QueenBee Planner: Skill-Evolving Communication Topologies for Token-Efficient LLM Multi-Agent Systems
क्वीनबी प्लानर (QueenBee Planner) फ्रेमवर्क इंटर-एजेंट संचार टोपोलॉजी को एक स्व-सुधारने वाले डिज़ाइन कौशल के रूप में मानकर टोकन-कुशल एलएलएम (LLM) मल्टी-एजेंट सिस्टम को उन्नत करता है, जहाँ एक सीखने योग्य प्लानर इष्टतम संदेश-पारगमन संरचनाएं उत्पन्न करता है जो सटीकता और लागत में निश्चित या कोल्ड-स्टार्ट बेसलाइन से काफी बेहतर प्रदर्शन करते हैं और निष्पादन ट्रेस (execution traces) को मजबूत, मिथ्याकरण-प्रतिरोधी (falsification-resistant) डिज़ाइन नियमों में संकुचित 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 8 प्रतिभाशाली लेकिन अलग-थलग विशेषज्ञों (कामगारों) की एक टीम है। प्रत्येक विशेषज्ञ के पास एक विशाल पहेली का एक छोटा सा हिस्सा (डेटा का एक "शार्ड") है, लेकिन उनमें से कोई भी पूरी तस्वीर नहीं देख सकता। उनका काम अंतिम उत्तर ज्ञात करना है, लेकिन वे यह केवल एक-दूसरे से बात करके ही कर सकते हैं।
मुख्य प्रश्न जो यह शोध पत्र पूछता है: इन विशेषज्ञों को एक-दूसरे से कैसे बात करनी चाहिए?
क्या उन्हें एक साथ चिल्लाना चाहिए? क्या उन्हें एक घेरा बनाना चाहिए? क्या उन्हें एक लाइन में नोट्स पास करने चाहिए? या उन्हें एक विशिष्ट पदानुक्रम (hierarchy) बनाना चाहिए जहाँ कुछ लोग नोट्स एकत्र करते हैं और उन्हें ऊपर भेजते हैं?
अधिकांश कंप्यूटर प्रणालियों में, इंजीनियर यह चुनने के लिए एक तरीका (एक "फिक्स्ड टोपोलॉजी") चुनते हैं और उसी पर टिके रहते हैं। यह पेपर क्वीनबी प्लानर (QueenBee Planner) पेश करता है, जो केवल एक कनेक्शन स्टाइल नहीं चुनता; बल्कि यह काम के लिए सबसे अच्छा संवाद प्रवाह (conversation flow) डिजाइन करना सीखता है, और हर बार प्रयास करने के साथ यह और स्मार्ट होता जाता है।
यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. "आर्किटेक्ट" बनाम "वर्कर्स" (कामगार)
इस सिस्टम को दो अलग-अलग भूमिकाओं के रूप में सोचें:
- वर्कर्स (कामगार): ये वे विशेषज्ञ हैं जो वास्तविक गणित या तर्क (reasoning) कर रहे हैं। इस सिस्टम में, वे स्थिर (frozen) हैं। वे कुछ भी नया नहीं सीखते; वे बस अपना काम हमेशा की तरह करते हैं।
- क्वीनबी प्लानर (The QueenBee Planner): यह "आर्किटेक्ट" है। यह गणित नहीं करता। इसका एकमात्र काम एक मानचित्र (एक "कम्युनिकेशन DAG") खींचना है जो कहता है: "राउंड 1 में, विशेषज्ञ A, विशेषज्ञ B को एक नोट भेजता है। राउंड 2 में, विशेषज्ञ B अपने नोट्स के साथ इसे मिलाता है और इसे विशेषज्ञ C को भेजता है।"
जादू यह है कि आर्किटेक्ट सीखता है। यह अलग-अलग मानचित्रों का परीक्षण करता है, देखता है कि कौन से मानचित्र कम बातचीत के साथ सही उत्तर प्राप्त करते हैं, और अगली बार के लिए अच्छे मानचित्रों को याद रखता है।
2. "स्किल बैंक" (आर्किटेक्ट की नोटबुक)
सिर्फ अनुमान लगाने के बजाय, आर्किटेक्ट "डिज़ाइन स्किल्स" की एक नोटबुक रखता है। ये किसी विशिष्ट पहेली के उत्तर नहीं हैं; ये लोगों को जोड़ने के तरीकों के बारे में नियम हैं।
- प्रिजर्व (Preserve - सुरक्षित रखना): "अरे, इस विशिष्ट तरीके से नोट्स पास करना पिछली बार बहुत अच्छा रहा था। चलो इसे जारी रखते हैं।"
- मॉडिफाई (Modify - संशोधित करना): "यह नोट-पासिंग पैटर्न काम कर गया, लेकिन अब हमारे पास थोड़ा अलग पहेली है। आइए इसमें थोड़ा बदलाव करें।"
- अवॉइड (Avoid - बचना): "पिछली बार हमने इस विशिष्ट पैटर्न को आज़माया था, जिससे सब भ्रमित हो गए और उत्तर गलत आया। ऐसा फिर कभी न करें।"
3. "सेफ्टी गेट्स" (बुरी आदतों को रोकना)
यह पेपर इस बात पर बहुत ध्यान देता है कि आर्किटेक्ट कैसे सीखता है। वह जानता है कि कभी-कभी आपको कोई भाग्यशाली अनुमान या संयोग मिल सकता है। यदि आर्किटेक्ट केवल हर भाग्यशाली जीत को याद कर लेता, तो वह गलत निर्णय लेना शुरू कर देता।
इसलिए, सिस्टम में नोटबुक में कुछ भी लिखने से पहले सख्त "सेफ्टी गेट्स" होते हैं:
- "होल्ड-आउट" टेस्ट: आर्किटेक्ट केवल यह नहीं कह सकता कि, "मैंने अभ्यास परीक्षण में अच्छा किया, इसलिए मैं स्मार्ट हूँ।" उसे यह साबित करना होगा कि वह एक नए परीक्षण में भी अच्छा कर सकता है जिसे उसने पहले नहीं देखा है।
- "लकी रन" चेक: यदि कोई डिज़ाइन केवल संयोग से एक बार सफल हुआ है, तो सिस्टम उसे अनदेखा कर देता है। उसे नोटबुक में जोड़ने से पहले उस डिज़ाइन को लगातार सफल होते हुए देखना आवश्यक है।
- "फॉल्सिफिकेशन" (Falsification) चेक: यदि आर्किटेक्ट एक फैंसी स्पष्टीकरण देता है कि कोई डिज़ाइन क्यों काम करता है, तो सिस्टम उसे गलत साबित करने की कोशिश करता है। यदि वह स्पष्टीकरण परीक्षण में टिक नहीं पाता, तो उस डिज़ाइन को नोटबुक में नहीं जोड़ा जाता।
4. परिणाम: स्मार्ट मैप्स, कम शोर
शोधकर्ताओं ने इसे दो प्रकार के कार्यों पर परखा:
- काउंटिंग फ्रीक्वेंसी (CF): एक कार्य जहाँ टीम को एक विशाल सूची में नंबर कितनी बार आते हैं, इसकी गिनती करनी होती है।
- साइलो टास्क (Silo Tasks): एक कार्य जहाँ जानकारी अलग-अलग "साइलो" (silos) में छिपी होती है, और टीम को वैश्विक उत्तर खोजने के लिए समन्वय करना होता है।
क्या हुआ?
- फिक्स्ड टोपोलॉजी: जब टीम ने एक पूर्व-निर्धारित कनेक्शन स्टाइल (जैसे एक मानक ट्री या सर्कल) का उपयोग किया, तो उन्होंने गलतियाँ कीं और बहुत अधिक "टोकन" (कंप्यूटर ऊर्जा/पैसा) खर्च किए।
- कोल्ड जनरेशन (Cold Generation): जब आर्किटेक्ट ने बिना किसी स्मृति के शून्य से एक मानचित्र बनाने की कोशिश की, तो यह अस्थिर और अक्सर गलत रहा।
- क्वीनबी (स्व-विकसित): सीखने के कुछ दौरों के बाद, आर्किटेक्ट ने हाइब्रिड मैप्स बनाना शुरू कर दिया। ये मैप्स अक्सर फिक्स्ड मैप्स की तुलना में सरल और अधिक प्रत्यक्ष थे।
- काउंटिंग टास्क में, क्वीनबी सिस्टम ने त्रुटियों को 37% तक कम किया और सबसे अच्छे फिक्स्ड मेथड की तुलना में लागत (संदेश और कंप्यूटर कॉल) को आधे से अधिक कम कर दिया।
- "साइलो" कार्यों में, सिस्टम ने एक "परफेक्ट" फिक्स्ड मैप की तुलना में भी बेहतर समन्वय करना सीख लिया।
मुख्य निष्कर्ष
यह पेपर तर्क देता है कि आर्किटेक्चर (एजेंट कैसे जुड़े हुए हैं) एजेंटों की बुद्धिमत्ता जितनी ही महत्वपूर्ण है।
कनेक्ट करने के तरीके को एक "सीखने योग्य कौशल" के रूप में मानकर, सिस्टम समय के साथ बेहतर संचार नेटवर्क बनाना सीख जाता है। यह केवल उत्तरों को याद नहीं करता; यह समस्याओं को कुशलतापूर्वक हल करने के लिए ब्लूप्रिंट सीखना सीखता है। वर्कर्स वही रहते हैं, लेकिन जिस तरह से वे एक-दूसरे से बात करते हैं, वह तेज़, सस्ता और अधिक सटीक होने के लिए विकसित होता 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।