SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure
SkillZip एक मूल्यांकन-मुक्त (evaluation-free) विधि है जो पुन: प्रयोज्य संरचनात्मक पैटर्न की खोज करके और उन्हें एक टाइप किए गए न्यूनतम विवरण-लंबाई (minimum description-length) उद्देश्य के रूप में औपचारिक रूप देकर स्व-विकसित एजेंट कौशल को संकुचित करती है, जिससे बिना किसी महंगे रोलआउट या कार्य पुनरावृत्ति (task replay) के कुशल, रखरखाव योग्य और सामान्यीकरण योग्य कौशल प्रतिनिधित्व प्राप्त होता 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 कोई जटिल कार्य करना सिखा रहे हैं, जैसे कि केक बनाना या कंप्यूटर ठीक करना। शुरू में, आप उसे निर्देशों की एक सरल सूची देते हैं। लेकिन जैसे-जैसे रोबोट अपने आप सीखने की कोशिश करता है, वह अपने द्वारा किए गए हर एक काम का एक विस्तृत डायरी (diary) रखने लगता है। यदि वह केक जला देता है, तो वह लिखता है "केक मत जलाओ।" यदि वह बैटर (batter) मिलाने का एक नया तरीका आज़माता है और वह काम कर जाता है, तो वह उस तरीके के बारे में एक पूरा नया पैराग्राफ जोड़ देता है। समय के साथ, यह डायरी एक विशाल, अव्यवस्थित किताब बन जाती है। समस्या यह है कि जब भी रोबोट बेकिंग करने की कोशिश करता है, तो उसे हर बार पूरी किताब पढ़नी पड़ती है, भले ही उसे केवल एक छोटा सा नियम याद रखने की आवश्यकता हो। यह रोबोट को धीमा और भ्रमित बना देता है, जैसे कि एक लाइब्रेरियन उस लाइब्रेरी में एक विशिष्ट पुस्तक खोजने की कोशिश कर रहा हो जहाँ हर शेल्फ एक ही कहानी की अनगिनत प्रतियों से भरा हुआ है।
यह "सेल्फ-इवॉल्विंग एजेंट्स" (self-evolving agents) की दुनिया है—ऐसे कंप्यूटर प्रोग्राम जो अपनी गलतियों और सफलताओं से सीखकर अधिक स्मार्ट बनते हैं। बड़ा संघर्ष यह है कि ये प्रोग्राम बहुत बड़े होते जा रहे हैं। वे बहुत अधिक "रिडंडेंट" (redundant) टेक्स्ट (दोहराए गए नियम और कॉपी किए गए चरण) जमा कर रहे हैं, जिससे वे अक्षम हो जाते हैं। प्रश्न यह है कि: हम इस विशाल, अव्यवस्थित डायरी को वापस एक छोटी, सटीक निर्देश पुस्तिका में कैसे बदल सकते हैं बिना किसी महत्वपूर्ण नियम को हटाए? यदि हम "बोरिंग" हिस्सों को हटा देते हैं, तो हम अनजाने में एक ऐसा दुर्लभ नियम हटा सकते हैं जो रोबोट को क्रैश होने से बचाता है। यदि हम यह देखने के लिए किसी परीक्षण का उपयोग करते हैं कि क्या रखना है, तो इसमें बहुत अधिक समय और पैसा खर्च होता है।
यहाँ SkillZip आता है, जो एक नए तरीके के रूप में इन रोबोट डायरियों के लिए एक सुपर-स्मार्ट संपादक (editor) की तरह काम करता है। अनुमान लगाने या महंगे परीक्षण चलाने के बजाय, SkillZip निर्देशों की संरचना (structure) को देखता है। यह एक चतुर तरकीब का उपयोग करता है: "एक बार समझाएं, कई बार संदर्भ दें" (Explain once, reference many)। कल्पना कीजिए कि आपके पास एक रेसिपी है जिसमें तीन अलग-अलग अध्यायों में "ओवन को प्रीहीट करें" लिखा है। SkillZip महसूस करता है कि यह एक ही नियम है और इसे सबसे ऊपर ले जाता है, रोबोट को बताता है, "हे, जब भी आप बेकिंग के बारे में कोई अध्याय देखें, तो ओवन के नियम के लिए बस सबसे ऊपर देखें।" यह दोहराए गए पैटर्न को ढूंढता है, उन्हें साझा "फंक्शन्स" (functions) में समूहित करता है, और केवल अद्वितीय अंतरों को विशेष नोट्स के रूप में रखता है।
शोधकर्ताओं ने पाया कि यह दृष्टिकोण अविश्वसनीय रूप से प्रभावी ढंग से काम करता है। उन्होंने वेब सर्च करने, गणित की समस्याओं को हल करने और स्प्रेडशीट का उपयोग करने वाले एजेंट्स पर इसका परीक्षण किया। उन्होंने पाया कि जैसे-जैसे ये एजेंट्स विकसित हुए, उनके निर्देश मैनुअल उनके मूल आकार से 5 गुना से अधिक बड़े हो गए, जिसका मुख्य कारण दोहराया गया टेक्स्ट था। SkillZip इन फूले हुए मैनुअल्स को औसतन लगभग 31% तक सिकोड़ने में सक्षम रहा, जिससे उन्हें पढ़ना बहुत तेज़ हो गया। इससे भी बेहतर बात यह है कि इसने बिना किसी परीक्षण या ग्रेडिंग की (grading key) के रोबोट के उत्तरों की जांच किए बिना यह सब कर दिखाया। वास्तव में, संकुचित (compressed) मैनुअल्स ने विशाल, बिना संपादित संस्करणों के समान ही, और कभी-कभी उनसे भी बेहतर प्रदर्शन किया। यह साबित हुआ कि ज्ञान को एक अव्यवस्थित डायरी के बजाय एक सुव्यवस्थित कोडबुक की तरह व्यवस्थित करने से, रोबोट को पूरी लाइब्रेरी का बोझ उठाए बिना वह सब कुछ याद रखने में मदद मिलती है जिसकी उसे आवश्यकता 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।