MPR-CiteG: Enhancing RAG with Multi-Portfolio Retrieval and Citation-Grounded Generation
यह शोध पत्र MPR-CiteG को प्रस्तुत करता है, जो एक द्वि-घटक ढांचा है जो रिट्रीवल दक्षता में सुधार करने और स्पष्ट स्रोत एट्रिब्यूशन के माध्यम से तथ्यात्मक निरंतरता सुनिश्चित करने के लिए मल्टी-पोर्टफोलियो रिट्रीवल और साइटेशन-ग्राउंडेड जनरेशन को संयोजित करके RAG सिस्टम को उन्नत करता है, जिससे भ्रम (hallucinations) कम होता है और साइंसऑन (ScienceON) एआई चैलेंज में दूसरा स्थान 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 स्कूल रिपोर्ट लिखने की कोशिश कर रहे हैं, जो कि एक बहुत ही जटिल विषय पर है, जैसे कि एक ऐसा रोबोट कैसे बनाया जाए जो नाच सके। आपके पास किताबों का एक विशाल पुस्तकालय है, लेकिन वे सब आपस में मिल-जुल गए हैं, और उनमें से कुछ अलग-अलग भाषाओं में लिखी गई हैं। यदि आप केवल अपनी याददाश्त से रिपोर्ट लिखने के लिए एक सुपर-स्मार्ट AI से पूछते हैं, तो वह ऐसे शानदार लगने वाले तथ्य बना सकता है जो सच लग सकते हैं लेकिन वास्तव में गलत होते हैं। इसे "हलुसिनेशन" (hallucination) कहा जाता है, और यह एक बड़ी समस्या है जब आपको वास्तविक, भरोसेमंद उत्तरों की आवश्यकता होती है। इसे ठीक करने के लिए, वैज्ञानिक एक ट्रिक का उपयोग करते हैं जिसे रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) कहा जाता है। RAG को एक "चीट शीट" के रूप में सोचें जो AI को लिखने से पहले वास्तविक दस्तावेज़ पढ़ने के लिए दी जाती है। लेकिन यहाँ एक पेंच है: यदि AI गलत चीट शीट चुनता है, या यदि वह आपको यह बताए बिना रिपोर्ट लिखता है कि जानकारी वास्तव में किस पृष्ठ से आई है, तो उत्तर फिर भी बेकार है। लक्ष्य एक ऐसा AI बनाना है जो न केवल स्मार्ट हो बल्कि एक सावधानीपूर्वक शोधकर्ता भी हो जो हमेशा अपने स्रोतों का हवाला दे।
यही वह काम है जो MPR-CiteG फ्रेमवर्क करता है। इस प्रोजेक्ट के पीछे के शोधकर्ताओं ने, जो एक प्रमुख AI चुनौती में दूसरे स्थान पर आए थे, एक दो-भाग वाली प्रणाली बनाई ताकि यह सुनिश्चित किया जा सके कि AI के उत्तर सटीक और ईमानदार दोनों हों। सबसे पहले, उन्होंने एक मल्टी-पोर्टफोलियो रिट्रीवर (MPR) बनाया। केवल एक साधारण प्रश्न के लिए लाइब्रेरी से मदद मांगने के बजाय, MPR चार अलग-अलग जासूसों की एक टीम की तरह कार्य करता है, जिनमें से प्रत्येक की एक अनूठी रणनीति होती है। एक जासूस संबंधित विचारों को खोजने के लिए प्रश्न का विस्तार करता है, दूसरा समानार्थी शब्दों (synonyms) की तलाश करता है ताकि एक ही बात कहने के विभिन्न तरीकों को पकड़ा जा सके, तीसरा खोज को व्यापक और विशिष्ट के बीच संतुलित करता है, और चौथा प्रश्न को अन्य भाषाओं में अनुवादित करता है ताकि अंतर्राष्ट्रीय शोध को खोजा जा सके। वे सभी सुरागों की तलाश करते हैं, अपने निष्कर्षों को मिलाते हैं, और फिर एक सख्त संपादक (एक री-रैंकर) उपयोग के लिए सबसे अच्छे 50 दस्तावेज़ों को चुनता है।
एक बार जब सबसे अच्छे दस्तावेज़ एकत्र कर लिए जाते हैं, तो प्रणाली का दूसरा भाग, जिसे साइटेशन-ग्राउंडेड जनरेशन (CiteG) कहा जाता है, कमान संभाल लेता है। यह वह लेखक है जो अनुमान लगाने से इनकार करता है। यह शीर्ष 10 दस्तावेज़ों को पढ़ता है और एक स्पष्ट, प्रवाहपूर्ण उत्तर लिखता है। लेकिन यहाँ जादू है: हर उस वाक्य के लिए जो एक विशिष्ट तथ्य बताता है, यह तुरंत एक छोटा सा टैग जोड़ देता है जो सटीक स्रोत दस्तावेज़ की ओर संकेत करता है। यदि कोई वाक्य केवल एक सामान्य ट्रांज़िशन (transition) है, तो उसे टैग नहीं मिलता है। इस तरह, आप उत्तर पढ़ सकते हैं और तुरंत जान सकते हैं, "ठीक है, यह तथ्य सोर्स A से आया है, और यह वाला सोर्स B से।" टीम ने वैज्ञानिक प्रश्नों के एक डेटासेट पर इसका परीक्षण किया और पाया कि उनकी प्रणाली काल्पनिक तथ्यों से बचने में अत्यधिक प्रभावी थी। उन्होंने पाया कि एक विशिष्ट प्रकार के AI मॉडल (Qwen-2.5-14B) का उपयोग करना सबसे अच्छा रहा, और रिट्रीवल टीम में चारों "जासूस" रणनीतियों का होना सही जानकारी प्राप्त करने के लिए महत्वपूर्ण था। हालाँकि यह प्रणाली बहुत अच्छी है, लेखक स्वीकार करते हैं कि यह कभी-कभी बहुत जटिल प्रश्नों के साथ संघर्ष कर सकती है जिनमें आगे-पीछे सोचने की प्रक्रिया (back-and-forth thinking process) की आवश्यकता होती है, जो यह सुझाव देता है कि भविष्य के संस्करणों को और भी अधिक गतिशील होने की आवश्यकता हो सकती है। अंततः, MPR-CiteG हमें दिखाता है कि कैसे एक ऐसा AI बनाया जाए जो केवल बातें न करे, बल्कि वास्तव में यह भी जानता हो कि वह क्या कह रहा है और वह इसे साबित भी कर सके।
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।