💻 computer science

TACO: Tool-Augmented Credit Optimization for Agentic Tool Use

यह शोध पत्र TACO को प्रस्तुत करता है, जो एक GRPO-आधारित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक स्व-पर्यवेक्षित, जज-मुक्त क्रेडिट असाइनमेंट तंत्र का उपयोग करके एजेंटिक मल्टीमॉडल मॉडलों को बढ़ाता है, ताकि उपयोगी टूल कॉल्स को सटीक रूप से अलग किया जा सके और उन्हें पुरस्कृत किया जा सके जबकि अनावश्यक या भ्रामक कॉल्स को दबाया जा सके, जिससे फाइन-ग्रेन्ड विजुअल क्वेश्चन आंसरिंग प्रदर्शन में सुधार होता है।

मूल लेखक: Mingkuan Feng, Jinyang Wu, Hao Gu, Fangrui Lv, Ruihan Jin, Chuyuan Zhang, Zhengqi Wen, Jianhua Tao

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mingkuan Feng, Jinyang Wu, Hao Gu, Fangrui Lv, Ruihan Jin, Chuyuan Zhang, Zhengqi Wen, Jianhua Tao

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 कभी-कभी बहुत अधिक उत्साही सहायक है जो एक तस्वीर का उपयोग करके एक पहेली को हल करने की कोशिश कर रहा है। यह सहायक पूरी तस्वीर को देख सकता है, लेकिन इसके पास एक विशेष उपकरण भी है: एक "डिजिटल आवर्धक लेंस" (कोड) जो इसे सूक्ष्म विवरणों पर ज़ूम करने, विशिष्ट हिस्सों को क्रॉप करने, या इसे पढ़ने में आसान बनाने के लिए छवि को घुमाने (रोटेट करने) की अनुमति देता है।

समस्या यह है कि इस सहायक को हमेशा यह नहीं पता होता कि आवर्धक लेंस का उपयोग कब करना है। कभी-कभी यह तब ज़ूम करता है जब इसकी आवश्यकता नहीं होती (समय बर्बाद करता है), कभी-कभी यह गलत जगह पर ज़ूम करता है (चीजों को और खराब कर देता है), और कभी-कभी यह ठीक वहीं ज़ूम करता है जहाँ इसकी आवश्यकता होती है (पहेली सुलझा देता है)।

यह शोध पत्र एक नया प्रशिक्षण तरीका पेश करता है जिसे TACO (टूल-ऑगमेंटेड क्रेडिट ऑप्टिमाइज़ेशन) कहा जाता है, जो इस सहायक को यह सिखाने के लिए है कि उसे अपने उपकरणों का उपयोग कब करना चाहिए और कब केवल अपनी आँखों से देखना चाहिए।

TACO कैसे काम करता है, इसे सरल उपमाओं के माध्यम से यहाँ समझाया गया है:

समस्या: "ग्रुप रिवॉर्ड" का जाल

मानक प्रशिक्षण में, यदि सहायक अंतिम उत्तर सही पाता है, तो सभी को एक गोल्ड स्टार मिलता है। यदि वह गलत होता है, तो सभी को थम्स डाउन मिलता है।

दोष: कल्पना कीजिए कि सहायक ने अपने दिमाग में सही उत्तर निकाल लिया था, लेकिन फिर उसने छवि के किसी यादृच्छिक हिस्से पर ज़ूम करने का निर्णय लिया, भ्रमित हो गया, और गलत उत्तर दे दिया। मानक प्रशिक्षण में, सहायक को पूरी प्रक्रिया के लिए दंडित किया जाता है, भले ही उसका प्रारंभिक तर्क एकदम सही था। इसके विपरीत, यदि उसने भाग्य से सही उत्तर का अनुमान लगाया लेकिन फिर अनावश्यक रूप से ज़ूम करने में समय बर्बाद किया, तो भी उसे गोल्ड स्टार मिलता है। यह सहायक को आलसी या अराजक बनाता है।

समाधान: TACO की दो-भाग वाली प्रणाली

TACO इसे दो विशिष्ट चैनलों में फीडबैक को विभाजित करके ठीक करता है, जैसे कि एक कोच दो अलग-अलग प्रकार की सलाह दे रहा हो।

1. "क्या होगा अगर" परीक्षण (DAPR)

उपमा: एक जासूस की कल्पना करें जो आवर्धक लेंस का उपयोग करने से ठीक पहले रुकता है और पूछता है, "यदि मैं इस उपकरण का उपयोग नहीं करता, तो मैं क्या अनुमान लगाता?"

यह कैसे काम करता है: AI को अपना कोड चलाने से पहले रुकने के लिए मजबूर किया जाता है। वह जो अभी देख रहा है उसके आधार पर वह एक त्वरित अनुमान लगाता है। फिर, वह कोड चलाता है (ज़ूम/क्रॉप), नए दृश्य को देखता है, और दूसरा अनुमान लगाता है।
स्कोर:
- यदि पहला अनुमान गलत था और दूसरा अनुमान (ज़ूम करने के बाद) सही है, तो उपकरण को सकारात्मक स्कोर मिलता है (बहुत बढ़िया!)।
- यदि पहला अनुमान सही था और दूसरा अनुमान (ज़ूम करने के बाद) गलत हो जाता है, तो उपकरण को नकारात्मक स्कोर मिलता है (बुरा कदम, आपने खुद को भ्रमित कर दिया!)।
- यदि उत्तर नहीं बदला, तो स्कोर शून्य है (तटस्थ)।
यह क्यों स्मार्ट है: यह "स्व-पर्यवेक्षित" (self-supervised) है। AI बिना किसी मानव शिक्षक या बाहरी AI की मदद के खुद का मूल्यांकन करता है। यह "धोखाधड़ी" को भी रोकता है क्योंकि AI अपने विचारों के बीच में उत्तर नहीं लिख सकता; "पहले" और "बाद" के अनुमान के बीच का अंतर किसी भी धोखाधड़ी को रद्द कर देता है।

2. "कौन जिम्मेदार है?" गेट (OGAR)

उपमा: एक शिक्षक की कल्पना करें जो ग्रुप प्रोजेक्ट को ग्रेड दे रहा है। यदि समूह विफल होता है, तो शिक्षक को यह जानने की आवश्यकता है कि किसने गलती की ताकि वे उस छात्र को दंडित न करें जिसने सही काम किया था।

यह कैसे काम करता है: TACO ऊपर दिए गए "क्या होगा अगर" परीक्षण के परिणाम को देखता है।
- यदि उपकरण उपयोगी था: AI को पूरे विचार की श्रृंखला (उपकरण का उपयोग करने से पहले का तर्क + स्वयं उपकरण) के लिए श्रेय मिलता है।
- यदि उपकरण हानिकारक था: AI को केवल उस हिस्से के लिए दंडित किया जाता है जहाँ उसने उपकरण का उपयोग किया। उपकरण का उपयोग करने से पहले जो स्मार्ट तर्क उसने दिया था, उसे सुरक्षित रखा जाता है और दंडित नहीं किया जाता।
- यदि उपकरण अनावश्यक था: यदि AI पहले से ही उत्तर जानता था लेकिन फिर भी उपकरण का उपयोग किया, तो उपकरण वाले हिस्से को कोई श्रेय नहीं मिलता। यह AI को आसान सवालों पर समय बर्बाद करना बंद करने के लिए सिखाता है।

परिणाम: एक स्मार्ट, तेज़ सहायक

इस प्रणाली का उपयोग करके, AI एक बहुत ही विशिष्ट व्यवहार सीखता है:

यह उपकरणों का अत्यधिक उपयोग करना बंद कर देता है। यह सीख जाता है कि यदि इसे पहले से ही उत्तर पता है, तो ज़ूम करना समय की बर्बादी है और इससे कोई इनाम नहीं मिलता।
यह ऐसे उपकरणों का उपयोग करना बंद कर देता है जो नुकसान पहुँचाते हैं। यह सीख जाता है कि यदि ज़ूम करने से वह भ्रमित हो जाता है, तो उसे नकारात्मक स्कोर मिलेगा, इसलिए वह ऐसा करना बंद कर देता है।
यह कुशल बनता है। क्योंकि यह उपकरण का उपयोग तभी करता है जब वास्तव में मदद मिलती है, यह समस्याओं को तेज़ी से (कम लेटेंसी के साथ) और अधिक सटीकता से हल करता है।

पेपर से वास्तविक दुनिया के उदाहरण

पेपर ने इन कार्यों पर इसका परीक्षण किया:

बारीक टेक्स्ट पढ़ना: बैंक का नाम पढ़ने के लिए धुंधले साइन पर ज़ूम करना (उपयोगी!)।
ओरिएंटेशन ठीक करना: बस के रूट नंबर को पढ़ने के लिए एक टेढ़ी फोटो को घुमाना (उपयोगी!)।
गणित: भिन्न (fraction) की गणना करने के लिए कोड का उपयोग करना (उपयोगी!)।
गलतियाँ: एक मामले में, AI ने एक चार्ट पर ज़ूम करने की कोशिश की, लेकिन ज़ूम करने से रेखाएं इतनी घनी हो गईं कि उन्हें पढ़ना मुश्किल हो गया, जिससे उसका सही अनुमान गलत में बदल गया। TACO ने AI को यह पहचानने में सक्षम बनाया कि ऐसा क्यों हुआ और इसे रोकने के लिए सिखाया।

सारांश

TACO एक कोच की तरह है जो AI को न केवल यह सिखाता है कि आवर्धक लेंस का उपयोग कैसे करना है, बल्कि यह भी कि इसका उपयोग कब करना है। यह AI को केवल तभी पुरस्कृत करता है जब उपकरण वास्तव में एक गलत उत्तर को सही में बदल देता है, और यह AI के अच्छे तर्क को दंडित होने से बचाता है यदि एक बुरा टूल चुनाव अंतिम परिणाम को बिगाड़ देता है। परिणाम स्वरूप, एक AI जो अधिक स्मार्ट और तेज़ है क्योंकि वह जानता है कि कब कार्य करना है और कब केवल देखना है।

तकनीकी सारांश: TACO – एजेंटिक टूल उपयोग के लिए टूल-ऑगमेंटेड क्रेडिट ऑप्टिमाइज़ेशन

1. समस्या विवरण (Problem Statement)

एजेंटिक मल्टीमॉडल मॉडल जो कोड लिखकर और निष्पादित करके (जैसे, इमेज को क्रॉप करना, ज़ूम करना या ट्रांसफॉर्म करना) छवियों के साथ "सोचते" हैं, वे सूक्ष्म विज़ुअल क्वेश्चन अनswering (VQA) के लिए एक आशाजनक प्रतिमान (paradigm) का प्रतिनिधित्व करते हैं। हालाँकि, मौजूदा रिइन्फोर्समेंट लर्निंग फ्रॉम वेरीफिएबल रिवार्ड्स (RLVR) दृष्टिकोण एक महत्वपूर्ण सीमा का सामना करते हैं: आउटकम-ओनली रिवार्ड्स (जो केवल अंतिम उत्तर पर आधारित होते हैं) उपयोगी, अनावश्यक, या भ्रामक टूल कॉल्स के बीच अंतर नहीं कर सकते।

क्रेडिट असाइनमेंट गैप (The Credit Assignment Gap): मानक RLVR पूरे ट्राजेक्टरी (trajectory) को अंतिम रिवॉर्ड असाइन करता है। इसके परिणामस्वरूप, यदि बाद की गलतियों के कारण अंतिम उत्तर गलत हो जाता है, तो एक सहायक टूल कॉल को कम रिवॉर्ड मिल सकता है, या यदि मॉडल संयोग से सही उत्तर का अनुमान लगा लेता है, तो एक हानिकारक कॉल को रिवॉर्ड मिल सकता है।
कन्फाउंडिंग फैक्टर (The Confounding Factor): हालिया विश्लेषण संकेत देते हैं कि टूल-यूज़ RL में सटीकता में वृद्धि अक्सर टूल के बजाय मॉडल के आंतरिक सुधार द्वारा संचालित होती है।
मौजूदा प्रोसेस रिवार्ड्स की सीमाएं (Limitations of Existing Process Rewards): टेक्स्ट रीजनिंग के लिए स्टेप-वाइज रिवार्ड्स बाहरी टूल ऑब्जर्वेशन को अलग नहीं कर सकते, जबकि टूल आउटपुट पर परिभाषित प्रोसेस रिवार्ड्स अक्सर महंगे बाहरी जज मॉडल्स (जैसे, GPT-4o) पर निर्भर करते हैं और यह निर्धारित करने में विफल रहते हैं कि क्या किसी कॉल ने वास्तव में उत्तर की शुद्धता को बदला है।

मुख्य चुनौती एक सेल्फ-सुपरवाइज्ड, जज-फ्री सिग्नल विकसित करना है जो टूल कॉल को उसके अंतिम शुद्धता पर विशिष्ट प्रभाव के आधार पर स्कोर करे और केवल उन टोकन को क्रेडिट प्रदान करे जो उस कॉल के लिए जिम्मेदार हैं।

2. कार्यप्रणाली: TACO (Methodology: TACO)

लेखक टूल-ऑगमेंटेड क्रेडिट ऑप्टिमाइज़ेशन (TACO) का प्रस्ताव करते हैं, जो कोड-टूल विज़ुअल एजेंट्स के लिए डिज़ाइन किया गया ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) का एक वेरिएंट है। TACO क्रेडिट असाइनमेंट समस्या को हल करने के लिए दो अलग-अलग एडवांटेज चैनल्स को जोड़ता है:

2.1 डिफरेंशियल आंसर-प्रोब रिवॉर्ड (DAPR)

DAPR एक सेल्फ-सुपरवाइज्ड, जज-फ्री रिवॉर्ड है जो एक टूल कॉल के मार्जिनल वैल्यू को मापता है।

तंत्र (Mechanism): यह विधि रीजनिंग ट्राजेक्टरी में दो हल्के "प्रोब्स" (probes) डालती है:
1. प्री-टूल प्रोब (टूल-ऑफ): प्रारंभिक रीजनिंग ( $T_1$ ) के बाद लेकिन कोड निष्पादन से पहले, मॉडल को संदर्भ $(q, I, T_1)$ के आधार पर एक उत्तर ( $a_1$ ) जेनरेट करने के लिए प्रॉम्प्ट किया जाता है।
2. पोस्ट-टूल प्रोब (टूल-ऑन): टूल के निष्पादित होने और मॉडल द्वारा नए ऑब्जर्वेशन पर तर्क करने के बाद ( $T_2$ ), मॉडल टूल आउटपुट सहित पूर्ण संदर्भ के आधार पर दूसरा उत्तर ( $a_2$ ) जेनरेट करता है।
स्कोरिंग: दोनों उत्तरों को एक रूल-बेस्ड आंसर चेकर ( $r_{out} \in \{-1, 0, +1\}$ $r_{o u t} \in {- 1, 0, + 1}$ का उपयोग करके स्कोर किया जाता है। टूल-वैल्यू रिवॉर्ड अंतर है: $\Delta = r_{out}(a_2) - r_{out}(a_1)$ $Δ = r_{o u t} (a_{2}) - r_{o u t} (a_{1})$ ।
- $\Delta > 0$ : उपयोगी कॉल (गलत को सही में बदलता है)।
- $\Delta < 0$ : भ्रामक कॉल (सही को गलत में बदलता है)।
- $\Delta = 0$ : अनावश्यक या अप्रभावी कॉल।
मजबूती (Robustness): डिफरेंसिंग (अंतर निकालने) के माध्यम से, DAPR मॉडल के पूर्व-मौजूदा ज्ञान और बेसलाइन प्रदर्शन को रद्द कर देता है। यह डिज़ाइन स्वाभाविक रूप से "प्रोब-हैकिंग" से बचाव करता है, जहाँ मॉडल सिंगल प्रोब स्कोर को बढ़ाने के लिए रीजनिंग ट्रेस में समय से पहले उत्तर लिख सकता है; चूंकि दोनों प्रोब एक ही प्री-टूल स्टेट को पढ़ते हैं, इसलिए ऐसा लीकेज दोनों को समान रूप से प्रभावित करता है, जिससे $\Delta$ अपरिवर्तित रहता है।

2.2 आउटकम-गेटेड एडवांटेज रूटिंग (OGAR)

एक स्केलर टूल वैल्यू अपर्याप्त है; रिवॉर्ड सिग्नल को उन विशिष्ट टोकन तक पहुँचाया जाना चाहिए जो परिणाम के लिए जिम्मेदार हैं। OGAR एक पैरामीटर-फ्री, टोकन-लेवल नियम है जो टूल कॉल के परिणाम ( $\Delta$ ) के आधार पर फाइनल-आंसर एडवांटेज ( $A_1$ ) को गेट करता है।

रूटिंग लॉजिक (Routing Logic):
- उपयोगी ( $\Delta > 0$ ): पूरी ट्राजेक्टरी (प्री-टूल रीजनिंग, कोड, और पोस्ट-टूल रीजनिंग) को सकारात्मक क्रेडिट प्राप्त होता है।
- भ्रामक ( $\Delta < 0$ ): दोष केवल टूल ब्रांच (कोड और पोस्ट-टूल रीजनिंग) को सौंपा जाता है। प्री-टूल रीजनिंग ( $T_1$ ) को दंड से सुरक्षित रखा जाता है, जिससे मॉडल को सही प्रारंभिक रीजनिंग पर अविश्वास करने से रोका जा सके।
- सही-लेकिन-अनावश्यक ( $\Delta = 0, a_1$ सही): टूल ब्रांच को क्रेडिट से वंचित कर दिया जाता है (सप्रेस किया जाता है), जिससे मॉडल को अनावश्यक कॉल्स से बचने की शिक्षा मिलती है।
- आवश्यक-लेकिन-विफल ( $\Delta = 0, a_1$ गलत): कठिन आइटम्स पर अन्वेषण (exploration) को प्रोत्साहित करने के लिए टूल ब्रांच से दोष को रोक लिया जाता है।
कार्यान्वयन (Implementation): अंतिम एडवांटेज $A_1$ को एक गेट $m[t]$ द्वारा मास्क किया जाता है जो केवल जिम्मेदार सेगमेंट के लिए सक्रिय होता है। प्रोसेस चैनल ( $A_2$ , जो $\Delta$ से प्राप्त होता है) केवल तभी सक्रिय होता है जब $\Delta \ge 0$ हो।

2.3 ट्रेनिंग पाइपलाइन (Training Pipeline)

TACO को दो-चरणीय पाइपलाइन के माध्यम से प्रशिक्षित किया जाता है:

SFT कोल्ड-स्टार्ट: रीजनिंग, कोड और टूल आउटपुट्स को इंटरलीव करने वाली ट्राजेक्टरीज पर सुपरवाइज्ड फाइन-ट्यूनिंग ताकि Think-Code-Answer फॉर्मेट स्थापित किया जा सके।
गेटेड एडवांटेज के साथ RL: युग्मित ऑब्जेक्टिव $L_{TACO} = \alpha_1 L_{GRPO}(m \odot A_1) + \alpha_2 L_{GRPO}(g A_2)$ का उपयोग करके GRPO ऑप्टिमाइज़ेशन, जहाँ $g$ एक ट्राजेक्टरी-लेवल गेट है जो भ्रामक कॉल्स के लिए प्रोसेस चैनल को डिसेबल करता है।

3. मुख्य योगदान (Key Contributions)

TACO फ्रेमवर्क: एक GRPO वेरिएंट जो बिना किसी बाहरी जज के टूल-कॉल-लेवल लर्निंग सिग्नल प्रदान करने के लिए DAPR और OGAR को एकीकृत करता है।
DAPR: एक अभिनव रिवॉर्ड मैकेनिज्म जो बिफोर/आफ्टर प्रोब डिफरेंस के माध्यम से टूल कॉल्स को स्कोर करता है। यह जज-फ्री है, इसमें लगभग शून्य API लागत आती है, और यह प्रोब-हैकिंग के प्रति मजबूत है।
OGAR: एक पैरामीटर-फ्री रूटिंग नियम जो टूल कॉल के परिणाम के आधार पर सख्ती से क्रेडिट या दोष सौंपता है, जिससे स्पष्ट कॉस्ट टर्म्स के बिना भी अनावश्यक कॉल्स को दबाया जाता है।
प्रोब-हैकिंग डिफेंस: पेपर एक जेनेरेटिव प्रोब विफलता मोड का निदान करता है जहाँ मॉडल जल्दी उत्तर "लीक" करते हैं। यह प्रदर्शित करता है कि डिफरेंशियल अप्रोच (DAPR) इस हमले को बेअसर कर देता है, जबकि एडिटिव प्रोब रिवार्ड्स असुरक्षित होते हैं।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने धारणा (perception), तर्क (reasoning), और सामान्य मल्टीमॉडल कार्यों पर 12 बेंचमार्क पर एक 7B पैरामीटर मॉडल (Qwen2.5-VL-7B) का उपयोग करके TACO का मूल्यांकन किया।

प्रदर्शन (Performance): TACO ने 68.1% की मैक्रो-एवरेज एक्यूरेसी हासिल की, जो मौजूदा सर्वश्रेष्ठ कोड-टूल एजेंट (PyVision-RL-7B, 63.7%) को 4.4 अंकों से पीछे छोड़ देती है। इसने Thyme-7B, DeepEyes-7B, और CodeV-RL-7B जैसे अन्य मजबूत बेसलाइन्स को 5.6 से 8.1 अंकों से पछाड़ दिया।
प्रोपराइटरी मॉडल्स के साथ तुलना: एक 7B मॉडल के रूप में, TACO ने क्लोज्ड-सोर्स GPT-4o (68.1% बनाम 58.5%) को काफी बेहतर प्रदर्शन किया।
दक्षता (Efficiency): TACO सबसे सटीक और तेज़ एजेंट था। केवल आवश्यकता होने पर ही टूल्स को बुलाना सीखकर, इसने उच्च सटीकता बनाए रखते हुए एंड-टू-एंड लेटेंसी (जैसे, V* पर 2.3s बनाम PyVision के लिए 3.6s) को कम किया।
सामान्यीकरण (Generalization): विधि विभिन्न बेस मॉडल्स पर सामान्यीकृत हुई, जिससे Qwen3-VL-8B में 72.9% से 78.8% तक सुधार हुआ, जो दर्शाता है कि लाभ क्रेडिट-असाइनमेंट मैकेनिज्म से आते हैं न कि बेस मॉडल से।
एब्लेशन स्टडीज (Ablation Studies): DAPR को हटाने से प्रदर्शन में 4.5 अंक की गिरावट आई (प्रोब-हैकिंग कमजोरियों को फिर से खोल दिया), और OGAR को हटाने से प्रदर्शन में 2.0 अंक की गिरावट आई (क्रेडिट असाइनमेंट को धुंधला कर दिया)।

5. महत्व और दावे (Significance and Claims)

पेपर का दावा है कि TACO एजेंटिक टूल उपयोग की मौलिक बाधा को संबोधित करता है: यह सीखना कि कौन से टूल कॉल्स करना सार्थक है।

डेटा के बजाय मैकेनिज्म: लेखक दावा करते हैं कि प्रदर्शन में सुधार क्रेडिट-असाइनमेंट मैकेनिज्म (DAPR + OGAR) द्वारा संचालित है, न कि बेस मॉडल या डेटा द्वारा, जैसा कि विभिन्न बैकबोन पर निरंतर सुधार से सिद्ध होता है।
सेल्फ-सुपरविजन: यह कार्य प्रदर्शित करता है कि टूल उपयोग के लिए एक उच्च-गुणवत्ता वाला, सूक्ष्म रिवॉर्ड सिग्नल पूरी तरह से एजेंट के अपने आउटकम रिवार्ड्स के डिफरेंसिंग से प्राप्त किया जा सकता है, जिससे महंगे बाहरी जजों या सहायक कॉस्ट टर्म्स की आवश्यकता समाप्त हो जाती है।
व्यवहार परिवर्तन (Behavioral Shift): TACO एजेंटों को सफलतापूर्वक प्रशिक्षित करता है कि वे "वहाँ क्रॉप करें जहाँ यह मदद करता है, न कि अत्यधिक कॉल करें," जिससे एक ऐसी स्थिति प्राप्त होती है जहाँ एजेंट उन टूल्स से बचता है जो शुद्धता में योगदान नहीं देते हैं, जिससे सटीकता और इन्फरेंस दक्षता दोनों में सुधार होता है।

लेखक इसके दायरे के संबंध में विनम्र बने हुए हैं, यह नोट करते हुए कि यह विधि रूल-बेस्ड चेकर्स (वेरिफिएबल उत्तर) पर निर्भर करती है और वर्तमान में सिंगल-कॉल रेजीम में सबसे सुचारू रूप से काम करती है, जिससे मल्टी-कॉल एट्रिब्यूशन और ओपन-एंडेड जनरेशन भविष्य के कार्य के रूप में शेष रहते हैं।