AutoResearch: An Execution-Grounded Multi-Agent Framework for Reliable Research Workflow Automation
AutoResearch एक निष्पादन-आधारित (execution-grounded) मल्टी-एजेंट फ्रेमवर्क है जो सैंडबॉक्स्ड कोड निष्पादन, पुनरावृत्ति सुधार (iterative repair), और कठोर उद्धरण एवं दावे के सत्यापन को एकीकृत करके जनरेट किए गए वैज्ञानिक आर्टिफैक्ट्स को फ़िल्टर करने और सुधारने के माध्यम से स्वचालित अनुसंधान वर्कफ़्लो की विश्वसनीयता को बढ़ाता 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 रोबोट, लेकिन इसके बजाय आप इसे खुद करने के बजाय बहुत बुद्धिमान, बहुत तेज़, लेकिन कभी-कभी ज़रूरत से ज़्यादा आत्मविश्वासी इंटर्न की एक टीम को काम पर रखते हैं। ये इंटर्न कोड लिख सकते हैं, किताबों में संदर्भ (references) खोज सकते हैं और रिपोर्ट लिख सकते हैं। हालाँकि, वे गलतियाँ भी करते हैं: वे ऐसा कोड लिख सकते हैं जो क्रैश हो जाए, ऐसी किताबें उद्धृत (cite) कर सकते हैं जो अस्तित्व में ही नहीं हैं, या ऐसे दावे कर सकते हैं जिन्हें वे किताबें वास्तव में समर्थन नहीं देती हैं।
AutoResearch एक नया "बॉस" सिस्टम है जिसे इन इंटर्न को प्रबंधित करने के लिए डिज़ाइन किया गया है ताकि वे वास्तव में काम को सही ढंग से पूरा कर सकें। यह अपने आप नई खोजें करने वाला कोई जादुई रोबोट वैज्ञानिक नहीं है; बल्कि, यह अनुसंधान प्रक्रिया के लिए एक कठोर क्वालिटी कंट्रोल मैनेजर है।
यह कैसे काम करता है, यहाँ सरल उपमाओं (analogies) का उपयोग करके समझाया गया है:
1. "टेस्ट किचन" (सैंडबॉक्स निष्पादन - Sandboxed Execution)
कल्पना कीजिए कि इंटर्न शेफ (रसोइए) हैं। आमतौर पर, वे बस एक रेसिपी लिखकर आपको सौंप देते हैं। यदि रेसिपी गलत है, तो आपको तब तक पता नहीं चलता जब तक आप खाना पकाने की कोशिश नहीं करते और घर जला नहीं देते।
AutoResearch इंटर्न को पहले एक टेस्ट किचन (एक सैंडबॉक्स) में भोजन पकाने के लिए मजबूर करता है।
- यदि कोड क्रैश होता है (ओवन फट जाता है), तो सिस्टम इसे तुरंत पकड़ लेता है।
- यह केवल "Error" नहीं कहता। यह शेफ को एक नोट के साथ रेसिपी वापस भेजता है कि, "आपने बहुत अधिक नमक इस्तेमाल किया है," और शेफ फिर से प्रयास करता है।
- यह "सेल्फ-हीलिंग" लूप स्वचालित रूप से तब तक चलता रहता है जब तक कि व्यंजन परोसने के लिए तैयार न हो जाए।
2. "फैक्ट-चेकर" (उद्धरण सत्यापन - Citation Verification)
कभी-कभी एक इंटर्न कह सकता है, "द ग्रेट बुक ऑफ साइंस के अनुसार, यह सच है," लेकिन उन्होंने किताब का शीर्षक या पेज नंबर बना दिया हो।
AutoResearch के पास एक चार-चरणीय फैक्ट-चेकर है जो एक आवर्धक लेंस (magnifying glass) के साथ एक लाइब्रेरियन की तरह काम करता है:
- क्या बुक आईडी मौजूद है?
- क्या DOI (डिजिटल आईडी) वास्तविक है?
- क्या किसी प्रमुख लाइब्रेरी डेटाबेस में यह सूचीबद्ध है?
- क्या एक AI किताब को पढ़ता है ताकि यह देखा जा सके कि क्या वह वास्तव में दावे का समर्थन करती है?
यदि इंटर्न इन चार में से किसी भी जांच में विफल रहता है, तो दावे को खारिज कर दिया जाता है। इस पेपर ने नकली उद्धरणों को 34% से घटाकर 2% कर दिया।
3. "प्रोजेक्ट मैनेजर" (निर्णय नियंत्रण - Decision Control)
सिस्टम के पास एक मैनेजर है जो परिणामों के आधार पर निर्णय लेता है कि आगे क्या करना है। यह तीन सरल कमांड का उपयोग करता है:
- PROCEED (आगे बढ़ें): प्रयोग सफल रहा; चलिए अगले चरण पर चलते हैं।
- REFINE (सुधारें): यह लगभग सफल रहा, लेकिन हमें कोड में थोड़ा बदलाव करने की आवश्यकता है।
- PIVOT (दिशा बदलें): यह पूरा विचार ही गलत है; आइए पूरी तरह से एक अलग दृष्टिकोण आज़माते हैं।
यह सिस्टम को एक टूटे हुए विचार को ठीक करने के लिए बार-बार समय बर्बाद करने से रोकता है।
4. "मेमोरी बैंक" (MetaClaw)
यदि कोई इंटर्न आज कोई गलती करता है (जैसे कि एक विशिष्ट सॉफ़्टवेयर टूल इंस्टॉल करना भूल जाना), तो AutoResearch उस सबक को एक मेमोरी बैंक में लिख देता है। अगली बार जब इसी तरह का कार्य आता है, तो सिस्टम इंटर्न को याद दिलाता है, "हे, हमने पिछली बार सीखा था कि हमें इस टूल की आवश्यकता थी," ताकि वे वही गलती दोबारा न दोहराएं।
उन्होंने वास्तव में क्या सिद्ध किया?
लेखकों ने इस सिस्टम का परीक्षण कई कार्यों पर किया, जैसे टूटे हुए कोड को ठीक करना, वैज्ञानिक शोध पत्र लिखना और सिमुलेशन चलाना। यहाँ उन्हें क्या मिला:
- बेहतर सफलता दर: सिस्टम ने अन्य प्रणालियों की तुलना में कार्यों को बहुत अधिक सफलतापूर्वक पूरा किया जिनमें यह सख्त जाँच प्रक्रिया नहीं थी।
- कम फर्जी तथ्य: इसने सूचना के स्रोतों के बारे में "हलुसिनेशन" (मनगढ़ंत बातें बनाना) को रोक दिया।
- बेहतर कोड: इसने अपने कोडिंग एरर को स्वचालित रूप से ठीक किया।
यह क्या नहीं है (महत्वपूर्ण सीमाएँ)
पेपर स्पष्ट रूप से बताता है कि यह सिस्टम क्या नहीं कर सकता:
- यह कोई जीनियस वैज्ञानिक नहीं है: यह बिल्कुल नए, क्रांतिकारी सिद्धांत आविष्कार नहीं करता है। यह नए विचारों को शून्य से बनाने के बजाय मौजूदा विचारों को ठीक करने और सत्यापित करने में बेहतर है।
- यह "सत्य" की गारंटी नहीं देता: केवल इसलिए कि कोड चल रहा है और उद्धरण वास्तविक हैं, इसका मतलब यह नहीं है कि वैज्ञानिक निष्कर्ष 100% सही है। अंतिम पेपर को पढ़ने और यह तय करने के लिए कि विज्ञान वास्तव में अच्छा है या नहीं, अभी भी एक मानव विशेषज्ञ की आवश्यकता होती है।
- यह पूर्ण नहीं है: यदि कंप्यूटर वातावरण (किचन) अव्यवस्थित है या यदि कार्य के लिए शुद्ध, जंगली रचनात्मकता की आवश्यकता है, तो यह सिस्टम अभी भी संघर्ष करता है।
निचोड़ (The Bottom Line)
AutoResearch एक सुपर-ऑर्गनाइज्ड रिसर्च असिस्टेंट की तरह है जो तब तक किसी प्रोजेक्ट को आगे नहीं बढ़ने देता जब तक कि कोड काम न करे, स्रोत वास्तविक न हों, और तर्क समझ में न आ जाएं। यह अनुसंधान करने की प्रक्रिया को बहुत अधिक विश्वसनीय बनाता है, लेकिन अंतिम अनुमोदन देने के लिए इसे अभी भी एक मानव बॉस की आवश्यकता होती 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।