PersonaTrail: Benchmarking Personalized Web Agents through Browsing Trails
यह शोध पत्र PersonaTrail पेश करता है, जो व्यक्तिगत वेब एजेंटों की कच्चे ब्राउज़िंग इतिहास से उपयोगकर्ता की प्राथमिकताओं को अनुमान लगाने की क्षमता का मूल्यांकन करने के लिए एक बेंचमार्क है, साथ ही PACMem भी पेश करता है, जो इस इतिहास को तथ्यात्मक और प्राथमिकता संबंधी स्मृतियों में व्यवस्थित करने वाला एक ढांचा है ताकि नेविगेशन प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
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 सुपर-स्मार्ट रोबोट असिस्टेंट है जो आपके लिए इंटरनेट ब्राउज़ कर सकता है। आप उससे कहते हैं "एक फिल्म ढूँढो," और वह ढूँढ लेता है। लेकिन वास्तविक दुनिया में, आप शायद ही कभी एकदम सटीक निर्देश देते हैं। आप कह सकते हैं, "मेरे लिए एक ऐसी फिल्म ढूँढो जैसी मैं आमतौर पर देखता हूँ," या "मुझे वह रेसिपी दिखाओ जिसे मैंने पिछले मंगलवार को देखा था।" ऐसा करने के लिए, रोबोट को आपकी पिछली आदतों और आपके डिजिटल जीवन के विशिष्ट क्षणों को याद रखने की आवश्यकता होती। यह वेब एजेंट्स (web agents) की दुनिया है: ऐसे सॉफ्टवेयर जो वेबसाइटों पर एक इंसान की तरह काम करते हैं, बटन क्लिक करते हैं और काम पूरा करने के लिए पेजों को पढ़ते हैं। कुछ समय के लिए, वैज्ञानिकों ने इन रोबोट्स का परीक्षण बहुत सख्त, सटीक निर्देशों के साथ किया, जैसे कि एक गणित की समस्या जिसमें सभी संख्याएँ भरी हुई हों। लेकिन यह वास्तविक जीवन जैसा महसूस नहीं होता। वास्तविक जीवन अव्यवस्थित है, जो अधूरे विचारों और दिनों पहले की गई चीजों की यादों से भरा है। बड़ा सवाल यह है: क्या ये रोबोट वास्तव में आपके बिखरे हुए इतिहास से आपको सीख सकते हैं, या वे केवल अंधे होकर आदेशों का पालन करते हैं?
यह शोध पत्र इन रोबोट्स को टेस्ट करने का एक नया तरीका पेश करता है, जिसे PERSONATRAIL कहा गया है। शोधकर्ताओं ने एक विशाल खेल का मैदान बनाया जहाँ उन्होंने विशिष्ट शौक, नौकरियां और पसंद वाले नकली लेकिन यथार्थवादी "उपयोगकर्ता" बनाए। फिर उन्होंने इन उपयोगकर्ताओं को वेब ब्राउज़ करते हुए देखा, जिससे क्लिक, खोज और पेज विज़िट का एक लंबा निशान (trail) बना। उन्होंने रोबलों को दो कठिन चुनौतियाँ दीं। पहली, प्रेफरेंस इन्फरेंस (Preference Inference): रोबोट को एक पैटर्न के आधार पर यह अनुमान लगाना होगा कि आपको क्या पसंद है। उदाहरण के लिए, यदि आप हमेशा "मिस्ट्री" फिल्मों और "वन-पॉट" रेसिपीज़ पर क्लिक करते हैं, तो रोबोट को यह समझना होगा कि आपको रहस्य और आसान खाना बनाना पसंद है, भले ही आप इसे ज़ोर से न कहें। दूसरी, एपिसोडिक ग्राउंडिंग (Episodic Grounding): रोबोट को एक विशिष्ट स्मृति ढूँढनी होगी। यदि आप कहते हैं, "मुझे वह करी रेसिपी दिखाओ जिसे मैंने पिछले मंगलवार को खोजा था," तो रोबोट को उस सटीक क्षण को खोजने के लिए अपने मेमोरी बैंक को खंगालना होगा और वहां वापस जाना होगा।
शोधकर्ताओं ने पाया कि मौजूदा रोबोट इस मामले में बहुत खराब थे। वे उन छात्रों की तरह थे जिन्होंने एक पाठ्यपुस्तक रट ली थी लेकिन उसे किसी नई स्थिति में लागू नहीं कर पा रहे थे। जब रोबोटों ने आपके अतीत को याद करने की कोशिश की, तो वे अक्सर महत्वपूर्ण विवरणों को, जैसे कि आपने क्या क्लिक किया था, फेंक देते थे, और केवल इस सामान्य विचार को रखते थे कि आपने कैसे क्लिक किया था। इसे ठीक करने के लिए, टीम ने एक नया मेमोरी सिस्टम बनाया जिसे PACMEM कहा गया। PACMEM को एक रोबोट के लिए एक सुपर-व्यवस्थित लाइब्रेरियन (पुस्तकालयाध्यक्ष) के रूप में समझें। डेस्क पर कागजों का ढेर डालने के बजाय, यह लाइब्रेरियन उन्हें दो विशेष डिब्बों में छाँटता है। एक डिब्बा, फैक्टुअल मेमोरी (Factual Memory), विशिष्ट दिनों में क्या हुआ उसका एक डायरी जैसा विवरण है (जैसे, "24 मई को, सारा ने बर्ड बॉक्स देखी")। दूसरा डिब्बा, प्रेफरेंस मेमोरी (Preference Memory), आपकी आदतों का एक सारांश है (जैसे, "सारा हमेशा मिस्ट्री फिल्में और 6.0 से ऊपर की रेटिंग चुनती है")।
जब रोबोट को कोई प्रश्न मिलता है, तो PACMEM सारा इतिहास उस पर नहीं थोपता। यह जल्दी से डायरी वाले डिब्बे की जाँच करता है यदि प्रश्न किसी विशिष्ट दिन के बारे में है, या आदत वाले डिब्बे की जाँच करता है यदि प्रश्न इस बारे में है कि आपको क्या पसंद है। परिणामों ने दिखाया कि इस दो-डिब्बे वाले सिस्टम का उपयोग करने वाले रोबोट इन व्यक्तिगत पहेलियों को सुलझाने में पुराने रोबोटों की तुलना में बहुत बेहतर थे। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने सही फिल्म या रेसिपी खोजने के लिए वास्तव में सही सुरागों का उपयोग किया। शोध पत्र सुझाव देता है कि यदि रोबोटों को वास्तव में वास्तविक दुनिया में हमारी मदद करनी है, तो उन्हें हमारे ब्राउज़िंग इतिहास को कचरे के ढेर की तरह मानना बंद करना होगा और इसे स्पष्ट कहानियों और आदतों में व्यवस्थित करना शुरू करना होगा। हालाँकि यह एक बड़ा कदम है, शोधकर्ता नोट करते हैं कि वास्तविक जीवन उनके टेस्ट से भी अधिक जटिल है, जहाँ आदतें बदलती हैं और ऐसे प्रश्न होते हैं जिनका उत्तर देना असंभव है, लेकिन यह नया सिस्टम हमें अधिक स्मार्ट, अधिक व्यक्तिगत सहायक बनाने के लिए एक ठोस आधार 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।