Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution
यह शोधपत्र DUALVIEW प्रस्तुत करता है, जो एक द्वैत-मोडल (dual-modal) ढांचा है जो चार पूरक ग्राफ दृश्यों में कोड निर्भरताओं के निरंतर दृश्य निरूपणों के माध्यम से विखंडित टेक्स्ट-आधारित नेविगेशन को प्रतिस्थापित करके बड़े पैमाने के रिपॉजिटरी में एजेंटिक समस्या समाधान को बढ़ाता है, जिससे दीर्घकालिक अन्वेषण और संरचनात्मक तर्क में सुधार होता 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 जासूस हैं जिसे एक विशाल, फैले हुए शहर (सॉफ्टवेयर रिपॉजिटरी) में एक रहस्य सुलझाना है। आपका काम एक विशिष्ट टूटी हुई स्ट्रीटलाइट (बग) को ढूंढना और उसे ठीक करना है।
पुराना तरीका: "टेक्स्ट-ओनली" जासूस
वर्तमान में, अधिकांश AI जासूस इसी तरह काम करते हैं: उन्हें टेक्स्ट संकेतों की एक सूची दी जाती है। उन्हें एक फ़ाइल पढ़नी होती है, फिर दूसरी फ़ाइल पढ़नी होती है, फिर एक कीवर्ड खोजना होता है, और फिर तीसरी फ़ाइल पढ़नी होती है। वे एक-एक करके सड़क के संकेतों को पढ़कर शहर का मानसिक मानचित्र बनाने की कोशिश कर रहे हैं।
समस्या यह है कि शहर बहुत बड़ा है। इमारतों के बीच के संबंध (कोड डिपेंडेंसी) जटिल हैं। जब तक जासूस दो दूर स्थित इमारतों के बीच कैसे संबंध है, यह समझने के लिए पर्याप्त टेक्स्ट पढ़ लेता है, तब तक वह रास्ता भटक जाता है या भ्रमित हो जाता है। वे शब्दों की एक 2D सूची से 3D मानचित्र को पुनर्गठित करने की कोशिश कर रहे हैं। यह धीमा है, और वे अक्सर बड़ी तस्वीर देखने से चूक जाते हैं।
नया तरीका: DUALVIEW
यह पेपर एक नया टूल पेश करता है जिसे DUALVIEW कहा जाता है। केवल जासूस को टेक्स्ट संकेतों की सूची देने के बजाय, DUALVIEW उन्हें एक साथ दो चीजें देता है:
- एक विजुअल मैप (दृश्य मानचित्र): एक स्पष्ट, रंगीन आरेख जो दिखाता है कि शहर के मोहल्ले, सड़कें और इमारतें आपस में कैसे जुड़ी हुई हैं।
- एक टेक्स्टुअल लीजेंड (लिखित विवरण): एक विस्तृत लिखित मार्गदर्शिका जो बताती है कि प्रत्येक इमारत वास्तव में क्या है और वह कहाँ स्थित है।
जासूस मानचित्र को देखकर तुरंत समस्या का "आकार" समझ सकता है (जैसे, "ओह, यह टूटी हुई लाइट यहाँ पास की तीन अन्य इमारतों से जुड़ी हुई है!") और फिर सटीक पता खोजने के लिए टेक्स्ट का उपयोग कर सकता है।
वे चार "मैप्स" जिनका DUALVIEW उपयोग करता है
इसे काम करने के लिए, DUALVIEW केवल एक मैप नहीं दिखाता; यह चार अलग-अलग प्रकार के मैप दिखाता है, जो इस पर निर्भर करता है कि जासूस को क्या देखने की आवश्यकता है:
मोहल्ले का मानचित्र (मॉड्यूल कपलिंग ग्राफ - Module Coupling Graph):
- उपमा: एक मानचित्र जो दिखाता है कि कौन से शहर के जिले एक दूसरे से जुड़े हैं।
- उपयोग: यह जासूस को यह तय करने में मदद करता है कि पूरे शहर में अंधाधुंध खोजने के बजाय सबसे पहले शहर के किस सामान्य क्षेत्र में देखना चाहिए।
फोन डायरेक्टरी (फंक्शन कॉल ग्राफ - Function Call Graph):
- उपमा: एक चार्ट जो दिखाता है कि कौन किसे फोन करता है।
- उपयोग: यदि कोई विशिष्ट फंक्शन (एक कार्यकर्ता) गड़बड़ी कर रहा है, तो यह मानचित्र दिखाता है कि किसने उसे कॉल किया था और उसने आगे किसे कॉल किया। यह कार्यों के प्रवाह को ट्रैक करता है।
फैमिली ट्री (क्लास हाइरार्की ग्राफ - Class Hierarchy Graph):
- उपमा: एक वंशावली (फैमिली ट्री) जो माता-पिता, बच्चों और चचेरे भाई-बहनों को दिखाती है।
- उपयोग: प्रोग्रामिंग में, कुछ कोड "पैरेंट" होता है और अन्य कोड "चाइल्ड" होता है जो गुणों को विरासत में लेता है। यदि पैरेंट का कोई नियम है, तो चाइल्ड उसका पालन करता है। यह मानचित्र जासूस को उस असली स्रोत को खोजने में मदद करता है जहाँ से नियम आया है, भले ही एरर रिपोर्ट केवल चाइल्ड का उल्लेख कर रही हो।
ब्लूप्रिंट (प्रोग्राम डिपेंडेंस ग्राफ - Program Dependence Graph):
- उपमा: एक कमरे का विस्तृत ब्लूप्रिंट जो दिखाता है कि दीवारों के अंदर पाइप और तार कैसे जुड़े हैं।
- उपयोग: एक बार जब जासूस विशिष्ट कमरे (फंक्शन) के अंदर पहुँच जाता है, तो यह मानचित्र दिखाता है कि डेटा एक चरण से दूसरे चरण तक कैसे प्रवाहित होता है ताकि सटीक टूटे हुए तार को पाया जा सके।
व्यवहार में यह कैसे काम करता है
इस पेपर ने वास्तविक दुनिया के सॉफ्टवेयर रिपेयर कार्यों (SWE-bench नामक बेंचमार्क का उपयोग करके) पर इस नए तरीके का परीक्षण किया। यहाँ उन्होंने क्या पाया:
- तेज़ सुधार: DUALVIEW का उपयोग करने वाले AI एजेंटों ने टेक्स्ट-ओनली विधि का उपयोग करने वालों की तुलना में अधिक समस्याओं को हल किया।
- कम भ्रम: एजेंटों ने कम गलतियाँ कीं और वे कोड में उतनी बार "खो" नहीं गए।
- चलाने में सस्ता: आश्चर्यजनक रूप से, भले ही AI को छवियों (images) को देखना पड़ता था (जिसमें आमतौर पर अधिक कंप्यूटर पावर खर्च होती है), इसने वास्तव में पैसे बचाए। क्योंकि विजुअल मैप्स ने AI को उत्तर खोजने में तेज़ी से मदद की, इसलिए उसे कुल मिलाकर कम प्रश्न पूछने पड़े या कम फ़ाइलें पढ़नी पड़ीं।
- सबसे अच्छा संयोजन: AI का प्रदर्शन तब सबसे अच्छा रहा जब उसके पास मैप और टेक्स्ट दोनों थे। मैप ने उसे बड़ी तस्वीर जल्दी देखने में मदद की, जबकि टेक्स्ट ने उसे वास्तविक मरम्मत के लिए आवश्यक सटीक विवरण दिए।
मुख्य निष्कर्ष (The Bottom Line)
यह पेपर तर्क देता है कि सॉफ्टवेयर रिपॉजिटरी स्वाभाविक रूप से जटिल नेटवर्क (ग्राफ) की तरह संरचित होते हैं, लेकिन हम AI को उन्हें टेक्स्ट की सरल सूचियों के रूप में पढ़ने के लिए मजबूर कर रहे हैं। कोड की संरचना को "देखने" में सक्षम एक विजुअल लेयर जोड़कर, हम इसे बग्स को बहुत तेज़ी से और अधिक सटीकता से हल करने में मदद कर सकते है। यह एक फोन बुक पढ़ने बनाम जीपीएस मैप देखकर रास्ता खोजने के बीच का अंतर 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।