← नवीनतम पेपर
💬 NLP

ReaORE: Reasoning-Guided Progressive Open Relation Extraction Empowered by Large Reasoning Models

ReaORE एक नवीन ढांचा है जो बड़े रीजनिंग मॉडलों का लाभ उठाकर ओपन रिलेशन एक्सट्रैक्शन को बढ़ाता है ताकि कोर्स-टू-फाइन (coarse-to-fine) रिलेशन रीजनिंग की जा सके, जो संबंध फ़िल्टरिंग और सूक्ष्म-स्तरीय भविष्यवाणी की दो-चरणीय प्रक्रिया के माध्यम से सामान्यीकरण और भेदभाव की चुनौतियों को प्रभावी ढंग से संबोधित करता है।

मूल लेखक: Xin Lin, Liang Zhang, Guoqi Ma, Hongyao Tu, Jinsong Su

प्रकाशित 2026-06-26
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Xin Lin, Liang Zhang, Guoqi Ma, Hongyao Tu, Jinsong Su

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 जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन आप किसी विशिष्ट अपराधी की तलाश नहीं कर रहे हैं, बल्कि एक समाचार लेख में उल्लेखित दो व्यक्तियों के बीच के संबंध (relationship) को समझने की कोशिश कर रहे हैं। समस्या यह है कि आपने पहले कभी इस प्रकार के संबंध को नहीं देखा है, और आपके पास कोई चीट शीट (ज्ञात संबंधों की सूची) भी नहीं है।

यह ओपन रिलेशन एक्सट्रैक्शन (OpenRE) की चुनौती है। यह पेपर एक नई डिटेक्टिव एजेंसी ReaORE (रीजनिंग-गाइडेड प्रोग्रेसिव ओपन रिलेशन एक्सट्रैक्शन) पेश करता है जो एक "बोलने से पहले सोचें" वाली रणनीति का उपयोग करके इस समस्या को हल करती है, जो उन्नत AI द्वारा संचालित है।

ReaORE कैसे काम करता है, इसे सरल चरणों और उपमाओं (analogies) के साथ यहाँ समझाया गया है:

समस्या: "अनुमान लगाने का खेल" बनाम "क्लस्टरिंग" का जाल

ReaORE से पहले, जासूस इन रहस्यों को सुलझाने के लिए मुख्य रूप से दो तरीकों का उपयोग करते थे:

  1. क्लस्टरिंग विधि (The Clustering Method): कल्पना कीजिए कि आप सभी सुरागों को एक विशाल ढेर में फेंक देते हैं और उन्हें उनकी समानता के आधार पर समूहों में बांट देते हैं। यह मोजों को उनके रंग के आधार पर छांटने जैसा है। समस्या क्या है? आप मोजों के ढेर तो बना लेते हैं, लेकिन आपको यह नहीं पता होता कि उन्हें क्या कहा जाता है (जैसे, "मोजे" बनाम "जूते")। बाद में आपको उन्हें मैन्युअल रूप से लेबल करने के लिए वापस जाना पड़ता है।
  2. सीधा अनुमान लगाने की विधि (The Direct Guessing Method): कल्पना कीजिए कि आप एक बहुत ही बुद्धिमान मित्र (एक मानक AI) से सीधे उत्तर चिल्लाकर बताने के लिए कहते हैं। समस्या यह है कि यदि उत्तर कठिन है (जैसे, "शहर में रहने" और "शहर में काम करने" के बीच अंतर करना), तो आपका मित्र गलत अनुमान लगा सकता है क्योंकि उसने इसे पर्याप्त रूप से गहराई से नहीं सोचा।

समाधान: ReaORE की दो-चरणीय डिटेक्टिव प्रक्रिया

ReaORE अलग है क्योंकि यह एक लार्ज रीजनिंग मॉडल (LRM) का उपयोग करता है। इस AI को केवल एक बुद्धिमान मित्र के रूप में नहीं, बल्कि एक सुपर-एनालिस्ट के रूप में सोचें जो उत्तर देने से पहले एक विस्तृत विचार प्रक्रिया लिखता है। यह काम को दो चरणों में विभाजित करता है:

चरण 1: "फ़िल्टर" (रिलेशन फ़िल्टरिंग)

  • उपमा: कल्पना कीजिए कि आपके पास 1,000 अलग-अलग रिलेशनशिप लेबल (जैसे "माता-पिता है," "काम करता है," "रहता है") का एक विशाल पुस्तकालय है। आपके पास एक नया सुराग है (एक संगठन और एक देश के बारे में एक वाक्य)। आप सही लेबल खोजने के लिए लाइब्रेरी की हर किताब को नहीं पढ़ सकते।
  • ReaORE क्या करता है:
    1. त्वरित स्कैन: AI वाक्य को पढ़ता है और तीन विशिष्ट प्रश्न पूछता है:
      • क्या वाक्य का अर्थ इस संबंध के अनुकूल है?
      • क्या पहला व्यक्ति (Head) आवश्यक भूमिका के लिए फिट बैठता है? (जैसे, क्या एक संगठन "माता-पिता" हो सकता है?)
      • क्या दूसरा व्यक्ति (Tail) आवश्यक भूमिका के लिए फिट बैठता है? (जैसे, क्या एक देश "बच्चा" हो सकता है?)
    2. स्कोरकार्ड: यह इन जाँचों के आधार पर प्रत्येक संबंध को एक स्कोर (0, 1, 2, या 3 अंक) देता है।
    3. सुरक्षा जाल: कभी-कभी AI एक अच्छा मिलान चूक जाता है क्योंकि सुराग पेचीदा होता है। इसलिए, यह यह सुनिश्चित करने के लिए कि वह गलती से सही उत्तर को न फेंक दे, एक "समानता खोज" (जैसे एक लाइब्रेरियन द्वारा शेल्फ पर समान दिखने वाली किताबें ढूंढना) का उपयोग करता है।
    4. परिणाम: 1,000 विकल्पों के बजाय, अब इसके पास शायद 5 या 6 संभावित उम्मीदवारों की एक छोटी सूची है।

चरण 2: "मुकाबला" (रिलेशन प्रेडिक्शन)

  • उपमा: अब आपके पास 5 संदिग्धों की एक छोटी सूची है। वे सभी कुछ हद तक सही लग रहे हैं, लेकिन आपको एक असली अपराधी को चुनना है।
  • ReaORE क्या करता है:
    • सीधे "सबसे अच्छे" वाले को चुनने के बजाय, AI संदिग्धों को एक रिंग में डालता है और उन्हें पेयरवाइज (pairwise) मुकाबला करने के लिए कहता है।
    • यह पूछता है: "'काम करता है' और 'स्थित है' के बीच, इस विशिष्ट वाक्य के लिए कौन सा बेहतर फिट है?"
    • यह साक्ष्य (evidence) की तलाश करता है। यह कहता है, "टेक्स्ट में 'इंग्लैंड और वेल्स का' लिखा है, जो एक अधिकार क्षेत्र या सत्ता का संकेत देता है, न कि केवल एक भौतिक स्थान का।"
    • यह तुलना करना जारी रखता है जब तक कि उसे विजेता नहीं मिल जाता। यह AI को "काफी अच्छा" उत्तर चुनने से रोकता है जब एक "परफेक्ट" उत्तर मौजूद हो।

यह क्यों महत्वपूर्ण है

पेपर का दावा है कि AI को केवल अनुमान लगाने या केवल समूह बनाने के बजाय चरण-दर-चरण तर्क करने (पहले फ़िल्टर करना, फिर तुलना करना) के लिए मजबूर करके, यह अनदेखे संबंधों को समझने में बहुत बेहतर हो जाता है।

  • परिणाम: परीक्षणों में, ReaORE पिछले तरीकों की तुलना में सही संबंध खोजने में बेहतर था। इसने न केवल सही उत्तर प्राप्त किया; बल्कि इसने अपना काम दिखाया, जिससे यह साबित हुआ कि इसने अन्य भ्रमित करने वाले विकल्पों के बजाय उस उत्तर को क्यों चुना।

सारांश में

ReaORE एक ऐसे जासूस की तरह है जो अनुमान लगाने से इनकार कर देता है। पहले, वे तर्क और नियमों का उपयोग करके असंभव संदिग्धों को फ़िल्टर करते हैं। फिर, वे बचे हुए संदिग्धों के बीच एक बहस आयोजित करते हैं ताकि यह देखा जा सके कि सबूतों के साथ कौन सबसे अच्छा फिट बैठता है। यह "धीमी सोच" वाला दृष्टिकोण AI को अनुमान लगाने या केवल चीजों को समूहबद्ध करने वालों की तुलना में बहुत अधिक सटीकता के साथ नए, अनदेखे रहस्यों को संभालने की अनुमति देता 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 →