Example-Guided Prompting for Document-Level Text Simplification
यह शोध पत्र प्रदर्शित करता है कि प्रॉम्प्ट्स को रिट्रीव्ड डॉक्यूमेंट-सिम्प्लीफिकेशन उदाहरणों के साथ संवर्धित करने से लार्ज लैंग्वेज मॉडल्स में डॉक्यूमेंट-लेवल टेक्स्ट सिम्प्लीफिकेशन की गुणवत्ता में महत्वपूर्ण सुधार होता है, जो बिना किसी टास्क-विशिष्ट फाइन-ट्यूनिंग के विशेष सुपरवाइज्ड सिस्टम के प्रतिस्पर्धी या उससे बेहतर 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
कल्पना कीजिए कि आप एक रोबोट को यह सिखाने की कोशिश कर रहे हैं कि एक जटिल कहानी को कैसे फिर से लिखा जाए ताकि एक छोटे बच्चे को वह समझ आ सके। यह टेक्स्ट सिम्प्लीफिकेशन (पाठ सरलीकरण) की दुनिया है, जहाँ कंप्यूटर वैज्ञानिक मशीनों को यह सिखाते हैं कि कैसे घनी, वयस्कों के स्तर की लेखन सामग्री को स्पष्ट और पढ़ने में आसान बनाया जाए, बिना मूल अर्थ खोए। लंबे समय तक, इसे करने का सबसे अच्छा तरीका रोबोट को हजारों विशिष्ट उदाहरणों पर प्रशिक्षित करना था जब तक कि उसने नियमों को याद न कर लिया हो। लेकिन हाल ही में, एक नए प्रकार का सुपर-स्मार्ट रोबोट जिसे लार्ज लैंग्वेज मॉडल (LLM) कहा जाता है, आया है। ये मॉडल उन प्रतिभाशाली छात्रों की तरह हैं जो निर्देशों का पालन कर सकते हैं और केवल एक प्रॉम्प्ट पढ़कर नए करतब सीख सकते हैं, बिना शुरू से फिर से प्रशिक्षित हुए। हालाँकि, ये स्मार्ट रोबोट भी कभी-कभी भ्रमित हो जाते हैं जब उन्हें एक साथ पूरी किताब या लेख को फिर से लिखने के लिए कहा जाता है। वे अर्थ बदल सकते हैं, कहानी के प्रवाह को खो सकते हैं, या कुछ हिस्सों में बहुत सरल और कुछ में बहुत कठिन बना सकते हैं। बड़ा सवाल जो शोधकर्ता पूछ रहे हैं वह यह है: हम इन रोबोट्स को एक आदर्श काम करने के लिए सबसे अच्छा मार्गदर्शन कैसे दे सकते हैं?
यह शोध पत्र एक चतुर समाधान पेश करता है जिसे एग्जांपल-गाइडेड प्रॉम्प्टिंग (EGP) कहा जाता है। इसे इस तरह सोचें: यदि आप किसी छात्र को एक जटिल विज्ञान लेख का सारांश लिखने के लिए कहते, तो आप उन्हें केवल लिखित नियमों का एक सेट (एक "प्रॉम्प्ट") दे सकते थे। लेकिन क्या होगा यदि आप उन्हें कुछ उदाहरण भी देते कि अन्य छात्रों ने समान लेखों को सफलतापूर्वक कैसे सरल बनाया था? शोधकर्ताओं ने पाया कि रोबोट को वास्तविक दुनिया के उदाहरणों की ये "रेफरेंस शीट" देने से चमत्कार होता है। उन्होंने इस विचार का परीक्षण वनस्टॉपइंग्लिश कॉर्पस (OneStopEnglish corpus) नामक शैक्षिक समाचार लेखों के संग्रह का उपयोग करके किया। उन्होंने जटिल दस्तावेज़ लिए और पाँच अलग-अलग अत्याधुनिक रोबोटों को उन्हें सरल बनाने के लिए कहा। एक समूह में, रोबोटों को केवल लिखित निर्देश मिले। दूसरे समूह में, रोबोटों को निर्देश साथ ही पहले से सही ढंग से सरल बनाए गए दस्तावेज़ों के तीन समान उदाहरण मिले।
परिणाम काफी उत्साहजनक थे। जब रोबोटों को ये उदाहरण दिखाए गए, तो उन्होंने आम तौर पर बहुत बेहतर काम किया। विशेष रूप से, क्लोड हाइकू 4.5 (Claude Haiku 4.5) नामक रोबोट का प्रदर्शन स्कोर 40.78 से बढ़कर 44.84 हो गया, और इसने पहले की तुलना में पाठ के मूल अर्थ को बहुत बेहतर तरीके से बनाए रखा। जेमिनी 2.0 फ्लैश (Gemini 2.0 Flash) और सोनर (Sonar) जैसे अन्य रोबोटों में भी महत्वपूर्ण सुधार हुआ। वास्तव में, उदाहरण दिखाने की इस सरल तरकीब ने इन रोबोटों को उन पुराने, विशिष्ट सिस्टमों के प्रदर्शन को मात देने या उनके बराबर पहुँचने की अनुमति दी जो वर्षों से विशेष रूप से इस कार्य के लिए प्रशिक्षित किए गए थे। हालाँकि, शोध पत्र ने यह भी पता लगाया कि यह तरकीब हर रोबोट के लिए काम नहीं करती है। एक मॉडल, लामा 3.2 (Llama 3.2), वास्तव में उदाहरण दिखाए जाने पर और खराब हो गया, जिससे पता चलता है कि सभी रोबोट "रेफरेंस शीट" का प्रभावी ढंग से उपयोग करना नहीं जानते हैं। अध्ययन सुझाव देता है कि जबकि उदाहरण दिखाना रोबोटों को मूल अर्थ के प्रति सच्चा रहने में मदद करता है, यह कभी-कभी पाठ को खुद के अनुमान लगाने की तुलना में थोड़ा कम "पढ़ने में आसान" बना देता है, जो कहानी को सटीक रखने और उसे सरल बनाने के बीच एक नाजुक संतुलन बनाता है। अंततः, लेखक दिखाते हैं कि कई शक्तिशाली रोबोटों के लिए, नियमों की सूची पढ़ने के बजाय यह देखना कि दूसरों ने समान समस्याओं को कैसे हल किया, एक बेहतर शिक्षक 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।