PEARL: Solver-in-the-Loop Interactive Optimization Modeling from Natural Language
PEARL एक संवादात्मक अनुकूलन मॉडलिंग प्रणाली है जो प्राकृतिक भाषा स्वरूपों (natural language formulations) का गतिशील रूप से परीक्षण, डिबग और संशोधन करने के लिए पायथन निष्पादन के साथ एक मल्टी-टर्न, सॉल्वर-इन-द-लूप फ्रेमवर्क का लाभ उठाती है, जिससे छोटे और काफी बड़े वन-शॉट लैंग्वेज मॉडल्स की तुलना में बेहतर सटीकता प्राप्त होती 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 बहुत ही बुद्धिमान रोबोट को एक जटिल पहेली हल करना सिखाने की कोशिश कर रहे हैं, जैसे कि एक डिलीवरी ट्रक के लिए सबसे कुशल मार्ग की योजना बनाना या किसी नई रेसिपी के लिए सामग्री मिलाने का सबसे अच्छा तरीका पता लगाना। कंप्यूटर विज्ञान की दुनिया में, इसे "ऑप्टिमाइज़ेशन मॉडलिंग" (optimization modeling) कहा जाता है। यह साधारण अंग्रेजी में वर्णित एक अव्यवस्थित, वास्तविक दुनिया की समस्या को एक सख्त, गणितीय भाषा में अनुवाद करने की कला है जिसे एक कंप्यूटर समझ सके और हल कर सके। लंबे समय तक, वैज्ञानिकों ने रोबोटों को इसे एक बड़ी छलांग में करने के लिए प्रेरित करने की कोशिश की: आप रोबोट को समस्या देते हैं, और वह तुरंत एक आदर्श गणितीय सूत्र और कोड निकाल देता है। लेकिन बिल्कुल वैसे ही जैसे एक इंसान बिना पुर्जों को देखे रुबिक क्यूब को हल करने की कोशिश करता है, रोबोट अक्सर पहली बार में गलत हो जाता है, कोई महत्वपूर्ण नियम भूल जाता है या संख्याओं को मिला देता है। बड़ा सवाल जो शोधकर्ता पूछ रहे हैं वह यह है: क्या हम इन रोबोटों को मानव विशेषज्ञों की तरह अधिक बनने के लिए सिखा सकते हैं, जो केवल एक बार अनुमान नहीं लगाते, बल्कि प्रयास करते हैं, अपने काम की जांच करते हैं, गलती पकड़ते हैं, उसे ठीक करते हैं, और फिर से प्रयास करते हैं?
यह बिल्कुल वही है जो पेपर "PEARL" तलाशता है। लेखक एक नया सिस्टम पेश करते हैं जिसे PEARL कहा जाता है, जो एक ऐसी विधि है जो ऑप्टिमाइज़ेशन मॉडलिंग को एक बार के जादू के रूप में नहीं, बल्कि रोबोट और एक "सॉल्वर" (एक विशेष कंप्यूटर प्रोग्राम जो गणित की जांच करता है) के बीच एक संवादात्मक बातचीत के रूप में देखती है। केवल एक समाधान लिखने और उम्मीद करने के बजाय कि वह सही होगा, PEARL रोबोट को एक जासूस की तरह कार्य करने के लिए प्रशिक्षित किया गया है। यह एक ड्राफ्ट लिखता है, उसे एक परीक्षण के माध्यम से चलाता है, देखता है कि वह कहाँ टूटता है, और फिर उस फीडबैक का उपयोग अपने काम को संशोधित करने के लिए करता है। यह तब तक "सॉल्व-डिबग-रिवाइज" (solve–debug–revise) लूप को जारी रखता है जब तक कि समाधान एकदम सही न हो जाए। पेपर सुझाव देता है कि यह इंटरैक्टिव दृष्टिकोण पुराने "वन-शॉट" (one-shot) तरीकों की तुलना में बहुत बेहतर है। वास्तव में, उन्होंने पाया कि एक अपेक्षाकृत छोटा रोबोट मॉडल (4 बिलियन "मस्तिष्क कोशिकाओं", या पैरामीटर्स वाला), जिसे इस नए इंटरैक्टिव तरीके के साथ प्रशिक्षित किया गया था, उन विशाल, दिग्गज मॉडलों (685 बिलियन पैरामीटर्स वाले) से बेहतर प्रदर्शन कर सकता है जो केवल एक बार अनुमान लगाते हैं। यह दिखाने जैसा है कि एक छोटा, अच्छी तरह से प्रशिक्षित प्रशिक्षु, जो अपना काम चेक करना जानता है, एक विशाल, अप्रशिक्षित निर्माण दल से बेहतर घर बना सकता है जो केवल ईंटें बिछाने का एक ही मौका पाता है।
समस्या: "वन-शॉट" का जाल
वर्षों से, AI को इन गणितीय समस्याओं को हल करने के लिए उपयोग करने का मानक तरीका इसे "उत्तर का अनुमान लगाने" के खेल की तरह मानना था। आप AI को एक समस्या का विवरण देंगे—जैसे, "हमें शिपिंग लागत को कम करना है जबकि सभी पैकेज 50 पाउंड से कम रखें"—और AI एक बार में ही सटीक गणितीय कोड लिखने की कोशिश करेगा। समस्या यह है कि यह अविश्वसनीय रूप से कठिन है। वास्तविक दुनिया की समस्याएं अव्यवस्थित होती हैं। एक छोटी सी गलती, जैसे किसी नियम को भूल जाना या संख्या को गलत कर देना, पूरे समाधान को विफल कर सकती है।
पेपर बताता है कि यह "वन-शॉट" दृष्टिकोण वास्तव में इस बात से बहुत अलग है कि मनुष्य वास्तव में कैसे काम करते हैं। जब एक मानव विशेषज्ञ एक मॉडल बनाता है, तो वे शायद ही कभी पहली बार में सही होते हैं। वे एक योजना का मसौदा तैयार करते हैं, उसका परीक्षण करते हैं, महसूस करते हैं कि कुछ गलत है (शायद कंप्यूटर कहता है "यह असंभव है"), और फिर वे योजना में बदलाव करते हैं। वे इस चक्र को तब तक दोहराते हैं जब तक कि यह काम न करने लगे। पुराने AI तरीके वास्तव में इस चक्र को नहीं सीखते थे; वे केवल अंतिम उत्तर को याद करने की कोशिश करते थे।
समाधान: PEARL, द इंटरैक्टिव डिटेक्टिव
लेखकों ने गेम बदलने के लिए PEARL बनाया है। एक बार के अनुमान के बजाय, PEARL एक "एजेंट" (एक स्मार्ट प्रोग्राम) है जो एक लूप में रहता है। यह कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:
कल्पना कीजिए कि आप एक रोबोट को केक बनाना सिखा रहे हैं।
- ड्राफ्ट: रोबोट एक रेसिपी (गणितीय मॉडल) लिखता है।
- टेस्ट: आपको केवल रेसिपी सौंपने के बजाय, रोबोट वास्तव में एक सुरक्षित, वर्चुअल किचन में केक बनाने की कोशिश करता है (यह "सॉल्वर" और "पायथन निष्पादन" है)।
- फीडबैक: किचन रोबोट को बताता है कि क्या हुआ। "ओह नहीं, केक जल गया क्योंकि आप ओवन का तापमान भूल गए!" या "बैटर बहुत पतला है क्योंकि आपने बहुत अधिक दूध डाल दिया।"
- रिवीजन: रोबोट इस फीडबैक को पढ़ता है, रेसिपी बदलता है, और फिर से प्रयास करता है।
PEARL विशेष है क्योंकि यह गलतियों को ठीक करने के लिए केवल नियमों के एक निश्चित सेट का पालन नहीं करता है। यह सीखता है कि कब परीक्षण करना है, फीडबैक को कैसे पढ़ना है, और कब रुकना है। यह सीखता है कि कभी-कभी इसे बेकिंग करने से पहले सामग्री (डेटा) की जांच करने की आवश्यकता होती है, और अन्य समय में इसे ओवन का तापमान (बाधाओं/constraints) बदलने की आवश्यकता होती है। यह पूरी प्रक्रिया को कंप्यूटर के साथ एक संवाद के रूप में मानता है, न कि एक मोनोलॉग के रूप में।
बड़ी खोज: छोटा और स्मार्ट, बड़े और अंधे से बेहतर है
पेपर का सबसे रोमांचक हिस्सा वह है जो उन्होंने PEARL का परीक्षण करते समय पाया। उन्होंने अपने नए सिस्टम की तुलना दो प्रकार के प्रतिस्पर्धियों के विरुद्ध की:
- "वन-शॉट" दिग्गज: विशाल AI मॉडल (जैसे DeepSeek-V3.2 जिसमें 685 बिलियन पैरामीटर्स हैं) जो बहुत बड़े और शक्तिशाली हैं लेकिन उन्हें समस्या को हल करने का केवल एक मौका मिलता है।
- "छोटे" बेसलाइन: छोटे मॉडल (जैसे 4-बिलियन-पैरामीटर वाला Qwen3) जिन्हें बिना इंटरैक्टिव ट्रेनिंग के केवल अनुमान लगाने के लिए कहा गया था।
परिणाम आश्चर्यजनक थे। PEARL मॉडल (4B आकार), जिसे इंटरैक्ट करने और अपनी गलतियों को सुधारने के लिए प्रशिक्षित किया गया था, ने विशाल दिग्गज मॉडलों से बेहतर काम किया।
- आंकड़े: कई अलग-अलग समस्याओं के एक बड़े परीक्षण पर, PEARL मॉडल (4B आकार) ने 69.71% का स्कोर प्राप्त किया (इसे "मैक्रो एवीज पास@1" कहा जाता है)। विशाल DeepSeek मॉडल (685B आकार) केवल 66.51% ही ला सका।
- निष्कर्ष: यह सुझाव देता है कि इन विशिष्ट प्रकार की गणितीय समस्याओं के लिए, यह जानना कि अपने काम की जांच कैसे की जाए और त्रुटियों को कैसे सुधारा जाए, केवल एक विशाल मस्तिष्क होने से अधिक महत्वपूर्ण है। एक छोटा मॉडल जो खुद को डीबग करने के लिए "सॉल्वर" का उपयोग करना जानता है, एक विशाल मॉडल को हरा सकता है जो केवल अनुमान लगाता है।
यह क्यों मायने रखता है
पेपर तर्क देता है कि हमें केवल बड़े और बड़े AI मॉडल बनाते रहने और यह उम्मीद करने की जरूरत नहीं है कि वे बेहतर हो जाएंगे। इसके बजाय, हमें उन्हें इंटरैक्टिव होना सिखाना चाहिए। AI को सॉल्वर से "बात" करने, कोड चलाने और अपनी गलतियों से सीखने की अनुमति देकर, हम अधिक विश्वसनीय और सटीक सिस्टम बना सकते हैं।
लेखक सावधानी बरतते हुए कहते हैं कि इसका मतलब यह नहीं है कि AI अभी हर समस्या को पूरी तरह से हल कर सकता है। अभी भी सीमाएं हैं, विशेष रूप से बहुत जटिल या अव्यवस्थित वास्तविक दुनिया के डेटा के साथ। लेकिन अध्ययन दृढ़ता से सुझाव देता है कि गणित और विज्ञान में AI का भविष्य केवल आकार के बारे में नहीं है; यह इन प्रणालियों को जिज्ञासु होने, अपने विचारों का परीक्षण करने और विफलता से सीखने के लिए प्रशिक्षित करने के बारे में है। यह "उत्तर का अनुमान लगाने" से "उत्तर खोजने का तरीका सीखने" की ओर एक बदलाव है।
संक्षेप में, PEARL दिखाता है कि यदि आप एक रोबोट को अपना होमवर्क चेक करने और अपनी गलतियों को सुधारने का मौका देते हैं, तो वह एक ऐसे विशाल रोबोट की तुलना में बहुत बेहतर छात्र बन सकता है जो मदद मांगने के लिए बहुत अभिमानी 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।