COOPA: A Modular LLM Agent Architecture for Operations Research Problems
COOPA एक मॉड्यूलर LLM-एजेंट आर्किटेक्चर है जो पुनरावृत्ति-आधारित आत्मविश्वास मॉडलिंग (iterative confidence-based modeling), तत्व-स्तरीय प्रोवेनेंस स्पष्टीकरण (element-level provenance explanations) और मल्टी-सॉल्वर रूटिंग के माध्यम से ऑपरेशंस रिसर्च निर्णय सहायता को बढ़ाता है, जिससे विविध बेंचमार्क पर अत्याधुनिक सटीकता और व्याख्यात्मकता प्राप्त होती 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 आप एक जटिल मशीन बनाने की कोशिश कर रहे हैं, जैसे कि एक कस्टम कार, जो एक ग्राहक द्वारा लिखे गए अस्पष्ट विवरण पर आधारित है। आपको निर्माण शुरू करने से पहले सटीक पुर्जों, इंजन के स्पेसिफिकेशन और सुरक्षा नियमों को समझना होगा।
ऑपरेशंस रिसर्च (OR) वह गणित का क्षेत्र है जिसका उपयोग इस तरह के उच्च-जोखिम वाले निर्णय लेने के लिए किया जाता है (जैसे कि डिलीवरी ट्रकों को रूट करना या फैक्ट्री वर्कर्स का शेड्यूल बनाना)। समस्या यह है कि इसे मैन्युअल रूप से करने के लिए पीएचडी-स्तर के विशेषज्ञ की आवश्यकता होती है।
हाल ही में, हमने लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करने की कोशिश की है—वही प्रकार का AI जो कविता या कोड लिखता है—इस गणित को हमारे लिए करने के लिए। लेकिन यह पेपर तर्क देता है कि वर्तमान AI प्रयास एक बहुत ही आत्मविश्वासी लेकिन थोड़े भ्रमित इंटर्न को काम पर रखने जैसा है: वे अक्सर बुनियादी गणित में गलती करते हैं, वे यह नहीं बताते कि उन्होंने गलती क्यों की, और वे केवल एक विशिष्ट प्रकार के टूल का उपयोग कर सकते हैं।
पेश है COOPA (COoperative OPerations Agent)। CO-OPA को एक एकल कार्यकर्ता के रूप में नहीं, बल्कि एक विशेषज्ञ निर्माण दल (specialized construction crew) के रूप में समझें जिसे इन गणितीय मॉडलों को सही ढंग से बनाने के लिए डिज़ाइन किया गया है। यह तीन मुख्य उपकरणों का उपयोग करके कैसे काम करता है, यहाँ दिया गया है:
1. "दूसरी राय" वाली टीम (इटरेटिव कॉन्फिडेंस-बेस्ड मॉडलिंग)
वर्तमान AI आमतौर पर एक बार समस्या को हल करने की कोशिश करता है, कोड लिखता है, और उम्मीद करता है कि यह काम करेगा। यदि गणित गलत है, तो कोड अभी भी चल सकता है, लेकिन यह गलत उत्तर देगा।
COOPA अलग है। कल्पना कीजिए कि आपने एक कार के लिए ब्लूप्रिंट बनाने के लिए तीन अलग-अलग आर्किटेक्ट्स को कहा।
- चरण A: वे अपने स्वयं के संस्करणों के ब्लूप्रिंट बनाते हैं।
- चरण B: एक "सेफ्टी इंस्पेक्टर" (AI स्वयं) प्रत्येक ब्लूप्रिंट की समीक्षा करता है। यह केवल "अच्छा" या "बुरा" नहीं कहता। यह चार विशिष्ट भागों के लिए कॉन्फिडेंस स्कोर (0–100) देता है: पुर्जों की सूची (पैरामीटर्स), चलने वाले हिस्से (वेरिएबल्स), लक्ष्य (ऑब्जेक्टिव), और सुरक्षा नियम (कॉन्स्ट्रेंट्स)।
- चरण C: सिस्टम उस ब्लूप्रिंट को चुनता है जिसमें उच्चतम "वर्स्ट-केस" (सबसे खराब स्थिति वाला) स्कोर होता है।
उपमा: यदि आर्किटेक्ट A के पास एक बेहतरीन इंजन है लेकिन एक खराब सुरक्षा नियम है (स्कोर: 90, 90, 90, 30), और आर्किटेक्ट B के पास थोड़ा कमजोर इंजन है लेकिन बेहतरीन सुरक्षा है (स्कोर: 85, 85, 85, 95), तो COOPA आर्किटेक्ट B को चुनता है। वह जानता है कि एक कमजोर कड़ी पूरे चैन को तोड़ देती है। यह प्रक्रिया कुछ बार दोहराई जाती है, जिससे AI को मशीन बनाना शुरू करने से पहले अपनी गलतियों को सुधारने का मौका मिलता है।
2. "पेपर ट्रेल" (सोर्स ट्रेसेबिलिटी)
जब वर्तमान AI आपको कोई उत्तर देता है, तो वह अक्सर एक "ब्लैक बॉक्स" की तरह होता है। आपको एक संख्या मिलती है, लेकिन आप नहीं जानते कि वह कहाँ से आई। यदि आप पूछते हैं, "आपने वर्कर A को स्टेशन 5 पर क्यों लगाया?", तो AI बस कह सकता है, "क्योंकि मैंने ऐसा कहा।"
COOPA एक सूक्ष्म फोरेंसिक अकाउंटेंट की तरह कार्य करता है।
- जब भी यह कोई वेरिएबल या नियम लिखता है, तो यह मूल समस्या विवरण से उस सटीक वाक्य को उद्धृत करते हुए एक "स्टीकी नोट" संलग्न करता है जिसने इसे उचित ठहराया था।
- लाभ: यदि अंतिम उत्तर गलत है, तो एक मानव विशेषज्ञ तुरंत "स्टीकी नोट्स" को देख सकता है, देख सकता है कि AI ने एक वाक्य को गलत पढ़ा है, और उसे ठीक कर सकता है। यह एक रहस्य को एक पारदर्शी ऑडिट ट्रेल में बदल देता है।
3. "विशेष टूल शेड" (मल्टी-सॉल्वर डिस्पैच)
कल्पना कीजिए कि आपके पास एक टूलबॉक्स है। यदि आपको कील ठोकने की आवश्यकता है, तो आप हथौड़ा उपयोग करते हैं। यदि आपको लकड़ी काटनी है, तो आप आरी का उपयोग करते हैं।
- वर्तमान AI सिस्टम अक्सर हर चीज़ के लिए एक स्विस आर्मी नाइफ का उपयोग करने की कोशिश करते हैं। वे हर गणितीय समस्या को एक विशिष्ट प्रारूप (जैसे रैखिक समीकरण) में जबरदस्ती फिट करने की कोशिश करते हैं, भले ही समस्या वास्तव में एक जटिल पहेली हो जिसके लिए अलग दृष्टिकोण की आवश्यकता हो।
- COOPA के पास चार अलग-अलग विशेषज्ञों वाला एक टूल शेड है:
- गणितज्ञ (The Mathematician): मानक बीजगणित और रैखिक समीकरणों को संभालता है।
- कॉम्बिनेटोरिक्स विशेषज्ञ (The Combinatorics Expert): रूटिंग और शेड्यूलिंग पहेलियों (जैसे ट्रैवलिंग सेल्समैन समस्या) को संभालता है।
- मेटाहेयुरिस्टिक विशेषज्ञ (The Metaheuristic Expert): उन जटिल, नॉन-लीनियर समस्याओं को संभालता है जिन्हें इवोल्यूशनरी एल्गोरिदम की आवश्यकता होती है (जैसे कार के पुर्जे का सबसे अच्छा आकार खोजना)।
- जनरलिस्ट (The Generalist): कस्टम सिमुलेशन को संभालता है।
COOPA समस्या को देखता है, पहचानता है कि यह किस प्रकार की "पहेली" है, और इसे सही विशेषज्ञ को सौंप देता है। इसका मतलब है कि यह चौकोर खांचे में गोल चीज़ डालने की कोशिश नहीं करता।
परिणाम: क्या यह काम करता है?
लेखकों ने तीन अलग-अलग गणितीय समस्याओं और आठ अलग-अलग "ब्रेन" मॉडल्स (GPT-5 से लेकर ओपन-सोर्स मॉडल्स तक) का उपयोग करके अन्य AI सिस्टम के मुकाबले COOPA का परीक्षण किया।
- स्कोर: COOPA सबसे अधिक बार जीता, जिसने 8 में से 6 अलग-अलग AI ब्रेन्स पर उच्चतम औसत सटीकता प्राप्त की।
- सुधार: सबसे मजबूत मॉडल्स पर, इसने सटीकता में 6.7 प्रतिशत अंक तक सुधार किया।
- सीक्रेट सॉस: पेपर ने पाया कि "सेकंड ओपिनियन टीम" (ब्लूप्रिंट जेनरेट करने और सर्वश्रेष्ठ को चुनने की इटरेटिव प्रक्रिया) इसकी सफलता का मुख्य कारण थी। इसके बिना, COOPA अन्य सिस्टमों के समान ही प्रदर्शन करता; इसके साथ, यह स्पष्ट विजेता बन गया।
कमी
पेपर स्वीकार करता है कि अन्य तरीकों की तुलना में CO-OPA को चलाना धीमा और अधिक महंगा है। क्योंकि यह AI को तीन बार सोचने, फिर से सोचने और अपने काम का मूल्यांकन करने के लिए कहता है, यह अधिक कंप्यूटिंग पावर का उपयोग करता है। हालांकि, लेखक तर्क देते हैं कि उच्च-जोखिम वाले निर्णयों (जैसे आपूर्ति श्रृंखला या सार्वजनिक नीति) के लिए, गणित को सही करने के लिए थोड़ा अतिरिक्त भुगतान करना सार्थक है।
संक्षेप में: CO-OPA एक ऐसा सिस्टम है जो AI को गणित में बेहतर बनाता है क्योंकि यह इसे दो बार सोचने, अपना काम दिखाने और सही टूल का उपयोग करने के लिए प्रेरित 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।