XBridge: Entity-Grounded Latent Bridge for Heterogeneous LLM Communication
XBridge एक डिकोड-मुक्त संचार प्रोटोकॉल पेश करता है जो लेक्सिकल एंकर मैपिंग (Lexical Anchor Mapping) और एक लेटेंट एनरिचमेंट ब्रिज (Latent Enrichment Bridge) को जोड़कर विषम LLM प्रणालियों में एंटिटी ग्राउंडिंग समस्या को दूर करता है, जिससे विभिन्न मॉडल परिवारों के एजेंट टेक्स्ट-आधारित या KV-शेयरिंग बेसलाइन की तुलना में काफी उच्च सटीकता और कम विलंबता के साथ निरंतर निरूपण (continuous representations) का आदान-प्रदान करने में सक्षम होते 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
एक ऐसी दुनिया की कल्पना करें जहाँ विभिन्न प्रकार के सुपर-स्मार्ट कंप्यूटर, जो अपने स्वयं के तर्क की अनूठी बोलियाँ बोलते हैं, एक रहस्य को सुलझाने के लिए मिलकर काम करने की आवश्यकता होती है। यह मल्टी-एजेंट सिस्टम (Multi-Agent Systems) का क्षेत्र है, जहाँ कई आर्टिफिशियल इंटेलिजेंस (AI) मॉडल मिलकर उन समस्याओं से निपटने के लिए हाथ मिलाते हैं जो केवल एक अकेले मॉडल के लिए बहुत बड़ी हैं। उन्हें जासूसों के एक समूह की तरह समझें: एक पैटर्न पहचानने में विशेषज्ञ हो सकता है, दूसरा तथ्यों को याद रखने में, और तीसरा कड़ियों को जोड़ने में। आमतौर पर, एक साथ काम करने के लिए उन्हें एक ही भाषा बोलनी पड़ती है। लेकिन क्या होगा अगर वे ऐसा नहीं करते? क्या होगा अगर एक जासूस "लामा" (Llama) बोलता है और दूसरा "क्वेन" (Qwen)? वे एक-दूसरे को अपने गुप्त विचार सीधे नहीं बता सकते क्योंकि उनके आंतरिक मस्तिष्क अलग-अलग तरह से बने हैं।
परंपरागत रूप से, जब ये विभिन्न AI आपस में बात करने की कोशिश करते हैं, तो उनके पास दो बुरे विकल्प होते हैं। या तो वे अपने विचारों को साधारण अंग्रेजी (टेक्स्ट) में ज़ोर से चिल्लाकर बताते हैं, जो धीमा है और उनके मस्तिष्क के भीतर की सूक्ष्म, जटिल भावनाओं को खो देता है। या फिर, वे एक मस्तिष्क से दूसरे मस्तिष्क तक सीधे गुप्त नोट्स (लेटेंट कम्युनिकेशन) भेजने की कोशिश करते हैं, लेकिन अक्सर इसमें विफलता होती है क्योंकि नोट दब जाता है और उस पर लिखे विशिष्ट नाम या नंबर अर्थहीन हो जाते हैं। यह शोध पत्र ठीक इसी समस्या को हल करता है: यह कैसे अलग-अलग AI मॉडलों को उनके गहरे, गुप्त ज्ञान को साझा करने दे बिना किसी विशिष्ट विवरण को खोए—जैसे कि किसी व्यक्ति का नाम या कोई विशिष्ट तिथि—और बिना संदेश के आने का अनंत इंतज़ार किए।
इस अध्ययन के पीछे के शोधकर्ताओं ने, जिनका नेतृत्व ऊससोंग यांग (Wooseong Yang) और सहयोगियों ने किया, इन विभिन्न AI के बीच वर्तमान में सूचना साझा करने के तरीके में एक बड़ी खामी की खोज की। उन्होंने पाया कि जब एक AI अपने आंतरिक "विचारों" (निरंतर डेटा) को दूसरे अलग मस्तिष्क संरचना वाले AI को सीधे भेजने की कोशिश करता है, तो चीजों की विशिष्ट पहचान खो जाती है। वे इसे "एंटिटी ग्राउंडिंग प्रॉब्लम" (entity grounding problem) कहते हैं। कल्पना कीजिए कि आप एक अलग भाषा बोलने वाले मित्र को किसी विशिष्ट व्यक्ति का वर्णन करने की कोशिश कर रहे हैं। यदि आप केवल एक धुंधली फोटो भेजते हैं (निरंतर डेटा), तो आपका मित्र उस व्यक्ति का 'वाइब' (vibe) तो समझ सकता है लेकिन वह नहीं जान पाएगा कि वह कौन है। फोटो एक "टोपी पहने हुए आदमी" जैसी दिख सकती है, लेकिन क्या वह बैटमैन है या स्पाइडरमैन? AI विशिष्ट नाम को खो देता है, जिससे एक सटीक तथ्य एक अस्पष्ट अनुमान में बदल जाता है। ऐसा इसलिए होता है क्योंकि उन्हें जोड़ने वाला "पुल" डेटा को इतना दबा देता है कि दुर्लभ शब्द और विशिष्ट नाम शून्य में विलीन हो जाते हैं।
इसे ठीक करने के लिए, टीम ने एक नया संचार प्रोटोकॉल बनाया जिसे XBRIDGE कहा जाता है। केवल एक धुंधली फोटो भेजने या सारांश चिल्लाने के बजाय, XBRIDGE एक चतुर दो-भाग वाली प्रणाली का उपयोग करता है ताकि यह सुनिश्चित हो सके कि संदेश तेज़ और सटीक दोनों हो।
सबसे पहले, यह लेक्सिकल एंकर मैपिंग (Lexical Anchor Mapping - LAM) का उपयोग करता है। इसे एक जादुई शब्दकोश के रूप में समझें जो संदेश भेजने से पहले ही प्रेषक (sender) के विशिष्ट शब्दों को प्राप्तकर्ता (receiver) की शब्दावली में तुरंत अनुवादित कर देता है। यदि प्रेषक "क्रिस्टोफर नोलन" के बारे में सोचता है, तो सिस्टम केवल एक धुंधला अहसास नहीं भेजता; यह स्पष्ट रूप से प्राप्तकर्ता को एक कार्ड थमाता है जिस पर प्राप्तकर्ता की अपनी भाषा में "क्रिस्टोफर नोलन" लिखा होता है। यह एक ठोस "एंकर" के रूप में कार्य करता है, जिससे यह सुनिश्चित होता है कि प्राप्तकर्ता को ठीक-ठीक पता हो कि किसके बारे में बात की जा रही है, जिससे उन विशिष्ट नामों के खोने की संभावना खत्म हो जाती है।
दूसरा, यह लेटेंट एनरिचमेंट ब्रिज (Latent Enrichment Bridge - LEB) का उपयोग करता है। यह वह हिस्सा है जो "वाइब" या गहरा संदर्भ लेकर आता है। एक बार जब प्राप्तकर्ता के पास ठोस एंकर (नाम) आ जाता है, तो LEB प्राप्तकर्ता को प्रेषक के मस्तिष्क में झांकने की अनुमति देता है ताकि वह देख सके कि वह नाम क्यों महत्वपूर्ण है। यह ऐसा है जैसे प्राप्तकर्ता प्रेषक से पूछता है, "ठीक है, मैं जानता हूँ कि यह क्रिस्टोफर नोलन है, लेकिन इस विशिष्ट कहानी में उन्होंने क्या किया?" LEB प्रेषक के छिपे हुए विचारों से समृद्ध, विस्तृत संदर्भ निकालता है और उसे उस विशिष्ट नाम के साथ जोड़ देता है।
परिणाम काफी प्रभावशाली हैं। टीम ने तीन अलग-अलग AI मॉडल परिवारों (Llama, Qwen, और Mistral) पर सात चुनौतीपूर्ण कार्यों, जैसे जटिल सामान्य ज्ञान के प्रश्नों का उत्तर देना या लंबे दस्तावेज़ पढ़ना, पर इसका परीक्षण किया। उन्होंने पाया कि XBRIDGE एक गेम-चेंजर था। यह पुराने टेक्स्ट सारांश भेजने के तरीके की तुलना में 11 गुना तेज़ था क्योंकि इसे वाक्य लिखने के लिए रुकना नहीं पड़ा। इससे भी महत्वपूर्ण बात यह है कि यह बहुत अधिक सटीक था। वास्तव में, इसने हर कार्य और मॉडलों के हर जोड़े पर टेक्स्ट-आधारित विधि को पछाड़ दिया। यहाँ तक कि जब इसकी तुलना उन उच्च-तकनीकी विधियों से की गई जो केवल समान मॉडलों के बीच काम करती हैं, तब भी XBRIDGE अधिकांश मामलों में शीर्ष पर रहा।
सबसे अच्छी बात? यह नया पुल अविश्वसनीय रूप से हल्का है। इसके लिए केवल बहुत कम अतिरिक्त कंप्यूटिंग शक्ति (प्राप्तकर्ता के आकार का लगभग 3.8%) की आवश्यकता होती है और इसे उदाहरणों के एक छोटे सेट पर 10 मिनट से भी कम समय में प्रशिक्षित किया जा सकता है। इसे प्रेषक द्वारा अपने विचारों को फिर से लिखने या प्राप्तकर्ता द्वारा अपने मस्तिष्क की संरचना बदलने की आवश्यकता नहीं है। यह बस वहां बैठा रहता है, चुपचाप नामों का अनुवाद करता है और संदर्भ प्राप्त करता है, जिससे विभिन्न AI अंततः बिना विषय भटके एक वास्तविक बातचीत कर पाते हैं। शोधकर्ताओं का सुझाव है कि यह विविध AI एजेंटों की टीमें बनाने की दिशा में एक बड़ा कदम हो सकता है जो प्रभावी ढंग से सहयोग कर सकें, और ऐसी समस्याओं को हल कर सकें जिन्हें कोई अकेला मॉडल अकेले नहीं संभाल सकता।
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।