MemoHarness: Agent Harnesses That Learn from Experience
मेमोहारनेस (MemoHarness) एक अनुकूली एजेंट अनुकूलन ढांचा है जो नियंत्रण परत को छह आयामों में विभाजित करके और पिछले निष्पादनों से प्राप्त दोहरी-परत अनुभव बैंक का उपयोग करके प्रत्येक मामले के लिए हार्नेस कॉन्फ़िगरेशन को गतिशील रूप से अनुकूलित करके, बिना किसी टेस्ट-टाइम लेबल या अतिरिक्त खोज की आवश्यकता के, विविध कार्यों में एलएलएम (LLM) प्रदर्शन 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 आपके पास एक शानदार, अत्यंत बुद्धिमान रोबोट सहायक है। आप उसे एक कार्य देते हैं, और वह उसे हल करने का प्रयास करता है। लेकिन यहाँ एक पेच है: रोबोट को केवल बुद्धिमान होने की ही आवश्यकता नहीं है; उसे यह भी जानना होगा कि अपने मस्तिष्क का उपयोग कैसे करना है। उसे अपने विचारों को व्यवस्थित करने, जानकारी कब खोजनी है, मदद के लिए कब पूछना है, और उत्तर देने से पहले अपने काम की दोबारा जाँच कैसे करनी है, इसके लिए निर्देशों के एक सेट की आवश्यकता है। आर्टिफिशियल इंटेलिजेंस की दुनिया में, निर्देशों और उपकरणों के इस सेट को "एजेंट हार्नेस" (agent harness) कहा जाता है। इसे एक कार के डैशबोर्ड, स्टीयरिंग व्हील और जीपीएस की तरह समझें। इंजन (AI मॉडल) शक्तिशाली हो सकता है, लेकिन यदि डैशबोर्ड टूटा हुआ है या जीपीएस पुराने मानचित्र पर अटका हुआ है, तो कार आपको वहां नहीं पहुँचा पाएगी जहाँ आपको जाना है। लंबे समय से, वैज्ञानिक इन रोबोटों को अधिक स्मार्ट बनाने के लिए उनके इंजनों को बड़ा बनाने की कोशिश कर रहे हैं। लेकिन यह शोध पत्र एक अलग प्रश्न पूछता है: क्या होगा अगर हम सिर्फ डैशबोर्ड को ठीक कर दें? क्या होगा यदि हम रोबोट को अपनी गलतियों से सीखना और हर एक यात्रा के लिए अपनी ड्राइविंग शैली को समायोजित करना सिखा सकें, बजाय इसके कि हर चीज़ के लिए एक ही कठोर, 'वन-साइज़-फिट्स-ऑल' निर्देशों का उपयोग किया जाए?
यही वह काम है जिसे MemoHarness के पीछे के शोधकर्ताओं ने करने का लक्ष्य रखा। उन्होंने महसूस किया कि आज के अधिकांश AI एजेंट एक निश्चित स्टीयरिंग व्हील वाली कारों की तरह हैं: वे हर समस्या के लिए एक ही सेटअप का उपयोग करते हैं, चाहे वह एक साधारण मोड़ हो या एक जटिल हाईवे मर्ज। टीम ने एक नया सिस्टम बनाया है जो एक "सीखने वाले ड्राइवर" की तरह कार्य करता है। केवल एक आदर्श निर्देशों के सेट को खोजने के बजाय जिसे हमेशा के लिए उपयोग किया जा सके, MemoHarness एजेंट को उसकी पिछली यात्राओं से सीखने देता है। यह एक विस्तृत डायरी रखता है कि क्या सफल रहा, क्या विफल रहा, और क्यों। जब कोई नया कार्य सामने आता है, तो एजेंट केवल अनुमान नहीं लगाता; वह अपनी डायरी देखता है, समान पिछले अनुभवों को ढूँढता है, और विशिष्ट चुनौती के अनुकूल अपने स्वयं के निर्देशों को तुरंत बदल देता है।
यह शोध पत्र "हार्नेस" को छह अलग-अलग भागों में तोड़ने का एक चतुर तरीका पेश करता है, जैसे कि एक कंट्रोल पैनल पर विभिन्न नॉब्स (knobs) को समायोजित करना: एजेंट जानकारी कैसे एकत्र करता है (Context), वह किन उपकरणों का उपयोग करता है (Tool), वह कैसे सोचता और बोलता है (Generation), उसके चरणों का क्रम क्या है (Orchestration), वह क्या याद रखता है (Memory), और वह अपने उत्तर को कैसे अंतिम रूप देता है (Output)। इन्हें अलग-अलग, संपादन योग्य सतहों (surfaces) के रूप में मानकर, सिस्टम सटीक रूप से निदान कर सकता है कि क्या गलत हुआ। क्या वह मानचित्र देखना भूल गया? क्या उसने बहुत तेज़ गाड़ी चलाने की कोशिश की? क्या वह किसी महत्वपूर्ण विवरण को याद रखना भूल गया?
अपने प्रयोगों में, टीम ने इस सिस्टम का परीक्षण तीन बहुत ही अलग प्रकार के कार्यों पर किया: सॉफ्टवेयर को ठीक करने के लिए कंप्यूटर टर्मिनल की तरह कार्य करना, कोड लिखना, और जटिल वित्तीय तर्क पहेलियों को हल करना। परिणाम उत्साहजनक थे। कंप्यूटर टर्मिनल परीक्षणों में, MemoHulus ने सफलता दर को 0.722 से बढ़ाकर 0.806 कर दिया, जो उनके द्वारा तुलना किए गए सर्वश्रेष्ठ निश्चित सेटअपों को भी पीछे छोड़ देता है। इसने यह भी दिखाया कि ये सीखी गई आदतें नए, अनदेखे कार्यों में भी "ट्रांसफर" (स्थानांतरित) हो सकती हैं और बिना पुन: प्रशिक्षण के विभिन्न प्रकार के AI मॉडल पर भी अच्छी तरह से काम कर सकती हैं। उदाहरण के लिए, जब उन्होंने एक मॉडल पर सीखा हुआ हार्नेस दूसरे छह मॉडलों पर लागू किया, तो औसत सफलता दर +0.098 बढ़ गई।
लेखक सुझाव देते हैं कि यह दृष्टिकोण AI को हर बार एक नया इंजन बनाए बिना अधिक अनुकूलन योग्य बनाने का एक व्यावहारिक तरीका है। हालाँकि, वे सावधानी बरतते हुए कहते हैं कि यद्यपि परिणाम मजबूत हैं, लेकिन वे विशिष्ट परीक्षणों और सिमुलेशन पर आधारित हैं। वे यह दावा नहीं करते कि उन्होंने हर समस्या को हल कर लिया है या यह साबित कर दिया है कि यह हर एकल वास्तविक दुनिया के परिदृश्य में पूरी तरह से काम करता है। उन्होंने यह भी पाया कि हालांकि सिस्टम अपनी डायरी "पढ़ने" के लिए अधिक डेटा का उपयोग करता है, लेकिन उस डेटा का अधिकांश हिस्सा कैश (cache) किया जा सकता है (त्वरित पुन: उपयोग के लिए संग्रहीत), जिससे लागत प्रतिस्पर्धी बनी रहती है। संक्षेप में, MemoHarness सुझाव देता है कि AI को अपने अनुभव पर चिंतन करने और अपने स्वयं के कंट्रोल पैनल को समायोजित करने की क्षमता देना उसे वास्तव में सहायक बनाने की कुंजी हो सकती है, जो एक कठोर मशीन को एक लचीले, सीखने वाले साथी 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।