Omni-Decision: A Progressive Evidence-State Agent System for Omni-Modal QA
यह शोध पत्र Omni-Decision को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) एजेंट सिस्टम है जो विविध मीडिया स्रोतों में सूचना अंतराल को व्यवस्थित रूप से ट्रैक करने, सत्यापित करने और भरने के लिए एक संरचित, स्पष्ट साक्ष्य अवस्था (evidence state) बनाए रखकर ओम्नी-मोडल QA सटीकता में सुधार करता है, जिससे मौजूदा बेसलाइन की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्राप्त 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 रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन सुराग हर जगह बिखरे हुए हैं: एक वीडियो क्लिप में एक छोटा सा विवरण, एक ऑडियो ट्रैक में एक फुसफुसाहट, एक वेबसाइट पर छिपा हुआ एक तथ्य, और एक नंबर जिसे आपको कैलकुलेटर पर कैलकुलेट करना है। आज के अधिकांश AI जासूस एक बिखरे हुए नैपकिन पर पागलों की तरह नोट्स लिखने वाले व्यक्ति की तरह काम करते हैं। वे एक सुराग देखते हैं, उसे लिख लेते हैं, दूसरे को देखते हैं, उसे लिख लेते हैं, और उम्मीद करते हैं कि अंत तक पहुँचते-पहुँचते उन्हें याद रहेगा कि कौन सा नोट रहस्य के किस हिस्से से संबंधित था। अक्सर, वे अपने ही लिखे हुए नोट्स में खो जाते हैं, यह भूल जाते हैं कि उन्होंने पहले क्या पाया था, या पहेली को तब सुलझाने की कोशिश करते हैं जब उनके पास सभी हिस्से मौजूद नहीं होते।
यह पेपर Omni-Decision नामक एक नया जासूसी सिस्टम पेश करता है। एक बिखरे हुए नैपकिन के बजाय, यह सिस्टम एक संरचित, जीवित चेकलिस्ट (structured, living checklist) का उपयोग करता है जिसे "एविडेंस स्टेट" (evidence state) कहा जाता है। इस चेकलिस्ट को एक जादुвई व्हाइटबोर्ड की तरह समझें जिसे जासूस अनदेखा नहीं कर सकता। यह केवल नोट्स स्टोर नहीं करता; यह सक्रिय रूप से ट्रैक करता है कि क्या पुष्ट (confirmed) है, क्या गायब है, क्या विरोधाभासी है, और आगे क्या कैलकुलेट करने की आवश्यकता है।
यहाँ वह जादू कैसे काम करता है:
- चेकलिस्ट: जब कोई प्रश्न पूछा जाता है, तो सिस्टम तुरंत उस प्रश्न को व्हाइटबोर्ड पर विशिष्ट "जरूरतों" में तोड़ देता है। उदाहरण के लिए, "वीडियो में घड़ी का ब्रांड ढूंढें" या "इंस्टाग्राम कब लॉन्च हुआ, इसकी तारीख खोजें।"
- लूप (The Loop): जासूस सूची के एक आइटम को भरने के लिए एक टूल (जैसे वेब सर्च या वीडियो स्कैनर) चुनता है।
- जज (The Judge): आगे बढ़ने से पहले, एक सख्त "क्रिटिक" (Critic) नई जानकारी की जाँच करता है। क्या इसने समस्या को हल किया? क्या इसने पहले मिली किसी जानकारी का खंडन किया?
- अपडेट (The Update): एक विशेष "रिड्यूसर" (Reducer) व्हाइटबोर्ड को अपडेट करता है। यदि कोई सुराग मिल जाता है, तो "गायब" वाला बॉक्स हरा हो जाता है। यदि दो सुराग आपस में टकराते हैं, तो एक लाल "संघर्ष" (conflict) का झंडा दिखाया जाता है। जासूस तब तक आगे नहीं बढ़ता जब तक कि व्हाइटबोर्ड यह न कह दे कि वर्तमान चरण पूरा हो गया है।
- स्टॉप (The Stop): सिस्टम जानता है कि कब रुकना है। यह केवल इसलिए उत्तर नहीं देता क्योंकि वह थक गया है; यह केवल तभी उत्तर देता है जब व्हाइटबोर्ड दिखाता है कि सबूत का हर एक आवश्यक हिस्सा लॉक हो चुका है और कोई संघर्ष शेष नहीं है। यदि उसके पास टूल्स खत्म हो जाते हैं और बोर्ड अभी भी अधूरा है, तो वह गलत उत्तर बनाने के बजाय हार स्वीकार कर लेता है।
यह पेपर किसके विरुद्ध तर्क देता है:
लेखक स्पष्ट रूप से तर्क देते हैं कि केवल AI मॉडल्स को बड़ा बनाना या उन्हें लंबी "मेमोरी" (जैसे कि एक लंबा नैपकिन) देना समाधान नहीं है। वे दिखाते हैं कि पिछले कार्यों का एक विशाल इतिहास होने से भी कोई मदद नहीं मिलती यदि AI यह ट्रैक नहीं कर सकता कि वास्तव में क्या प्रमाणित है और क्या अभी भी गायब है। उन्होंने इस विचार को भी खारिज कर दिया कि इस तरह काम करने के लिए सिस्टम को नए डेटा पर "ट्रेन" करने की आवश्यकता है; यह मौजूदा टूल्स के उपयोग को व्यवस्थित करने के बारे में है, न कि नए करतब सीखने के बारे में।
परिणाम:
इस सिस्टम को दो कठिन परीक्षणों पर मापा गया। OmniGAIA नामक एक टेस्ट पर, जिसमें वीडियो, ऑडियो और वेब के माध्यम से ओपन-वर्ल्ड सर्चिंग शामिल है, Omni-Decision ने 45.6% सटीकता प्राप्त की। यह एक बहुत बड़ी छलांग है क्योंकि मानक "बेस" एजेंट ने केवल 18.33% स्कोर किया था। यह 27.3 प्रतिशत अंकों का लाभ है।
दूसरे टेस्ट पर, जिसे WorldSense कहा जाता है, जो बाहरी वेब सर्च के बिना ऑडियो और वीडियो को एकीकृत करने पर केंद्रित है, सिस्टम ने 58.3% स्कोर किया, जो बेसलाइन से 30.2 प्रतिशत अंक अधिक है।
लेखक सुझाव देते हैं कि यह दृष्टिकोण यह पहचानने में विशेष रूप से अच्छा है कि जासूस कब फंस गया है। उनके विफल प्रयासों के विश्लेषण में, उन्होंने पाया कि कई "गलत" उत्तरों में वास्तव में जासूस वास्तविक प्रगति कर रहा था—बस वह इसलिए रुक गया क्योंकि एक विशिष्ट सबूत (जैसे कि साइन पर छोटे अक्षत को पढ़ना) को खोजने के लिए टूल्स बहुत कठिन थे। सिस्टम की ताकत यह नहीं है कि वह कभी विफल नहीं होता, बल्कि यह है कि वह स्पष्ट रूप से दिखाता है कि वह कहाँ विफल हुआ और क्यों, बजाय इसके कि वह केवल अंधाधुंध अनुमान लगाए।
संक्षेप में, Omni-Decision साबित करता है कि जटिल, बहु-चरणीय रहस्यों के लिए, यह जानना कि क्या ज्ञात है और क्या गायब है, एक स्पष्ट और साझा मानचित्र होना, लंबी मेमोरी या बड़े दिमाग के होने से कहीं अधिक शक्तिशाली है। यह सुराग खोजने की अराजक प्रक्रिया को एक अनुशासित, चरण-दर-चरण मिशन में बदल देता 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।