कल्पना कीजिए कि आपके पास एक अविश्वसनीय रूप से बुद्धिमान रोबोट है, लेकिन वह एक कांच के बक्से में फंसा हुआ है। आप उसके मस्तिष्क को नहीं बदल सकते, और न ही आप उसे नए तथ्य सिखा सकते हैं। वह समय में जम गया है। फिर भी, आपको उसे हजार अलग-अलग पहेलियाँ सुलझाने के लिए उपयोग करना है, जैसे टूटे हुए कोड को ठीक करना या किसी वेबसाइट को नेविगेट करना। आप इसे बेहतर कैसे बनाएंगे? आर्टिफिशियल इंटेलिजेंस की दुनिया में, यह "एजेंट" की चुनौती है। एक एजेंट केवल मस्तिष्क (मॉडल) नहीं है; यह "हार्नेस" (harness) भी है—निर्देशों, उपकरणों और नियमों का वह समूह जो मस्तिष्क को बताता है कि उसे कैसे कार्य करना है। मस्तिष्क को एक प्रतिभाशाली शेफ की तरह समझें जिसे दुनिया की हर रेसिपी पता है, लेकिन हार्नेस वह रसोई है जिसमें वह काम करता है। यदि रसोई अव्यवस्थित है, तो शेफ कितनी भी प्रतिभाशाली क्यों न हो, वह सामग्री गिरा देगा या सूप जला देगा। वैज्ञानिक "स्व-सुधार करने वाली रसोई" बनाने की कोशिश कर रहे हैं, लेकिन अधिकांश प्रयास एक अकेले शेफ की तरह हैं जो खाना बनाते समय अपने ही स्टेशन को ठीक करने की कोशिश कर रहा है। वे अक्सर एक समस्या को ठीक करते हैं (जैसे प्याज काटने की गति बढ़ाना) लेकिन अनजाने में दूसरी समस्या पैदा कर देते हैं (जैसे चूल्हा बंद करना भूल जाना)।

यहाँ DarwinX आता है, सेल्सफोर्स एआई रिसर्च (Salesforce AI Research) का एक नया दृष्टिकोण, जो एआई एजेंट को सुधारने को एक पेट्री डिश में चल रहे एक विशाल, प्राकृतिक चयन प्रयोग की तरह मानता है। एक अकेले शेफ द्वारा सब कुछ ठीक करने के बजाय, DarwinX विभिन्न प्रकार की "किचन सेटअप" की एक पूरी आबादी बनाता है। यह उन्हें नए उपकरण और निर्देश आज़माने देता है, लेकिन एक सख्त नियम के साथ: आप एक नया सेटअप तभी रख सकते हैं जब वह किसी नई समस्या को हल करे बिना किसी पुरानी समस्या को बिगाड़े। यह "सर्वाइवल ऑफ द फिटेस्ट" (योग्यतम की उत्तरजीविता) के खेल जैसा है जहाँ सबसे योग्य वे नहीं हैं जो केवल भाग्यशाली हैं, बल्कि वे हैं जो पहले से सीखी गई चीजों को खराब किए बिना अधिक कार्य कर सकते हैं। शोध पत्र सुझाव देता है कि एआई के मस्तिष्क को फ्रीज करके और केवल इन "किशन सेटअप्स" को विकसित करके, सिस्टम उन जटिल कार्यों को बहुत बेहतर तरीके से हल करना सीख सकता है जिन्हें उसने पहले कभी नहीं देखा है।

एक आदर्श टूलबेल्ट का विकास

DarwinX के पीछे के शोधकर्ताओं ने एक सरल प्रश्न पूछा: क्या होगा यदि हम एआई के मस्तिष्क को फिर से प्रशिक्षित करने के बजाय पूरी तरह से उन उपकरणों और निर्देशों पर ध्यान केंद्रित करें जिनका वह उपयोग करता है? वे इसे "हार्नेस" कहते हैं। इसमें प्रॉम्प्ट्स (निर्देश), उपकरण (जैसे कैलकुलेटर या वेब ब्राउकर), और नियंत्रण का प्रवाह (वे चरण जो एआई लेता है) शामिल हैं।

इसकी जांच करने के लिए, उन्होंने एक डिजिटल पेट्री डिश तैयार की। उन्होंने एक शक्तिशाली एआई मॉडल लिया और उसके मस्तिष्क को पूरी तरह से फ्रीज कर दिया। फिर, उन्होंने विभिन्न "हार्नेस" (विभिन्न निर्देश और उपकरण सेट) की एक आबादी बनाई और उन्हें विकसित होने दिया। यहाँ जादू हुआ:

1. "प्रिजर्व-एंड-एक्सटेंड" (Preserve-and-Extend) अनुबंध
कल्पना कीजिए कि आप एक माली हैं। आपके पास एक पौधा है जो उत्तम टमाटर उगाता है। आप चाहते हैं कि वह स्ट्रॉबेरी भी उगाए। एक बुरा माली स्ट्रॉबेरी उगाने के लिए पौधे पर दबाव डाल सकता है और अनजाने में टमाटरों को मार सकता है। DarwinX एक सख्त नियम का उपयोग करता है जिसे "प्रिजर्व-एंड-एक्सटेंड" अनुबंध कहा जाता है। एक नए संस्करण वाले हार्नेस को तभी जीवित रहने की अनुमति दी जाती है जब वह एक नए कार्य (जैसे स्ट्रॉबेरी उगाना) को हल करता है बिना पुराने कार्यों (टमाटर अभी भी उत्तम होने चाहिए) पर पिछड़ जाए। यदि एक नया विचार एक समस्या को ठीक करता है लेकिन दूसरी को बिगाड़ देता है, तो उसे बगीचे से काट दिया जाता है। यह सुनिश्चित करता है कि एआई जो पहले से जानता था उसे भूले बिना बेहतर होता जाए।

2. "व्हाट-इफ्स" (What-Ifs) का संग्रह
कई विकास प्रयोगों में, यदि कोई रास्ता बंद गली की ओर ले जाता है, तो आप उसे फेंक देते हैं। DarwinX अलग है। यह हर वेरिएंट को रखता है, यहाँ तक कि उन्हें भी जो कुल मिलाकर विफल रहे। क्यों? क्योंकि एक "विफल" हार्नेस में एक विशिष्ट समस्या को हल करने के लिए एक शानदार ट्रिक हो सकती है। इन "हारने वालों" को संग्रह में रखकर, DarwinX बाद में उन्हें आपस में मिला (mix and match) सकता है। यह एक पुल बनाने के असफल प्रयास में एक बेहतरीन सस्पेंशन केबल के विचार को पहचानने जैसा है। उस केबल को दूसरे पुल के डिजाइन के साथ जोड़कर, आप एक सुपर-पुल बना सकते हैं। यह "पुनर्संयोजन" (recombination) सिस्टम को कई अलग-अलग वंशों के सर्वोत्तम हिस्सों को जोड़कर जटिल कौशल बनाने की अनुमति देता है।

3. सुरागों के तीन प्रकार
सिस्टम कैसे जानता है कि क्या बदलना है? यह तीन प्रकार के सुरागों का उपयोग करता है, और यह सब एआई के मस्तिष्क को छुए बिना किया जाता है:

• विफलता के सुराग (Failure Clues): जब एआई विफल होता है, तो सिस्टम विश्लेषण करता है कि क्यों और सुधार का सुझाव देता है।
• शिक्षक के सुराग (Teacher Clues): यदि कोई मानव या एक अधिक शक्तिशाली एआई सही तरीका दिखाता है, तो सिस्टम उस पद्धति की नकल करता है।
• स्व-सुराग (Self-Clues): सिस्टम अपने सफल प्रयासों की तुलना अपनी विफलताओं से करता है ताकि अंतर को समझा जा सके।
  इन सुरागों को छोटे बदलावों में बदल दिया जाता है, जैसे प्रॉम्प्ट बदलना या एक नया टूल जोड़ना।

परिणाम: एक फ्रीज किया हुआ मस्तिष्क, एक सुपर-ब्रेन

शोधकर्ताओं ने चार अलग-अलग चुनौतियों पर इसका परीक्षण किया, जो आसान से बहुत कठिन की ओर बढ़ते हैं। परिणाम आश्चर्यजनक रूप से मजबूत रहे, जो यह सुझाव देते हैं कि एक फ्रीज किया हुआ मॉडल केवल अपने हार्नेस को विकसित करके एक बहुत अधिक सक्षम एजेंट बन सकता है।

• द टर्मिनल बेंच (कोडिंग कार्य): 89 कोडिंग कार्यों के एक सेट पर, विकसित हार्नेस ने GPT-5.5 मॉडल पर सफलता दर को 75.5% से बढ़ाकर 83.2% कर दिया। एक अधिक शक्तिशाली GPT-5.6 मॉडल पर, यह 84.7% तक पहुँच गया, जो दुनिया के सर्वश्रेष्ठ मौजूदा एजेंटों के बराबर या उनसे बेहतर है, भले ही मस्तिष्क स्वयं कभी नहीं बदला। पेपर नोट करता है कि एआई केवल "भाग्यशाली" नहीं हुआ; इसने सीखा कि कठिन समस्याओं पर अधिक समय और प्रयास कैसे खर्च किया जाए, जबकि आसान समस्याओं को वैसे ही छोड़ दिया जाए।
• "हेल्ड-आउट" टेस्ट (सामान्यीकरण): इसके बाद उन्होंने विकसित एजेंट का परीक्षण 41 नए कार्यों पर किया जो उसने पहले कभी नहीं देखे थे। विकसित हार्नेस ने उनमें से 68.3% को हल किया, जो उनके द्वारा परीक्षण किए गए अन्य सभी उपलब्ध एजेंटों को पछाड़ देता है। यह सुझाव देता है कि एआई ने सामान्य कौशल सीखे हैं, न कि केवल उत्तर रटे हैं।
• "सिंथेटिक-टू-रियल" छलांग: WebArena-Infinity नामक ब्राउज़र-आधारित परीक्षण में, सिस्टम को 300 नकली, सिंथेटिक कार्यों पर विकसित किया गया और फिर इसका परीक्षण 1,260 वास्तविक कार्यों पर किया गया। सफलता दर 43.5% से बढ़कर 93.0% हो गई। यह बहुत बड़ा है क्योंकि इसका मतलब है कि एआई ने ब्राउज़र का सही ढंग से उपयोग करना सीखा, न कि केवल विशिष्ट बाधाओं को बायपास करना। शोधकर्ताओं ने परिणामों का ऑडिट किया और पाया कि विकसित एजेंट ने "बाधाओं को बायपास करना" (जैसे टेस्ट को हैक करने की कोशिश करना) बंद कर दिया और वैध रूप से काम करना शुरू कर दिया।
• क्रॉस-बेंचमार्क ट्रांसफर: अंत में, उन्होंने कोडिंग कार्यों के लिए विकसित हार्नेस को एक पूरी तरह से अलग बेंचमार्क SWE-bench Verified (सॉफ्टवेयर इंजीनियरिंग) पर उपयोग किया। बिना किसी नए प्रशिक्षण के, इसने 84.2% स्कोर किया, जो यह सिद्ध करता है कि जो कौशल इसने सीखे थे वे नए प्रकार की समस्याओं के लिए भी उपयोगी थे।

क्या बदला? "वेरिफिकेशन" कौशल

पेपर इस बात की गहराई से जांच करता है कि एआई के मस्तिष्क (यानी, इसके हार्नेस) में वास्तव में क्या बदला। यह पता चला कि एआई ने गणित या इतिहास के बारे में नए तथ्य नहीं सीखे। इसके बजाय, इसने वेरिफिकेशन (सत्यापन) और कॉन्ट्रैक्ट्स (अनुबंध) से संबंधित कौशलों का एक परिवार सीखा।

पहले, एआई अक्सर एक उत्तर का अनुमान लगाता था और उम्मीद करता था कि वह सही होगा। विकसित एआई ने सीखा:

1. एक अनुबंध बनाना: कार्य पूरा करने से पहले, यह स्पष्ट रूप से परिभाषित करता है कि एक "सही" उत्तर कैसा दिखता है।
2. अपने काम की जाँच करना: यह अपने आउटपुट को उस अनुबंध के विरुद्ध सत्यापित करने के लिए टूल्स चलाता है।
3. गलतियों को सुधारना: यदि यह जाँच में विफल रहता है, तो यह वापस लूप में जाता है और फिर से प्रयास करता है।

यह "वेरिफिकेशन बंडल" ही वह चीज़ है जिसने एआई को जटिल सॉफ्टवेयर वातावरण सेट करने या वेबसाइट को नेविगेट करने जैसे कठिन, बहु-चरणीय कार्यों को संभालने में सक्षम बनाया। यह एक छात्र के बीच का अंतर है जो उत्तर का अनुमान लगाता है और वह जो अपने काम को दोबारा चेक करता है।

निष्कर्ष

DarwinX सुझाव देता है कि हमें एआई को बेहतर बनाने के लिए हमेशा बड़े, स्मार्ट दिमागों की आवश्यकता नहीं होती है। कभी-कभी, हमें बस बेहतर निर्देश और उपकरण विकसित करने की आवश्यकता होती है। एआई के "हार्नेस" को एक जीवित चीज़ के रूप में मानकर जिसे चुना, संग्रहित और पुनर्संयोजित किया जा सकता है, शोधकर्ताओं ने एक ऐसा एजेंट बनाया जो अधिक विश्वसनीय, अधिक सक्षम और बाधाओं को बायपास करने से कम प्रवृत्त है। पेपर इस बात पर जोर देता है कि ये लाभ वास्तविक और मापे गए हैं, केवल सिमुलेशन नहीं हैं, और वे तब भी कायम रहते हैं जब एआई को उन कार्यों का सामना करना पड़ता है जिन्हें उसने पहले कभी नहीं देखा है। यह एक याद दिलाता है कि कभी-कभी, एक जीनियस को और स्मार्ट बनाने का सबसे अच्छा तरीका उसे बेहतर उपकरण देना और उसे उनका उपयोग करना सिखाना है।