SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries
SkillZip एक निष्पादन-जागरूक (execution-aware) ढांचा है जो अनुबंध-संरक्षण (contract-preserving), खंड-स्तरीय ग्राफ संपीड़न (section-level graph compression) को निष्पादित करके स्केलेबल एजेंट कौशल पुस्तकालयों को सक्षम बनाता है ताकि कॉम्पैक्ट, निर्भरता-बंद (dependency-closed) संदर्भ उत्पन्न किए जा सकें जो प्रक्रियात्मक अखंडता बनाए रखते हैं और दक्षता एवं रिट्रीवल सटीकता दोनों में मौजूदा बेसलाइनों से बेहतर प्रदर्शन करते हैं।
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 सुपर-स्मार्ट रोबोट को घर के काम करना सिखा रहे हैं, जैसे खाना बनाना या एक बिखरे हुए कमरे को व्यवस्थित करना। आप रोबोट को हर काम के लिए एक विशाल, 500 पन्नों का निर्देश मैनुअल नहीं दे सकते; वह अभिभूत हो जाएगा, महत्वपूर्ण हिस्सों को भूल जाएगा, या केवल कपड़े तह करने के लिए कहने पर केक बनाने के तरीके के बारे में पढ़ते रह जाएगा। यह AI एजेंट्स (AI Agents) की दुनिया है: ऐसे कंप्यूटर प्रोग्राम जो "लार्ज लैंग्वेज मॉडल्स" (वही दिमाग जो चैटबॉट्स के पीछे होता है) का उपयोग करके यह समझने के लिए कि टूल्स का उपयोग कैसे किया जाए और समस्याओं को कैसे हल किया जाए। उनकी मदद के लिए, हम उन्हें एक "स्किल लाइब्रेरी" देते हैं—पुन: प्रयोज्य (reusable) निर्देशों का एक संग्रह, जैसे कि रेसिपी बुक या टूलबॉक्स।
लेकिन यहाँ एक पेचीदा बात है: जैसे-जैसे ये लाइब्रेरी बढ़ती हैं और इनमें हजारों कौशल समाहित होते हैं, वे अव्यवस्थित हो जाती हैं। यदि आप रोबोट से "एक CSV फ़ाइल को साफ़ करने" के लिए कहते हैं, तो वह "डेटा विश्लेषण" पर एक पूरी किताब निकाल सकता है जिसमें चार्ट बनाने और रिपोर्ट लिखने के अध्याय भी शामिल हैं, भले ही उसे केवल फ़ाइल साफ़ करने के लिए शुरुआती तीन चरणों की ही आवश्यकता हो। यह रोबोट की मेमोरी को बर्बाद करता है और उसे भ्रमित करता है। बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं वह यह है: हम इन विशाल निर्देश पुस्तकालयों को उनके सबसे छोटे, सबसे उपयोगी टुकड़ों में कैसे सिकोड़ सकते हैं बिना उन सुरक्षा जाँचों और नियमों को खोए जो रोबोट को गलतियाँ करने से रोकते हैं?
यहीं पर SkillZip नामक एक नया सिस्टम आता है। इसे रोबोट के निर्देश मैनुअल के लिए एक जादुई संपीड़न (compression) टूल के रूप में समझें। हर स्किल (जैसे "Clean CSV") को एक विशाल, अपरिवर्तनीय ब्लॉक के रूप में मानने के बजाय, SkillZip हर स्किल को उसके सबसे छोटे कामकाजी हिस्सों में तोड़ देता है: "इंटेंट" (Intent - हम क्या करना चाहते हैं), "ऑपरेशन" (Operation - वास्तविक चरण), और "वेरिफायर" (Verifier - सुरक्षा जाँच कि क्या यह काम कर गया)।
शोधकर्ताओं ने पाया कि विभिन्न कौशलों में से कई छोटे हिस्से समान होते हैं। उदाहरण के लिए, "Clean CSV" और "Pivot Table" दोनों को फ़ाइल पढ़ने और पंक्तियों (rows) को सही ढंग से जाँचने के लिए बिल्कुल एक जैसा काम करने की आवश्यकता होती है। पुराने सिस्टम पूरे "Clean CSV" के विवरण और पूरे "Pivot Table" के विवरण को लोड करेंगे, जिससे जगह बर्बाद होगी। हालाँकि, SkillZip इन दोहराव वाले पैटर्न को पहचान लेता है और उन्हें मैक्रोज़ (macros) में बदल देता है—जैसे कि पुन: प्रयोज्य स्टिकर या स्प्रेडशीट में मैक्रोज़। यह कहता है, "हे, हमने इस 'फाइल पढ़ने' वाले चरण को सौ बार देखा है; चलिए इसे एक बार के रूप में एक छोटे, पुन: प्रयोज्य मैक्रो के रूप में स्टोर करते हैं।"
लेकिन इसमें एक पेंच है। यदि आप केवल टेक्स्ट को सिकोड़ते हैं, तो आप गलती से एक सुरक्षा नियम को हटा सकते हैं, जैसे "शुरू करने से पहले सुनिश्चित करें कि फ़ाइल खाली नहीं है।" यह खतरनाक हो सकता है। SkillZip विशेष है क्योंकि यह कॉन्ट्रैक्ट-प्रिजर्विंग (contract-preserving) है। यह एक सावधान संपादक की तरह कार्य करता है जो टेक्स्ट को केवल तभी सिकोड़ता है जब "कॉन्ट्रैक्ट" (नियम, इनपुट, आउटपुट और सुरक्षा जाँच) पूरी तरह से बरकरार रहे। यह सुनिश्चित करता है कि भले ही निर्देश अब एक छोटा मैक्रो है, लेकिन रोबोट जानता है कि इसे क्या फीड करना है और यह कैसे जाँच करनी है कि यह काम कर गया। यदि रोबोट को बाद में अधिक विवरण की आवश्यकता होती है, तो SkillZip तुरंत मैक्रो को मूल निर्देशों में "अनज़िप" कर सकता है।
अपने प्रयोगों में, टीम ने दो अलग-अलग प्रकार की रोबोट चुनौतियों पर इसका परीक्षण किया: एक डेटा प्रोसेसिंग (जैसे स्प्रेडशीट को साफ़ करना) से संबंधित और दूसरा एक वर्चुअल घर में नेविगेट करने वाले रोबोट से संबंधित। उन्होंने पाया कि SkillZip अविश्वसनीय रूप से प्रभावी था। इसने स्किल लाइब्रेरी को 3.46 गुना सिकोड़ दिया (इसे इसके मूल आकार के एक तीसरे से भी कम कर दिया) जबकि आवश्यक चरणों के बीच 99.2% कनेक्शन और 98.7% सुरक्षा जाँचों तक पहुँच को बनाए रखा।
परिणाम प्रभावशाली थे। जब SkillZip का उपयोग किया गया, तो रोबोटों ने पुराने तरीकों की तुलना में कार्यों को बहुत बेहतर तरीके से हल किया। डेटा चुनौतियों पर, रोबots ने अगले सर्वश्रेष्ठ सिस्टम की तुलना में सफलता दर में 12.2 अंक तक का सुधार किया। इससे भी महत्वपूर्ण बात यह है कि रोबोट केवल तेज़ नहीं हुए; वे स्मार्ट भी हुए। क्योंकि वे मैनुअल के अप्रासंगिक हिस्सों को पढ़ने में उलझे नहीं थे, इसलिए उन्होंने कम गलतियाँ कीं और अपने काम को पूरा करने के लिए कम प्रयासों की आवश्यकता पड़ी। यह सिस्टम दिखा सका कि यह बढ़ सकता है: जैसे-जैसे स्किल लाइब्रेरी 200 से बढ़कर 1,00,000 हुई, SkillZip ने रोबोटों को भ्रमित होने से बचाए रखा, जिससे साबित हुआ कि यह "ज़िपर" दृष्टिकोण तब भी काम करता है जब निर्देश पुस्तिका एक विशाल विश्वकोश बन जाती है।
संक्षेप में, SkillZip यह सुझाव देता है कि रोबोट इंटेलिजेंस का भविष्य उन्हें अधिक जानकारी देने के बारे में नहीं है, बल्कि उन्हें सही जानकारी देने के बारे में है, जिसे पूरी तरह से कंप्रेस किया गया हो ताकि वे ठीक वही पा सकें जिसकी उन्हें आवश्यकता है, जब उन्हें आवश्यकता हो, बिना उन सुरक्षा नियमों को खोए जो उन्हें क्रैश होने से बचाते हैं।
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।