OracleAnalyser: Analysing Implicit Semantics of Oracle Bone Scripts through MLLMs with Post-training
यह शोध पत्र OracleAnalyser को प्रस्तुत करता है, जो एक 3B-पैरामीटर वाला पोस्ट-ट्रेन्ड फ्रेमवर्क है, जो पारंपरिक पहचान कार्यों से परे ओरेकल बोन स्क्रिप्ट्स के अंतर्निहित अर्थ संबंधी विश्लेषण को महत्वपूर्ण रूप से उन्नत करने के लिए एक नवीन स्टेबल फोकल प्रेफरेंस ऑप्टिमाइज़ेशन (SFPO) एल्गोरिदम और नए डेटासेट्स का उपयोग करता 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 कछुए के कवच और जानवरों की हड्डियों से बना एक विशाल, प्राचीन पहेली बॉक्स है। ये ओरेकल बोन स्क्रिप्ट्स (Oracle Bone Scripts) हैं, जो हजारों साल पहले उकेरी गई चीन की सबसे पुरानी लेखन प्रणाली है। लंबे समय से, विशेषज्ञ इस पहेली को सुलझाने की कोशिश कर रहे हैं कि इन अजीब चित्रों का क्या अर्थ है। अब तक, वे लगभग 4,500+ पात्रों में से लगभग 1,600 को समझने में सफल रहे हैं, लेकिन बाकी अभी भी रहस्य बने हुए हैं।
अब तक, इस पहेली को सुलझाने वाले अधिकांश कंप्यूटर प्रोग्राम फोटोकॉपी करने वाली मशीनों जैसे थे। आप उन्हें हड्डी पर खुदा हुआ एक चित्र दिखाते हैं, और वे अनुमान लगाते हैं, "क्या यह अक्षर 'A' है या 'B'?" वे पहले देखे गए पैटर्न को पहचानने में अच्छे हैं, लेकिन वे वास्तव में चित्र को समझते नहीं हैं। वे बस उत्तर को याद कर लेते हैं।
यह शोध पत्र एक नए AI, OracleAnalyser को पेश करता है। केवल एक फोटोकॉपी मशीन होने के बजाय, OracleAnalyser एक जासूस या एक अनुवादक की तरह है जो वास्तव में सुरागों को देखता है और समझाता है कि उसे क्यों लगता है कि एक अक्षर का क्या अर्थ है।
इसे बनाने का तरीका यहाँ दिया गया है, सरल उपमाओं का उपयोग करते हुए:
1. समस्या: "अंधा अनुमान" बनाम "सोचना"
पिछले AI मॉडल उन छात्रों की तरह थे जिन्होंने उत्तर कुंजी (answer key) को रट लिया था लेकिन गणित को नहीं समझा था। यदि उन्हें कोई ऐसा अक्षर दिखता जिसे उन्होंने याद नहीं किया था, तो वे बस अनुमान लगा लेते थे।
- पुराना तरीका: एक हड्डी का चित्र दिखाएं जिसमें एक व्यक्ति अपने सिर पर कुछ ले जा रहा हो। AI अनुमान लगाता है "यह 'आकाश' का अक्षर है।" लेकिन वह यह नहीं बता सकता कि क्यों।
- नया तरीका (OracleAnalyser): AI उसी चित्र को देखता है और कहता है, "मैं एक व्यक्ति को खड़ा देख रहा हूँ। उसके सिर के ऊपर एक गोल आकृति है, जैसे वह कुछ भारी चीज़ उठाए हुए हो। यह 'आकाश' के प्राचीन प्रतीक जैसा दिखता है।" यह उत्तर देने से पहले चित्र को हिस्सों में तोड़ देता है।
2. प्रशिक्षण: जासूस को सिखाना
शोधकर्ताओं ने केवल AI को अधिक चित्र नहीं खिलाए। उन्होंने इसे तीन चरणों में सोचना सिखाया:
चरण 1: व्याख्या (सुपरवाइज्ड फाइन-ट्यूनिंग - Supervised Fine-Tuning)
उन्होंने एक बुद्धिमान AI (Qwen2.5-VL) लिया और उसे हजारों उदाहरण दिखाए जहाँ एक विशेषज्ञ ने पात्र का नाम बताने से पहले चित्र की व्याख्या की थी। यह एक शिक्षक को छात्र को दिखाने जैसा है: "इन रेखाओं को देखो; ये एक छत की तरह दिखती हैं। इसका अर्थ है 'घर'।" AI इस तर्क की नकल करना सीख गया।चरण 2: अभ्यास परीक्षा (डेटा उत्पन्न करना - Generating Data)
AI को एक परीक्षा देने के लिए कहा गया। कभी-कभी वह सही उत्तर देता, कभी-कभी गलत। शोधकर्ताओं ने इन प्रयासों को एकत्र किया।- सही उत्तर: "यह जड़ों के साथ एक पेड़ जैसा दिखता है।" (सही)
- गलत उत्तर: "यह एक छड़ी जैसा दिखता है।" (गलत)
उन्होंने इन जोड़ियों का उपयोग AI को यह सिखाने के लिए किया कि एक अच्छी व्याख्या और एक बुरी व्याख्या के बीच क्या अंतर है।
चरण 3: विशेष कोचिंग (SFPO)
यह इस शोध पत्र का सबसे बड़ा नवाचार है। मानक प्रशिक्षण विधियाँ कभी-कभी भ्रमित हो सकती हैं यदि "बुरे" उत्तर वास्तव में कुछ हद तक सही हों (उदाहरण के लिए, यह कहना कि एक पेड़ एक छड़ी जैसा दिखता है पूरी तरह से गलत नहीं है, लेकिन यह पर्याप्त विशिष्ट नहीं है)।
शोधकर्ताओं ने एक नई कोचिंग विधि बनाई जिसे स्टेबल फोकल प्रेफरेंस ऑप्टिमिज़ेशन (Stable Focal Preference Optimization - SFPO) कहा जाता है।- उपमा: एक कोच की कल्पना करें जो हर गलती पर केवल "गलत!" चिल्लाता नहीं है। इसके बजाय, कोच सबसे महत्वपूर्ण गलतियों पर ध्यान केंद्रित करता है और उन गलतियों को अनदेखा करता है जो बहुत भ्रमित करने वाली या मामूली हैं। वे यह भी सुनिश्चित करते हैं कि छात्र अपने पहले व्याख्या (लेक्चर चरण) में सीखी गई चीज़ों को न भूले। यह AI को स्थिर और केंद्रित रखता है।
3. परिणाम: एक छोटा दिमाग लेकिन बड़ी समझ
आमतौर पर, कठिन समस्याओं को हल करने के लिए, आपको एक विशाल कंप्यूटर मस्तिष्क (एक बहुत बड़े AI मॉडल) की आवश्यकता होती है। लेकिन OracleAnalyser आश्चर्यजनक रूप से छोटा है—इसमें केवल 3 बिलियन पैरामीटर्स हैं (अपने प्रतिस्पर्धियों के विशाल 70-बिलियन-पैरामीटर वाले दिमागों की तुलना में इसे एक छोटा, कुशल मस्तिष्क मान लें)।
छोटा होने के बावजूद, इसने सभी विशाल मॉडलों से बेहतर प्रदर्शन किया।
- ज्ञात पात्रों पर: यह अर्थ समझाने और पात्र की पहचान करने में बहुत बेहतर था।
- अज्ञात पात्रों पर: जब इसे एक ऐसा हड्डी का चित्र दिखाया गया जिसे इसने पहले कभी नहीं देखा था, तो यह अभी भी चित्र को देख सकता था, आकृतियों का वर्णन कर सकता था (जैसे "धुएं जैसा दिखता है" या "छत जैसा दिखता है"), और एक स्मार्ट अनुमान लगा सकता था।
सारांश
यह शोध पत्र दावा करता है कि AI को केवल पैटर्न को पहचानने (एक फोटोकॉपी मशीन की तरह) के बजाय चित्र का विश्लेषण करना (एक जासूस की तरह) सिखाकर, और भ्रम से बचने के लिए एक विशेष, स्थिर प्रशिक्षण पद्धति का उपयोग करके, उन्होंने एक छोटा लेकिन शक्तिशाली उपकरण बनाया है। यह उपकरण शोधकर्ताओं को प्राचीन चित्रों के पीछे की "कहानी" को समझाकर (केवल पात्र का नाम अनुमान लगाने के बजाय) प्राचीन चीनी इतिहास को समझने में मदद करता 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।