Argus: A General-Purpose Agentic Runtime for Long-Horizon Reasoning
आर्गस (Argus) एक सामान्य-उद्देश्य वाला, फिक्स्ड-वेट एजेंटिक रनटाइम है जो मिशन प्रक्षेप पथों (mission trajectories) को स्वायत्त रूप से सत्यापित करने, सुधारने और परिष्कृत करने के लिए विशिष्ट भूमिकाओं द्वारा प्रबंधित एक निरंतर, स्व-विकसित अवस्था का उपयोग करके विविध बेंचमार्क में श्रेष्ठ दीर्घकालिक तर्क प्रदर्शन प्राप्त करता 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
द लॉन्ग-हॉल डिटेक्टिव: क्यों AI को एक याददाश्त और एक कोच की ज़रूरत है
कल्पना कीजिए कि आप एक विशाल, कई दिनों के रहस्य को सुलझाने की कोशिश कर रहे हैं, जैसे कि शून्य से एक काम करने वाला रोबोट बनाने का तरीका पता लगाना या एक ऐसा उपन्यास लिखना जो वास्तव में समझ में आए। यदि आप कुछ साल पहले का एक कंप्यूटर प्रोग्राम होते, तो आप शायद निर्देशों को पढ़ने, एक अनुमान लगाने और फिर दोबारा प्रयास करने से पहले ही अपने द्वारा किए गए सब कुछ को तुरंत भूल जाने की कोशिश करते। कई शुरुआती AI "एजेंट्स" इसी तरह काम करते थे: वे एक ऐसे जासूस की तरह थे जो एक सुराग सुलझाता है, फिर उसे पूर्ण विस्मृति (amnesia) हो जाती है, और हर बार जब वह किसी डेड एंड (बंद रास्ते) पर पहुँचता है, तो उसे पूरी जांच फिर से शुरू करनी पड़ती है। वे पढ़ने में तेज़ थे, लेकिन लंबे समय तक अपनी गलतियों से सीखने में बहुत खराब थे।
"लॉन्ग-होराइजन रीजनिंग" (दीर्घकालिक तर्क) का क्षेत्र इसी को ठीक करने के बारे में है। यह सवाल करता है: एक AI कैसे कई दिनों या हफ्तों तक एक योजना को जारी रख सकता है, यह याद रख सकता है कि उसने कल क्या आजमाया था, और जब उसे एहसास होता है कि वह गलत दिशा में जा रहा है तो अपनी रणनीति बदल सकता है? यहाँ मुख्य विचार यह है कि स्मार्ट होने का मतलब केवल एक बड़ा दिमाग (एक शक्तिशाली मॉडल) होना नहीं है; यह एक अच्छी नोटबुक (स्थायी स्मृति) और एक सख्त कोच (सत्यापन) रखने के बारे में है जो आपको तब रोक दे जब आप फंस जाएं और खुद से झूठ बोलने लगें। यह पेपर इस समस्या पर काम करता है कि कैसे एक ऐसा AI सिस्टम बनाया जाए जो केवल गोल-गोल न घूमे बल्कि समय के साथ अपनी विधियों को विकसित करे, बिना शून्य से फिर से प्रशिक्षित (retrained) हुए कठिन समस्याओं को हल करने में बेहतर बने।
Argus से मिलिए: वह AI जो मोड़ लेना सीखता है
Argus से मिलिए, एक नए प्रकार का AI "रनटाइम" (इसे AI के मस्तिष्क को चलाने वाला ऑपरेटिंग सिस्टम या इंजन समझें)। Argus के पीछे के शोधकर्ताओं ने, जो माइक्रोसॉफ्ट और कई शीर्ष विश्वविद्यालयों की एक टीम है, महसूस किया कि एक AI के लिए वास्तव में कठिन, दीर्घकालिक परियोजनाओं को संभालने के लिए, वह केवल अंधे होकर आगे नहीं बढ़ सकता। यदि AI एक विशाल सॉफ्टवेयर कोडबेस में बग को ठीक करने की कोशिश कर रहा है या एक जटिल गणितीय प्रमेय (theorem) को सिद्ध करने की कोशिश कर रहा है, तो वह घंटों उस रास्ते पर बिता सकता है जो अंततः एक डेड एंड साबित होता है। एक सामान्य AI बस आगे बढ़ता रह सकता है, जिससे समय और ऊर्जा बर्बाद होती है। Argus अलग है: इसे पिवट (मोड़ लेना/दिशा बदलना) करने के लिए डिज़ाइन किया गया है।
Argus को एक साझा कार्यालय में काम करने वाली एक अत्यधिक संगठित अनुसंधान टीम की तरह समझें, न कि अकेले काम करने वाले एक व्यक्ति की तरह। इस टीम की चार विशिष्ट भूमिकाएँ हैं, और वे कभी भी अपने काम को आपस में नहीं मिलाती हैं:
- मैनेजर (प्रबंधक): वह बॉस जो बड़ी तस्वीर को थामे रखता है। वे सुनिश्चित करते हैं कि टीम मूल लक्ष्य (जैसे "रोबोट बनाना") पर केंद्रित रहे, भले ही दैनिक योजना बदल जाए।
- प्लानर (योजनाकार): वह रणनीतिकार जो बड़े लक्ष्य को दिन के छोटे, करने योग्य कार्यों में तोड़ता है।
- इंजीनियर (अभियंता): वह निर्माता जो वास्तव में कोड लिखता है, प्रयोग चलाता है, या गणित करता है।
- रिव्यूअर (समीक्षक): वह सख्त गुणवत्ता नियंत्रण निरीक्षक। उनका काम इंजीनियर द्वारा बनाई गई चीज़ को देखना और कहना है, "यह अच्छा है," "इसे सुधारने की आवश्यकता है," या "रुको, यह रास्ता एक डेड एंड है।"
Argus का जादू यह है कि यह विफलता को डेटा के रूप में मानता है। जब इंजीनियर एक विधि आज़माता है और वह विफल हो जाता है, तो रिव्यूअर केवल "ओप्स" नहीं कहता। वे ठीक से रिकॉर्ड करते हैं कि वह क्यों विफल हुआ। यह रिकॉर्ड एक स्थायी "प्रोजेक्ट स्टेट" (टीम की साझा नोटबुक) में सहेजा जाता है। बाद में, यदि टीम फिर से उसी डेड एंड वाले रास्ते पर जाने की कोशिश करती है, तो सिस्टम याद रखता है, "हे, हमने कल यह आज़माया था और यह काम नहीं आया था," और एक नए विचार की ओर मुड़ जाता है। इसे वेरिफिकेशन-गाइडेड पर्सिस्टेंस (सत्यापन-निर्देशित निरंतरता) कहा जाता है। सिस्टम केवल तभी "सीखता" है (अपनी स्मृति अपडेट करता है) यदि रिव्यूअर सत्यापित करता है कि नई जानकारी वास्तव में सत्य और उपयोगी है।
उन्होंने क्या पाया: कोड ठीक करने और पेपर लिखने में बेहतर
टीम ने यह देखने के लिए कि क्या यह "स्मृति के साथ टीम" वाला दृष्टिकोण वास्तव में काम करता है, Argus का परीक्षण कुछ अविश्वसनीय रूप से कठिन चुनौतियों पर किया।
1. कोड फिक्सिंग टेस्ट (SWE-Bench Pro)
उन्होंने Argus को 731 वास्तविक दुनिया के सॉफ्टवेयर बग दिए जिन्हें ठीक करना था। यह एक प्रोग्रामर को एक अस्त-व्यस्त, टूटे हुए कोडबेस को देने और बिना मानवीय मदद के उसे ठीक करने के लिए कहने जैसा है।
- परिणाम: Argus ने लगभग 78% बग सफलतापूर्वक ठीक किए।
- तुलना: एक मानक AI टूल (Direct Copilot) केवल 59% को ठीक कर पाया।
- लागत: Argus ने मानक टूल की तुलना में लगभग 1.41 गुना अधिक कंप्यूटर "टोकन" (सोचने की बुनियादी इकाइयाँ) का उपयोग किया।
- निष्कर्ष: Argus काफी अधिक सटीक था, भले ही इसने थोड़ा अधिक सोचा। इसने साबित किया कि काम की जाँच करने और पिछली गलतियों को याद रखने में लगने वाला समय सार्थक होता है।
2. "स्मार्ट बनने" का टेस्ट (सेल्फ-इवोल्यूशन)
यहाँ सबसे दिलचस्प हिस्सा है। शोधकर्ताओं ने Argus को समय के साथ देखा। उन्होंने AI के मस्तिष्क (मॉडल वेट्स) को नहीं बदला। इसके बजाय, उन्होंने बस सिस्टम को अपने कौशल और स्मृतियों की "नोटबुक" बनाने दिया।
- परिणाम: जैसे-जैसे सिस्टम ने अधिक कार्य किए और अपनी नोटबुक को सत्यापित कौशलों से भरा, यह तेज़ और सस्ता होता गया। परीक्षण के बाद के चरणों में, Argza ने शुरुआत की तुलना में 21% कम टोकन और प्रति कार्य 15% कम समय का उपयोग किया।
- अर्थ: AI को बेहतर होने के लिए फिर से प्रशिक्षित करने की आवश्यकता नहीं थी; इसे बस यह याद रखने की आवश्यकता थी कि इसने क्या सीखा है। इसने अपने स्वयं के "रनटाइम स्टेट" को विकसित किया, जिससे यह बिना अपने मौलिक मस्तिष्क को बदले एक अधिक कुशल कार्यकर्ता बन गया।
3. "खुद से झूठ न बोलें" टेस्ट (रिव्यूअर इंटरवेंशन)
टीम ने ट्रैक किया कि रिव्यूअर कितनी बार हस्तक्षेप करता है। 731 कार्यों में से, रिव्यूअर को 466 कार्यों के लिए बुलाया गया था।
- बचाव (The Rescue): 43 मामलों में, रिव्यूअर ने कहा, "यह अभी तक पूरा नहीं हुआ है, फिर से प्रयास करें।" इसके बाद जब इंजीनियर ने फिर से प्रयास किया, तो उन 34 कार्यों में से सफलतापूर्वक ठीक किए गए, और 22 इतने अच्छी तरह से ठीक किए गए कि वे दूसरे, अधिक सख्त रिव्यू में भी पास हो गए।
- रोकथाम (The Block): रिव्यूअर ने सिस्टम को उन 35 कार्यों पर जीत का दावा करने से भी रोका जो वास्तव में असंभव या टूटे हुए थे। यह बहुत बड़ी बात है: इसका मतलब है कि सिस्टम ने यह सीखने के लिए सीखा कि "मैं यह नहीं कर सकता" कहना है, बजाय इसके कि वह एक नकली समाधान का भ्रम (hallucination) पैदा करे।
कोड से परे: गणित, चिप्स और पेपर्स
Argus केवल कोड ठीक करने तक ही सीमित नहीं रहा। टीम ने दिखाया कि यह अन्य "लॉन्ग-होराइजन" कार्यों को भी संभाल सकता है:
- गणित अनुसंधान: एक जटिल गणितीय प्रमेय को सिद्ध करने के अभियान में, Argus ने एक ऐसे पथ का रिकॉर्ड रखा जो असत्य (false) सिद्ध हुआ था (एक "फालसीफाइड रूट")। उसे हटाने के बजाय, उसने उसे एक "प्रवेश निषेध" संकेत के रूप में रखा। इसने सिस्टम को बाद में उस डेड एंड से बचने में मदद की और सफलतापूर्वक प्रमेय की सीमाओं को मजबूत करने में मदद की।
- पेपर लिखना: उन्होंने वैज्ञानिक पेपर लिखने के लिए छह अलग-अलग अनुसंधान परियोजनाओं को चलाया। सिस्टम ने 254 मिशनों को संभाला, 16 प्रमुख रोलबैक (जहाँ उसे अपनी पूरी योजना बदलनी पड़ी) का सामना किया, और फिर भी सभी छह पेपर पूरे करने में सफल रहा। एक प्रोजेक्ट ने तो एक असफल विचार को एक सफल "नेगेटिव रिजल्ट्स" अध्ययन में बदल दिया, जो यह साबित करता है कि कभी-कभी यह जानना कि क्या काम नहीं करता है, एक वैध वैज्ञानिक खोज है।
- चिप्स डिजाइन करना: एक कठिन परीक्षण में, Argus ने एक कंप्यूटर चिप (ACE-2) डिजाइन की। सिस्टम ने कोड लिखा, टाइमिंग की जाँच की, और अंतिम डिज़ाइन सभी सख्त हार्डवेयर जाँचों में पास हो गया। सिस्टम को यह भी पता था कि उसने क्या नहीं जाँचा (जैसे कि क्या चिप वास्तव में काम करेगी), और उसने उन सीमाओं को स्पष्ट रूप से सूचीबद्ध किया।
निचोड़
Argus दिखाता है कि AI को वास्तविक, दीर्घकालिक कार्य करने के लिए केवल एक बड़े मस्तिष्क की आवश्यकता नहीं है। इसे एक सिस्टम की आवश्यकता है जो "बॉस" को "वर्कर" से अलग करता है, जो क्या काम करता है और क्या नहीं, इसका स्थायी रिकॉर्ड रखता है, और जिसमें एक सख्त "रिव्यूअर" है जो इसे उत्तर बनाने (hallucinate) से रोकता है।
पेपर सुझाव देता है कि इस "वेरिफिकेशन-गेटेड" दृष्टिकोण का उपयोग करके, AI कठिन समस्याओं को हल कर सकता है, बिना पुन: प्रशिक्षित हुए समय के साथ अधिक कुशल हो सकता है, और यहाँ तक कि यह भी स्वीकार कर सकता है कि वह फंस गया है। यह कोई जादुई छड़ी नहीं है जो सब कुछ तुरंत हल कर देती है, लेकिन यह एक ऐसे AI की दिशा में एक बड़ा कदम है जो वास्तव में हमारे साथ लंबे, जटिल प्रोजेक्ट्स पर काम कर सकता है बिना खो जाए या अपनी प्रगति के बारे में झूठ बोले। जैसा कि लेखक कहते हैं, यह केवल एक टेस्ट पर उच्च स्कोर प्राप्त करने के बारे में नहीं है; यह एक ऐसा सिस्टम बनाने के बारे में है जो वास्तविक दुनिया की जटिल, दीर्घकालिक चुनौतियों का सामना करने के लिए दृढ़ रह सके, मोड़ ले सके और अपनी विधियों को विकसित 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।