कल्पना कीजिए कि बुद्धिमान जासूसों का एक समूह एक पेचीदा रहस्य सुलझाने की कोशिश कर रहा है। आर्टिफिशियल इंटेलिजेंस की दुनिया में, ये जासूस "एजेंट्स" हैं—कंप्यूटर प्रोग्राम जिन्हें कदम-दर-कदम समस्याओं पर विचार करने के लिए डिज़ाइन किया गया है। आमतौर पर, जब ये एजेंट आपस में असहमत होते हैं, तो वे बहुत अक्षम काम करते हैं: वे अपनी पूरी जांच को छोड़कर फिर से शून्य से शुरुआत करते हैं और उन हर एक सुराग पर बहस करते हैं जिन पर वे सभी सहमत थे, भले ही वे सुराग पहले ही तय हो चुके हों। यह वैसा ही है जैसे दो लोग कार के रंग के बारे में बहस कर रहे हों, लेकिन केवल यह कहने के बजाय कि "यह लाल है," वे मिलने के तरीके, नाश्ते में क्या खाया था और उस दिन मौसम कैसा था, यहाँ तक कि पूरी कहानी दोबारा सुनाने लगें, ताकि वे उस बिंदु तक वापस आ सकें जहाँ वे असहमत हैं। यह शोध पत्र, जिसका शीर्षक "Where Reasoning Diverges: Localized Multi-Agent Debate" है, कंप्यूटर विज्ञान के क्षेत्र से आता है, जो विशेष रूप से इस बात पर केंद्रित है कि हम इन AI "जासूसों" को अधिक स्मार्ट और तेज़ कैसे बना सकते हैं। इसका मूल विचार इस बात पर आधारित है कि AI तर्क (reasoning) तब सबसे अच्छा काम करता है जब मॉडल के कई संस्करण गलतियों को सुधारने के लिए एक-दूसरे से बात करते हैं, लेकिन पुराना तरीका बहुत अव्यवस्थित और दोहराव वाला है।

इस अध्ययन के पीछे के शोधकर्ताओं, वेइजुन गाओ (Weijun Gao) और उनकी टीम ने महसूस किया कि जब AI एजेंट असहमत होते हैं, तो समस्या आमतौर पर तर्क की एक लंबी श्रृंखला में केवल एक छोटा सा कदम होती है। एजेंटों को उनके पूरे इतिहास को फिर से दोहराने के लिए मजबूर करने के बजाय, उन्होंने LMAD (Localized Multi-Agent Debate) नामक एक नया तरीका विकसित किया। LMAD को एक अत्यंत कुशल मध्यस्थ (mediator) के रूप में समझें जो दो जासूसों को सुनता है, ठीक उस क्षण का पता लगाता है जहाँ वे असहमत होना शुरू हुए थे, और कहता है, "रुकिए! आइए केवल इस विशिष्ट सुराग के बारे में बहस करें।" एक बार जब वे उस एक सुराग को ठीक कर लेते हैं, तो मध्यस्थ उसे एक "साझा नोटबुक" में लॉक कर देता है जिसे सभी सत्य मानकर स्वीकार करते हैं, और फिर जासूस अपनी जांच को उस नए, ठोस आधार से आगे बढ़ाते हैं। वे उन तथ्यों पर दोबारा बहस करने में समय बर्बाद नहीं करते जो वे पहले ही तय कर चुके हैं।

यह पत्र सुझाव देता है कि यह "ज़ूम-इन" दृष्टिकोण एक गेम-चेंजर है। असहमति को एक पूर्ण सिस्टम रीबूट के बजाय एक छोटे, स्थानीय मरम्मत कार्य (repair job) के रूप में मानकर, AI एजेंट जटिल, बहु-चरणीय प्रश्नों को बहुत बेहतर तरीके से हल कर सकते हैं। अपने परीक्षणों में, जिसमें दस अलग-अलग AI मॉडल और चार कठिन प्रश्न-उत्तर चुनौतियाँ शामिल थीं, इस नई पद्धति ने लगातार मौजूदा सर्वोत्तम तकनीकों से बेहतर प्रदर्शन किया। वास्तव में, इसने सबसे मजबूत पिछले तरीकों की तुलना में AI के उत्तरों की सटीकता में 7.20 प्रतिशत अंक तक सुधार किया। लेखकों ने पाया कि यह विभिन्न आकार के AI मॉडल, छोटे से लेकर विशाल मॉडलों तक, सभी पर काम करता है, जो यह दर्शाता है कि यह केवल एक बड़ा दिमाग होने के बारे में नहीं है, बल्कि बेहतर तरीके से बहस करने के बारे में है।

समस्या: "Whole-Trace" का जाल

कल्पना कीजिए कि आप एक दोस्त के साथ ब्लॉक्स का एक टॉवर बना रहे हैं। आप दोनों पहले दस ब्लॉक्स पर सहमत हैं। फिर, आप दोनों ग्यारहवाँ ब्लॉक रखने की कोशिश करते हैं, लेकिन आप अलग-अलग आकृतियाँ चुनते हैं। पुराने तरीके में (जिसे "Multi-Agent Debate" कहा जाता है), यदि आप ग्यारहवें ब्लॉक पर असहमत होते हैं, तो आपको पूरा टॉवर गिराना होगा, फिर से शुरू करना होगा और उन सभी दस सहमत ब्लॉक्स को फिर से बनाना होगा, सिर्फ ग्यारहवें ब्लॉक के बारे में बहस करने के लिए। यह थकाऊ और धीमा है।

यह पत्र तर्क देता है कि यह "whole-trace" दृष्टिकोण समय की बर्बादी है। जब AI एजेंट बहस करते हैं, तो वे अक्सर शुरुआती तथ्यों पर सहमत होते हैं लेकिन बाद में अलग हो जाते हैं। उन्हें पहले से सहमत सभी चीजों पर फिर से चर्चा करने के लिए मजबूर करना वास्तविक समस्या को छिपा देता है और कंप्यूटिंग शक्ति को बर्बाद करता है। लेखक स्पष्ट रूप से इस विचार को खारिज करते हैं कि हमें हर बार असहमति होने पर पूरे तर्क पथ (reasoning path) पर बहस करने की आवश्यकता है। उनका तर्क है कि "समन्वय की इकाई" (unit of coordination) वह विशिष्ट चरण होना चाहिए जहाँ असहमति शुरू होती है, न कि पूरी कहानी।

समाधान: "स्थानीयकृत" (Localized) सुधार

टीम ने LMAD पेश किया, जो AI के विचारों के लिए एक स्मार्ट संपादक की तरह कार्य करता है। यह इस प्रकार काम करता है:

1. समानांतर रन (The Parallel Run): कई AI एजेंट (जैसे एक ही जासूस के विभिन्न संस्करण) स्वतंत्र रूप से एक प्रश्न को हल करने का प्रयास करते हैं। वे अपने विचारों को "टाइप्ड नोड्स" की एक श्रृंखला के रूप में लिखते हैं—जो मूल रूप से स्पष्ट, संक्षिप्त दावों की एक सूची है।
2. लोकलाइज़र (The Localizer): एक विशेष प्रणाली इन सूचियों को स्कैन करती है ताकि वह सबसे पहला स्थान ढूंढ सके जहाँ एजेंट असहमत होते हैं। यह एक रेफरी की तरह है जो ठीक उसी क्षण सीटी बजाता है जब दो खिलाड़ी एक-दूसरे के पैरों पर पैर रखते हैं।
3. स्थानीय बहस (The Local Debate): पूरे खेल के बारे में बहस करने के बजाय, एजेंट केवल उस श्रृंखला के विशिष्ट खंड पर बहस करते हैं जो उस असहमति तक ले जाती है। वे अपनी ऊर्जा केवल उस एक टूटे हुए लिंक को ठीक करने पर केंद्रित करते हैं।
4. गार्डेड कमिट (The Guarded Commit): एक बार जब वे सुधार पर सहमत हो जाते हैं, तो एक "गार्ड" जाँच करता है कि क्या नया दावा साक्ष्य द्वारा समर्थित है (जैसे यह जाँच करना कि क्या किसी गवाह ने वास्तव में वही कहा जो जासूस दावा कर रहा है)। यदि यह पास हो जाता है, तो सुधार को एक साझा स्थिति (shared state) में "कमिट" कर दिया जाता है। इसका अर्थ है कि इसे एक तथ्य के रूप में लॉक कर दिया गया है जिसे सभी स्वीकार करते हैं।
5. पुनः आरंभ (The Resume): एजेंट इस नए, ठीक किए गए बिंदु से अपनी जांच फिर से शुरू करते हैं। यदि वे बाद में फिर से असहमत होते हैं, तो प्रक्रिया दोहराई जाती है: नया असंतोष खोजें, केवल उस हिस्से को ठीक करें, और उसे लॉक करें।

परिणाम: स्मार्ट, तेज़ और अधिक सटीक

शोधकर्ताओं ने इस पद्धति का परीक्षण चार अलग-अलग "मल्टी-हॉप" प्रश्न-उत्तर बेंचमार्क पर किया। ये पेचीदा पहेलियाँ हैं जहाँ आपको उत्तर खोजने के लिए सूचना के कई टुकड़ों को जोड़ना पड़ता है (जैसे, "एफिल टॉवर वाले देश के राष्ट्रपति की पत्नी कौन है?")। उन्होंने दस अलग-अलग AI "बैकबोन" (AI का अंतर्निहित मस्तिष्क) का उपयोग किया जो छोटे से लेकर बड़े मॉडल तक विस्तृत थे।

परिणाम प्रभावशाली थे। पत्र बताता है कि एक एकल, निश्चित सेटअप के साथ, LMAD ने सभी दस मॉडलों में उच्चतम सटीकता प्राप्त की।

• बड़ी जीत: इसने सबसे मजबूत पिछले तरीके को 7.20 प्रतिशत अंक तक पीछे छोड़ा।
• निरंतरता: 40 अलग-अलग मॉडल और डेटासेट के संयोजनों में से, LMAD 36 मामलों में बेहतर था, एक में बराबरी पर था, और केवल तीन में खराब प्रदर्शन कर रहा था।
• औसत लाभ: सभी मॉडलों में औसत सुधार लगभग 2.94 प्रतिशत अंक था।

लेखक सावधानी से नोट करते हैं कि हालांकि ये परिणाम मजबूत हैं, लेकिन ये विशिष्ट परीक्षणों और सिमुलेशन पर आधारित हैं। वे सुझाव देते हैं कि "असहमति को स्थानीयकृत करने" का सिद्धांत एक उपयोगी उपकरण है, लेकिन वे यह दावा नहीं करते कि यह AI तर्क की हर समस्या को हल करता है। वे यह भी बताते हैं कि वास्तविक दुनिया की सोच एक सरल सीधी रेखा (जैसे एक पेड़ या वेब) से अधिक जटिल हो सकती है, और भविष्य का कार्य इस "स्थानीयकृत" विचार को उन अधिक जटिल आकृतियों पर लागू करने का प्रयास कर सकता है।

यह क्यों महत्वपूर्ण है

यह पत्र सुझाव देता है कि हमें AI मॉडल को स्मार्ट बनाने के लिए उन्हें बड़ा करने की आवश्यकता नहीं है; हमें बस उन्हें बेहतर तरीके से बहस करना सिखाने की आवश्यकता है। केवल उन हिस्सों पर ध्यान केंद्रित करके जहाँ बातचीत गलत होती है, और उन हिस्सों को लॉक करके जहाँ सभी सहमत होते हैं, AI कठिन पहेलियों को अधिक कुशलता से हल कर सकता है। यह "सब कुछ बहस करने" से "विशिष्ट टूट-फूट को ठीक करने" की ओर एक बदलाव है, एक ऐसी रणनीति जो काम करती है चाहे AI छोटा हो या बहुत बड़ा।