ShopX: A Foundation Model for Intent-to-Item Fulfillment in Agentic Shopping
यह शोध पत्र ShopX को प्रस्तुत करता है, जो एक ऐसा फाउंडेशन मॉडल है जो इरादे की समझ (intent understanding), निष्पादन योजना (execution planning) और सिमेंटिक आईडी-आधारित आइटम-स्पेस ऑपरेशंस को एकीकृत करता है ताकि एजेंटिक शॉपिंग वर्कफ़्लो में प्रत्यक्ष और लचीला पूर्ति (fulfillment) सक्षम किया जा सके, जिससे पारंपरिक LLM-रैप्ड सर्च पाइपलाइनों की सीमाओं को दूर किया जा सके और ताओबाओ (Taobao) के प्रोडक्शन डेटा का उपयोग करके जटिल कार्यों पर बेहतर प्रदर्शन प्रदर्शित किया जा सके।
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
यहाँ ShopX पेपर का विवरण दिया गया है, जिसे रोज़मर्रा की भाषा और रचनात्मक उपमाओं (analogies) के साथ अनुवादित किया गया है।
बड़ी समस्या: "अनुवादक" (Translator) की बाधा
कल्पना कीजिए कि आप एक विशाल, अस्त-व्यस्त flea market (इंटरनेट का शॉपिंग कैटलॉग) में हैं। आप एक विशिष्ट पोशाक खरीदना चाहते हैं: "थीम पार्क जाने के लिए एक प्यारा, पेस्टल-रंग का रेनकोट जो दिन भर चलने के लिए आरामदायक हो।"
पुराने तरीके में (जिसे पेपर "Tool-Mediated" कहता है), आपको एक मानव सहायक (AI एजेंट) से बात करनी पड़ती है। सहायक आपकी बात समझता है, लेकिन फिर उसे एक अलग, कठोर कंप्यूटर सिस्टम में जाकर आइटम खोजने के लिए भागना पड़ता है।
- समस्या: सहायक को आपके समृद्ध, जटिल विवरण को एक छोटे, उबाऊ रूप में अनुवादित करना पड़ता है: "खोजें: पेस्टल, रेनकोट, पैदल चलना।"
- नुकसान: जब कंप्यूटर सिस्टम परिणामों के साथ वापस आता है, तो सहायक को एक सूची में से चुनना होता है। यदि आप कहते हैं, "वास्तव में, इसे चलने के लिए थोड़ा और नरम बना दें," तो सहायक को फिर से कंप्यूटर सिस्टम के पास जाना होगा, फिर से अनुवाद करना होगा, और उम्मीद करनी होगी कि नई सूची मूल "थीम पार्क" वाले भाव के अनुकूल हो। अनुवाद के दौरान संदर्भ (context) खो जाता है। यह "टेलीफोन" गेम खेलने जैसा है जहाँ हर बार संदेश इंसान से मशीन तक पहुँचते समय बिगड़ जाता है।
समाधान: ShopX (द "सुपर-शॉपकीपर")
ShopX टीम ने एक नए प्रकार का AI फाउंडेशन मॉडल बनाया है। एक ऐसे अनुवादक के बजाय जो एक अलग कंप्यूटर के पास बार-बार दौड़ता है, ShopX वह दुकानदार है जिसके दिमाग में पूरा कैटलॉग समाया हुआ है।
ShopX को केवल एक डेटाबेस को कॉल करने वाले व्यक्ति के रूप में नहीं, बल्कि एक जादुвई लाइब्रेरियन के रूप में सोचें जो न केवल किताबों को जानता है, बल्कि वह स्वयं ही लाइब्रेरी है।
1. गुप्त भाषा: "सिमेंटिक आईडी" (Semantic IDs - SIDs)
इसे काम करने के योग्य बनाने के लिए, टीम ने एक विशेष भाषा बनाई जिसे सिमेंटिक आईडी (SIDs) कहा जाता है।
- उपमा: कल्पना कीजिए कि स्टोर के हर एक आइटम (जूते, शर्ट, बैग) का एक गुप्त, जादुवग बारकोड है जो शब्दों और नंबरों से बना है (जैसे,
<SID: C5C9103...>)। - यह कैसे मदद करता है: आमतौर पर, ये बारकोड केवल रैंडम नंबर होते हैं जिन्हें कंप्यूटर समझते हैं लेकिन इंसान नहीं। ShopX ने इस भाषा को धाराप्रवाह बोलना सीख लिया है। यह आपके अनुरोध ("मुझे बारिश के लिए नरम जूते चाहिए") को देख सकता है और बिना किसी अलग सर्च इंजन से पूछे, तुरंत सही जूतों के लिए सही गुप्त बारकोड जेनरेट कर सकता है। यह आपके प्राकृतिक भाषा और स्टोर के इन्वेंट्री के बीच के अंतर को सीधे पाट देता है।
2. "मॉडल-नेटिव" वर्कफ़्लो (The "Model-Native" Workflow)
ShopX एक एकल, निरंतर प्रवाह में काम करता है, जैसे कोई मास्टर शेफ खाना बना रहा हो, न कि प्लेटों को पास करते हुए काम करने वालों की एक लाइन।
- योजना (Plan): आप कहते हैं, "मुझे एक आउटफिट चाहिए।" ShopX संदर्भ (मौसम, आपकी शैली, आपका इतिहास) को समझता है।
- निष्पादन (Execute): किसी सर्च टूल को कॉल करने के बजाय, ShopX अपने कैटलॉग की यादों को उन गुप्त बारकोड्स का उपयोग करके आंतरिक रूप से "स्कैन" करता है। यह सबसे अच्छे मिलान पाता है, उनकी तुलना करता है, और यहाँ तक कि उन्हें एक साथ जोड़ भी देता है (जैसे, "यह स्कर्ट इन जूतों के साथ अच्छी लगेगी")।
- पूर्ति (Fulfill): यह आपको अंतिम परिणाम देता है, जिसमें आपकी बातचीत और वास्तविक आइटम का मिश्रण होता है।
- अपडेट (Update): यदि आप कहते, "मुझे नीला वाला पसंद नहीं है, इसे गुलाबी बना दें," तो ShopX पूरी बातचीत को याद रखता है और बिना "थीम पार्क" वाला संदर्भ खोए, तुरंत आइटम्स को एडजस्ट कर देता है।
उन्होंने इसे कैसे बनाया (प्रशिक्षण रेसिपी)
आप किसी सामान्य AI को सिर्फ एक दुकानदार बनने के लिए नहीं सिखा सकते; इसे विशिष्ट प्रशिक्षण की आवश्यकता होती है। पेपर एक तीन-चरणीय रेसिपी का वर्णन करता है:
- गुप्त भाषा सीखना (SID Alignment): उन्होंने AI को उन जादुवग बारकोड्स को पहचानने और जेनरेट करने के लिए प्रशिक्षित किया ताकि वह कैटलॉग के साथ "बात" कर सके।
- कैटलॉग पढ़ना (Domain Pre-training): उन्होंने AI को भारी मात्रा में शॉपिंग डेटा (उत्पाद विवरण, उपयोगकर्ता समीक्षाएं, इतिहास) खिलाया ताकि वह समझ सके कि वास्तविक दुनिया में "वॉटरप्रूफ" या "पेस्टल" का वास्तव में क्या अर्थ है, न कि केवल एक डिक्शनरी के अनुसार।
- काम का अभ्यास करना (Post-Training): उन्होंने AI को एक "जॉब सिमुलेशन" दिया। उन्होंने इसे जटिल परिदृश्यों को संभालने के लिए प्रशिक्षित किया: "यदि उपयोगकर्ता X कहता है, तो Y करें। यदि वे अपना मन बदलते हैं, तो Z को एडजस्ट करें।" उन्होंने अपनी कुशलता को निखारने के लिए "विशेषज्ञ मॉडल्स" (शिक्षकों) और "पुरस्कारों" (अच्छे सुझावों के लिए अंक) के मिश्रण का उपयोग किया।
परिणाम: यह बेहतर क्यों है?
टीम ने वास्तविक शॉपिंग लॉग्स का उपयोग करके पुराने "अनुवादक" (Translator) सिस्टम के मुकाबले ShopX का परीक्षण किया (Taobao, जो एक विशाल चीनी ई-कॉमर्स साइट है)।
- पुराना तरीका: सरल अनुरोधों ("मुझे लाल जूते दिखाओ") के लिए अच्छा था। लेकिन जब आपने इसमें परतें जोड़ीं ("मुझे लाल जूते दिखाओ, लेकिन वे नरम हों, और उन्हें एक बैग के साथ मैच करो, और याद रखो मुझे लेदर पसंद नहीं है"), तो यह संघर्ष करने लगा।
- ShopX: जटिल चीजों में उत्कृष्ट था। क्योंकि इसे आपके अनुरोध को एक छोटे सर्च क्वेरी में "अनुवादित" करने की आवश्यकता नहीं पड़ी, इसलिए इसने विवरणों को खोया नहीं।
- सटीकता (Precision): इसने सही आइटम अधिक बार चुने।
- संदर्भ (Context): इसने बातचीत के कई दौरों में आपकी प्राथमिकताओं को याद रखा।
- लचीलापन (Flexibility): यह अस्पष्ट अनुरोधों (जैसे, "मुझे डेट के लिए कुछ चाहिए") को संभाल सकता था और उन्हें विशिष्ट, ठोस सिफारिशों में बदल सकता था।
सारांश
ShopX एक प्रकार का नया AI है जो शॉपिंग को "सर्च इंजन" की समस्या के रूप में नहीं, बल्कि "संवादात्मक पूर्ति" (conversational fulfillment) की समस्या के रूप में देखता है।
एक ऐसे AI के बजाय जो कहता है, "मैंने आपकी बात सुन ली, मुझे डेटाबेस से पूछने दो," ShopX एक ऐसा AI है जो कहता है, "मैं आपको सुन रहा हूँ, मुझे पता है कि आपको वास्तव में क्या चाहिए, और पूरे कैटलॉग में से यह रहा आपका परफेक्ट आउटफिट, जो तैयार है।" यह सोचने, खोजने और बेचने को एक सहज, बुद्धिमान क्रिया में एकीकृत 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।