Hybrid-Policy Self-Editing for Composable Unstructured Knowledge Editing
यह शोध पत्र हाइब्रिड-पॉलिसी सेल्फ-एडिटिंग (HPSE) प्रस्तुत करता है, जो एक ऐसी विधि है जो अनस्ट्रक्चर्ड नॉलेज एडिटिंग में कंपोज़ेबिलिटी को बढ़ाता है, जो मॉडल की प्रिविलेज्ड इन-कॉन्टेक्स्ट स्टेट से ज्ञान को सक्रिय रूप से डिस्टिल करने और पैसिव, ऑन-पॉलिसी लर्निंग की सीमाओं को दूर करने के लिए इसकी रोलआउट ट्रैजेक्टरी में गायब तथ्यों को रणनीतिक रूप से इंजेक्ट करने के माध्यम से ऐसा 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 आपका एक सुपर-स्मार्ट रोबोट दोस्त है जिसने अब तक लिखी गई लगभग हर किताब को पढ़ा है। यह बातचीत करने, कहानियाँ लिखने और पहेलियाँ सुलझाने में अद्भुत है। लेकिन इसमें एक पेच है: यह रोबोट एक टाइम कैप्सूल की तरह है। इसने वह सब कुछ सीखा है जो सालों पहले छपी हुई किताबों में था, इसलिए अगर कल कोई बड़ी घटना हुई हो—जैसे कि किसी नए मूवी स्टार की शादी हुई हो या किसी कंपनी ने अपना नाम बदला हो—तो आपके रोबोट को इसके बारे में कोई जानकारी नहीं होगी। यह अतीत में अटका हुआ है।
इसे ठीक करने के लिए, वैज्ञानिक रोबोट को "नॉलेज एडिटिंग" (ज्ञान संपादन) सिखाने की कोशिश कर रहे हैं। इसे एक त्वरित अपडेट देने जैसा समझें, एक मानसिक 'पैच नोट', ताकि वह अपनी पूरी लाइब्रेरी को फिर से पढ़े बिना (जिसमें बहुत समय लगेगा और बहुत पैसा खर्च होगा) नए तथ्यों को सीख सके। आमतौर पर, यह सरल तथ्यों के लिए अच्छा काम करता है, जैसे "फ्रांस की राजधानी पेरिस है।" लेकिन क्या होगा अगर नई जानकारी उलझी हुई हो? क्या होगा अगर आप रोबोट को एक कंपनी के विलय (merger) के बारे में एक पूरा समाचार लेख दें जिसमें नए सीईओ, नए मुख्यालय और नए शेयर मूल्य का एक साथ उल्लेख किया गया हो? इसे "अनस्ट्रक्चर्ड नॉलेज एडिटिंग" कहा जाता है।
वैज्ञानिकों ने एक बड़ी समस्या पाई है कि हालांकि रोबोट उस लेख को याद तो कर सकता है, लेकिन वह वास्तव में उसका उपयोग नहीं कर पाता। यह बिल्कुल वैसा ही है जैसे आपने एक फोन बुक याद कर ली हो लेकिन आप नंबर डायल न कर सकें, या आपने एक रेसिपी याद कर ली हो लेकिन आप भोजन न बना सकें। रोबोट जब आप उससे कोई विशिष्ट प्रश्न पूछते हैं, तो वह पूरा लेख दोहराने लगता है या वह दो अलग-अलग तथ्यों को जोड़ने वाले प्रश्न का उत्तर देने में विफल रहता है। यह एक ऐसा रोबोट है जिसके पास जानकारी तो है लेकिन उसे लचीले ढंग से उपयोग करने के लिए सामान्य समझ (common sense) की कमी है।
यह शोध पत्र एक चतुर नई विधि पेश करता है जिसे HPSE (हाइब्रिड-पॉलिसी सेल्फ-एडिटिंग) कहा जाता है ताकि इसे ठीक किया जा सके। शोधकर्ताओं ने पाया कि रोबोट के सीखने का सामान्य तरीका बहुत निष्क्रिय है। यह एक ऐसे छात्र की तरह है जो केवल पाठ्यपुस्तक पढ़कर अध्ययन करता है और फिर अनुमान लगाता है कि शिक्षक क्या पूछेंगे। यदि छात्र का अनुमान गलत होता है, तो वह वहीं अटक जाता है। लेखक एक बेहतर तरीका सुझाते हैं: रोबोट को खुद को "सिखाने" दें, जहाँ वह एक बातचीत का अनुकरण (simulate) करता है जिसमें उसका एक स्मार्ट संस्करण (जिसने अभी-अभी नया लेख पढ़ा है) वास्तविक समय में गलतियों को सुधारने के लिए हस्तक्षेप करता है।
यह कैसे काम करता है: कल्पना कीजिए कि रोबोट नए लेख के आधार पर एक प्रश्न का उत्तर देने की कोशिश कर रहा है। वह अपना उत्तर लिखना शुरू करता है, लेकिन फिर वह विषय से भटकने लगता है या नए तथ्यों को भूलने लगता है। तभी, रोबता का "स्मार्ट संस्करण", जिसके पास वह लेख है, छात्र के कंधे को धीरे से थपथपाता है और कहता है, "हे, वहीं रुक जाओ! तुम कुछ गलत कहने वाले हो। यहाँ वह सही तथ्य है जिसकी तुम्हें आवश्यकता है।" छात्र रोबोट फिर उस सुधार से सीखता है।
HPSE का जादू यह है कि यह केवल रोबोट को अंधे होकर अनुमान लगाने नहीं देता; यह केवल तभी हस्तक्षेप करता है जब रोबोट वास्तव में खो जाता है, और यह सटीक सही जानकारी के साथ हस्तक्षेप करता है। यह रोबोट को न केवल लेख को याद करने में मदद करता है, बल्कि इसे छोटे, उपयोगी तथ्यों में तोड़ने (decomposition) और जटिल पहेलियों को हल करने के लिए उन तथ्यों को आपस में मिलाने (composition) में भी मदद करता है।
शोधकर्ताओं ने विभिन्न प्रकार के रोबोट दिमागों (लार्ज लैंग्वेज मॉडल्स) पर इसका परीक्षण किया और पाया कि HPSE ने बहुत बड़ा अंतर पैदा किया। रोबोट नए तथ्यों के बारे में विशिष्ट प्रश्नों के उत्तर देने में बहुत बेहतर हो गए और कठिन प्रश्नों के उत्तर देने के लिए उन तथ्यों को जोड़ने में भी बहुत बेहतर हो गए। उन्होंने यह भी पाया कि यह तरीका एक यूनिवर्सल एडैप्टर की तरह काम करता है—इसे मौजूदा एडिटिंग टूल्स के साथ जोड़ा जा सकता है ताकि उन्हें बेहतर बनाया जा सके, बिना यह बदले कि वे टूल्स कैसे बने हैं। संक्षेप में, HPSE एक ऐसे रोबोट को जो केवल समाचारों को याद करता है, एक ऐसे रोबोट में बदल देता है जो वास्तव में उन्हें समझता है और उपयोग करता 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।