कल्पना कीजिए कि आप एक विशाल, अनंत चैट इतिहास में एक विशिष्ट बातचीत खोजने की कोशिश कर रहे हैं। आपको याद है कि दूसरे व्यक्ति ने "पिज्जा" और "मंगलवार" के बारे में कुछ कहा था, लेकिन आपको यह नहीं पता कि यह ठीक कब या किसने कहा था। आर्टिफिशियल इंटेलिजेंस की दुनिया में, यह "मेमोरी प्रॉब्लम" (स्मृति समस्या) है। जब AI एजेंट (स्मार्ट कंप्यूटर प्रोग्राम जो चैट कर सकते हैं, कोड लिख सकते हैं या समस्याओं को हल कर सकते हैं) लंबे समय तक हमसे बात करते हैं, तो वे अभिभूत हो जाते हैं। वे एक साथ अपने "दिमाग" में सब कुछ याद नहीं रख सकते।

इसे ठीक करने के लिए, आज के अधिकांश AI सिस्टम एक बहुत ही व्यवस्थित लाइब्रेरियन (पुस्तकालयाध्यक्ष) की तरह होने की कोशिश करते हैं। आपके सवाल पूछने से पहले ही, वे उन सभी बिखरे हुए चैट लॉग्स को लेते हैं, उन्हें पढ़ते हैं, और उन्हें साफ-सुथरे सारांशों में फिर से लिखते हैं, कनेक्शनों के जटिल मानचित्र बनाते हैं, या तथ्यों की फैंसी 3D संरचनाएं तैयार करते हैं। वे ऐसा इस उम्मीद में करते हैं कि इससे बाद में उत्तर ढूंढना आसान हो जाएगा। लेकिन इस दृष्टिकोण में एक पेंच है: इन फैंसी संरचनाओं को बनाने के लिए, AI को यह अनुमान लगाना पड़ता है कि क्या महत्वपूर्ण है, इससे पहले कि उसे पता चले कि आप क्या पूछने वाले हैं। यदि वह सारांश बनाते समय किसी छोटे से विवरण को हटा देता है, तो वह विवरण हमेशा के लिए गायब हो सकता है।

यह एक बड़े सवाल की ओर ले जाता है: क्या हमें वास्तव में इन फैंसी, पूर्व-निर्मित पुस्तकालयों की आवश्यकता है? या क्या यह संभव है कि AI को बस मूल, बिखरे हुए चैट लॉग्स के माध्यम से खोजने का एक बेहतर तरीका चाहिए? यह एक पहेली है जिसे एक नया अध्ययन सुलझाता है। यह पूछता है कि क्या एक AI, एक पूर्व-संसाधित मेमोरी बैंक पर निर्भर रहने के बजाय, एक चैट ऐप को स्क्रॉल करने वाले जिज्ञासु इंसान की तरह व्यवहार करके, उत्तर खोजने में उतना ही स्मार्ट हो सकता है।

---

शोध पत्र: "ReFind" – वह AI जो बस चैट ऐप खोलता है

इस अध्ययन के पीछे के शोधकर्ताओं ने, जिनका नेतृत्व रुइज़े ली और सहयोगियों ने किया, एक क्रांतिकारी विचार का परीक्षण करने का निर्णय लिया: क्या होगा यदि AI कोई विशेष मेमोरी स्ट्रक्चर बनाए ही नहीं?

चैट इतिहास को सारांशों या ग्राफों में फिर से लिखने के बजाय, उनका सिस्टम, जिसे ReFind कहा जाता है, चैट लॉग्स को बिल्कुल वैसा ही छोड़ देता है जैसा वे हैं। यह बातचीत के इतिहास को एक कच्चे, बिना संपादित डायरी की तरह मानता है। जब AI को किसी प्रश्न का उत्तर देने की आवश्यकता होती है, तो वह किसी पूर्व-निर्मित इंडेक्स (अनुक्रमणिका) का परामर्श नहीं करता है। इसके बजाय, वह "चैट ऐप खोलता है" और खोजना शुरू कर देता है, ठीक वैसे ही जैसे एक व्यक्ति करेगा।

यह कैसे काम करता है: जासूस का टूलकिट

शोध पत्र सुझाव देता है कि मनुष्य वास्तव में पुराने संदेश खोजने में काफी अच्छे होते हैं। हम आमतौर पर सर्च बार में एक आदर्श वाक्य टाइप नहीं करते और उत्तर प्राप्त नहीं करते। इसके बजाय, हम युक्तियों के मिश्रण का उपयोग करते हैं:

1. हम कीवर्ड के साथ खोजते हैं: "पिज्जा।"
2. हम पड़ोसियों को देखते हैं: यदि हमें पिज्जा के बारे में कोई संदेश मिलता है, तो हम पूरी कहानी समझने के लिए उससे पहले और बाद के कुछ संदेश पढ़ते हैं।
3. हमें समय याद रहता है: "वह पिछले महीने की बात थी।"
4. हम जो देख चुके हैं उसे छोड़ देते हैं: "मैंने वह बातचीत पहले ही देख ली है, चलिए कहीं और देखते हैं।"

ReFind इन मानवीय युक्तियों की नकल करता है। यह एक सरल, तेज़ खोज उपकरण (जिसे BM25 कहा जाता है, जो केवल मिलान वाले शब्दों को देखता है) का उपयोग करता है, लेकिन इसे एक स्मार्ट "लूप" में लपेटता है जो AI एजेंट को खोज को नियंत्रित करने की अनुमति देता है।

• लूप (The Loop): AI एक प्रश्न पूछता है, परिणामों को देखता है, और यदि वह आश्वस्त नहीं है, तो वह खोज शब्दों को बदलता है और फिर से प्रयास करता है।
• नियंत्रण (The Controls): यह चार विशेष "चैट-नेटिव" उपकरणों का उपयोग करता है:
  • कॉन्टेक्स्ट एक्सपेंशन (Context Expansion): यदि उसे कोई हिट मिलता है, तो वह आसपास के संदेशों को भी लेता है ताकि AI मजाक या संदर्भ को समझ सके।
  • सेशन अवेयरनेस (Session Awareness): वह जानता है कि यदि एक बातचीत का एक संदेश प्रासंगिक है, तो पूरी बातचीत महत्वपूर्ण होने की संभावना है, इसलिए वह उस पूरे चैट सेशन की रैंकिंग को बढ़ा देता है।
  • टाइम ट्रैवल (Time Travel): यह परिणामों को फ़िल्टर कर सकता है ताकि केवल एक विशिष्ट तिथि सीमा के संदेशों को देखा जा सके।
  • देखे हुए को छोड़ना (Skip the Seen): उसे याद रहता है कि उसने पहले कौन सी बातचीत चेक की है ताकि वह एक ही चैट को दोबारा पढ़ने में समय बर्बाद न करे।

परिणाम: कच्ची शक्ति बनाम फैंसी संरचना

शोधकर्ताओं ने Re-Find को "फैंसी" सिस्टम के खिलाफ परखा जो जटिल मेमोरी संरचनाएं (जैसे ग्राफ और ट्री) बनाते हैं। उन्होंने लगभग 2,800 प्रश्नों का एक विशाल सेट इस्तेमाल किया जिसमें "किसने क्या कहा?" (सिंगल-हॉप), "कैसे घटना A से घटना B हुई?" (मल्टी-हॉप), और "इस तथ्य का नवीनतम संस्करण क्या है?" (फैक्ट ट्रैकिंग) जैसी चीजें शामिल थीं।

यहाँ उन्हें क्या मिला:

• ReFind जीत गया। इसने सभी परीक्षणों में 58.2% की उच्चतम औसत सटीकता हासिल की।
• सबसे मजबूत "फैंसी" सिस्टम, जिसे HippoRAG 2 (जो जटिल ग्राफ का उपयोग करता है) कहा जाता है, दूसरे स्थान पर रहा जिसकी सटीकता 53.2% थी।
• यहाँ तक कि एक साधारण, बिना स्मार्ट लूप वाला एक-बार का खोज (जिसे BM25-RAG कहा जाता है) केवल 48.8% तक ही पहुँच पाया।

यह सुझाव देता है कि "फैंसी" संरचनाएं वास्तव में भारी काम नहीं कर रही हैं। असली सफलता का राज AI को खोज प्रक्रिया पर नियंत्रण देना था। AI को पूर्व-निर्मित मानचित्र की आवश्यकता नहीं थी; उसे बस कार चलाने, सड़क देखने और यह तय करने की क्षमता की आवश्यकता थी कि कब बाएं या दाएं मुड़ना है।

"बैकबोन" टेस्ट

यह सुनिश्चित करने के लिए कि यह किसी विशिष्ट AI मॉडल के साथ केवल एक इत्तेफाक नहीं था, शोधकर्ताओं ने और भी अधिक शक्तिशाली AI (GPT-5-mini) के साथ और भी लंबी बातचीत (कुछ 500,000 शब्दों से अधिक वाली) पर इसे फिर से आजमाया।

• ReFind ने छोटी लंबी-बातचीत पर 93.2% और विशाल बातचीत पर 89.3% स्कोर किया।
• इसने जटिल ग्राफ और ट्री वाले हर अन्य सिस्टम को एक महत्वपूर्ण अंतर से पछाड़ दिया।

अध्ययन क्या खारिज करता है

शोध पत्र बहुत सावधानी से बताता है कि क्या काम नहीं किया। उन्होंने कई "एब्लेशन" परीक्षण (सिस्टम के हिस्सों को हटाकर यह देखना कि क्या होता है) चलाए:

• यह केवल लूप नहीं है: यदि आप AI को कई बार खोजने देते हैं लेकिन "चैट-नेटिव" नियंत्रणों (जैसे देखे गए सत्रों को छोड़ना या कॉन्टेक्स्ट को बढ़ाना) को हटा देते हैं, तो स्कोर काफी गिर जाता है। AI को विशिष्ट चैट-डिज़ाइन किए गए उपकरणों की आवश्यकता है, न कि केवल एक सामान्य खोज लूप की।
• यह "फैंसी" गणित नहीं है: उन्होंने जटिल "डेंस" खोज विधियों (जो केवल शब्दों को मिलाने के बजाय शब्दों के अर्थ को समझने की कोशिश करती हैं) का उपयोग करने का प्रयास किया और पाया कि सरल शब्द-मिलान (BM25) वास्तव में बेहतर या बराबर था। AI की अपने स्वयं के प्रश्नों को फिर से बनाने की क्षमता, खोज इंजन के प्रकार से अधिक महत्वपूर्ण थी।
• यह मॉडल का आकार नहीं है: यह सिस्टम एक छोटे, सस्ते AI मॉडल (GPT-4o-mini) के साथ भी अच्छी तरह से काम करता है, जो साबित करता है कि खोजने का तरीका ही मायने रखता है, न कि एक सुपर-पावरफुल दिमाग होना।

मुख्य निष्कर्ष

लेखक निष्कर्ष निकालते हैं कि चैट लॉग्स में सटीक तथ्यों को खोजने के लिए, स्ट्रक्चर (संरचना) को बढ़ा-चढ़ाकर दिखाया गया है। हमें प्रश्न पूछने से पहले कच्चे संवादों को जटिल ग्राफों में बदलने के लिए समय और कंप्यूटिंग पावर खर्च करने की आवश्यकता नहीं है। इसके बजाय, हमें कच्चे डेटा को सुरक्षित और अपरिवर्तित रखना चाहिए, और AI एजेंट को एक स्मार्ट, जिज्ञासु जासूस के रूप में कार्य करने देना चाहिए जो वास्तविक समय में इतिहास को खोज, विस्तारित और फ़िल्टर कर सके।

संक्षेप में, शोध पत्र सुझाव देता है कि AI के लिए सबसे अच्छी मेमोरी एक पूर्व-लिखित विश्वकोश नहीं है; बल्कि एक कच्ची, बिना संपादित डायरी और एक स्मार्ट एजेंट है जो इसे पढ़ना जानता है।