब 'डीप डाइव' मोड में जाओ और इसे ठीक से सोचो।"
उपमा (Analogy): कल्पना कीजिए कि आप दो दोस्तों से पूछते हैं, "फ्रांस की राजधानी क्या है?" यदि वे दोनों तुरंत "पेरिस" कहते हैं, तो आप उन पर भरोसा करते हैं। यदि एक "पेरिस" कहता है और दूसरा "लंदन", तो आप जानते हैं कि आपको इसे सुलझाने के लिए एक नक्शा (यानी "डीप डाइव") निकालना पड़ेगा।
चरण 2: "बजट" (स्टेज 2)
यदि सहायक को वास्तव में "डीप डाइव" मोड में जाना पड़ता है, तो DART उसे केवल असीमित समय नहीं देता। यह देखता है कि उन दो त्वरित ड्राफ्ट्स के दौरान सहायक कितना भ्रमित था।
- उच्च भ्रम (High Entropy): ड्राफ्ट्स बहुत ही बिखरे हुए थे। DART कहता है, "यह वास्तव में एक कठिन सवाल है। यहाँ इसे हल करने के लिए समय और टोकन का एक बड़ा बजट दिया जा रहा है।"
- कम भ्रम (Low Confusion): ड्राफ्ट्स काफी हद तक समान थे, बस थोड़े से अलग थे। DART कहता है, "यह पेचीदा है, लेकिन असंभव नहीं। यहाँ एक छोटा बजट दिया जा रहा है।"
यह सुनिश्चित करता है कि सबसे कठिन समस्याओं को सबसे अधिक संसाधन मिलें, जबकि "मध्यम" कठिन समस्याओं पर उतना अधिक ऊर्जा खर्च न हो जितना कि उन्हें अधिकतम बजट देने पर होता।
यह एक बड़ी बात क्यों है?
पेपर दावा करता है कि DART एक "ट्रेनिंग-फ्री" समाधान है। आमतौर पर, यह जानने के लिए कि कब सोचना है, आपको एक सिस्टम बनाने के लिए हजारों लेबल किए गए उदाहरणों (जैसे, यह बताना कि "यह कठिन था, डीप डाइव का उपयोग करें") की आवश्यकता होती है। DART को इसकी आवश्यकता नहीं है। यह केवल यह देखकर मौके पर ही पता लगा लेता है कि त्वरित ड्राफ्ट्स सहमत हैं या नहीं।
परिणाम (द स्कोरबोर्ड):
- गणित: बहुत कठिन गणितीय समस्याओं (जैसे ओलंपियाड स्तर) पर, DART ने हमेशा गहराई से सोचने वाले सहायक की तुलना में अधिक सही उत्तर दिए, जबकि 15% से 69% कम सोचने वाले टोकन का उपयोग किया (कम लागत)।
- कोडिंग: कंप्यूटर कोड लिखने के लिए, DART ने सोचने की लागत को 51% से 63% तक कम करते हुए सटीकता में 22.5 अंक तक सुधार किया।
- दक्षता (Efficiency): यह सरल कामों के लिए फेरारी की गति और कठिन रास्तों के लिए टैंक की शक्ति प्राप्त करने जैसा है, बिना साधारण कामों के लिए टैंक के ईंधन का भुगतान किए।
कमी (सीमाएं)
पेपर ईमानदार है कि DART कहाँ लड़खड़ा सकता है:
- बहुविकल्पीय प्रश्न (Multiple Choice): यदि आप बहुविकल्पीय प्रश्न पूछते हैं, तो दो त्वरित ड्राफ्ट्स किस्मत से एक ही गलत उत्तर चुन सकते हैं। DART उस गलत उत्तर को स्वीकार कर लेगा। इसलिए, DART खुले प्रश्नों (जैसे गणित या कोडिंग) के लिए बनाया गया है, बहुविकल्पीय परीक्षणों के लिए नहीं।
- "सहमति" का जाल (The Agreement Trap): यदि सहायक दोनों त्वरित ड्राफ्ट्स में आत्मविश्वास के साथ गलत है, तो DART उस गलत उत्तर को स्वीकार कर लेगा। पेपर नोट करता है कि यही त्रुटियों का मुख्य स्रोत है, लेकिन यह अभी भी अन्य विकल्पों की तुलना में बहुत बेहतर है।
सारांश
DART एक चतुर, मुफ्त-उपयोग वाला टूल है जो एक गेटकीपर के रूप में कार्य करता है। यह यह तय करने के लिए कि कोई समस्या आसान है या कठिन, दो सस्ते उत्तरों के त्वरित "डबल-चेक" का उपयोग करता है। यदि त्वरित उत्तर सहमत हैं, तो यह आपका पैसा बचाता है। यदि वे असहमत हैं, तो यह समस्या को महंगे सोचने वाले मोड में भेज देता है, लेकिन केवल उतना ही समय देता है जितने की वास्तव में आवश्यकता होती है। यह AI को एक ही समय में स्मार्ट और सस्ता 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।