SheetCompass: Hierarchical Relation Graphs for Agentic Spreadsheet Reasoning
SheetCompass एक ग्राफ-निर्देशित, मेमोरी-संचालित एजेंटिक फ्रेमवर्क है जो वर्कशीट्स के भीतर और उनके बीच पदानुक्रमित संरचनात्मक संबंधों और स्थानिक संदर्भों को स्पष्ट रूप से मॉडल करके जटिल वर्कबुक्स के अधिक प्रभावी स्वचालन को सक्षम करने के लिए मौजूदा LLM-आधारित स्प्रेडशीट तर्क की सीमाओं को संबोधित 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
डिजिटल स्प्रेडशीट की पहेली
कल्पना कीजिए कि आप एक सुपर-स्मार्ट रोबोट को एक बिखरी हुई, कई पन्नों वाली स्प्रेडशीट पढ़ना सिखाने की कोशिश कर रहे हैं। आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया में, यह एक जासूस से एक ऐसी किताब के शब्दों को पढ़ने के लिए कहने जैसा है जिसके पन्ने फाड़ दिए गए हों और फिर उन्हें एक ही लाइन में मिला दिया गया हो। स्प्रेडशीट विशेष होती है क्योंकि वे केवल डेटा की सूचियाँ नहीं हैं; वे दृश्य मानचित्र (visual maps) हैं। उनके पास पंक्तियाँ (rows), कॉलम (columns) और अलग-अलग पेजों के बीच छिपे हुए संबंध होते हैं जो पैसे, बिक्री या इन्वेंट्री के बारे में एक कहानी बताते हैं। एक इंसान के लिए, स्प्रेडशीट को देखना एक शहर के नक्शे को स्कैन करने जैसा है: आप तुरंत देख लेते हैं कि कैसे "सेल्स" (Sales) स्ट्रीट, "प्राइसेस" (Prices) एवेन्यू से जुड़ती है। लेकिन एक लार्ज लैंग्वेज मॉडल (LLM) के लिए—वह AI जो कविताएँ लिखता है और सवालों के जवाब देता है—स्प्रेडशीट अक्सर एक दुःस्वप्न बन जाती है। जब हम इन मॉडलों को एक स्प्रेडशीट देते हैं, तो हम आमतौर पर इसे टेक्स्ट की एक लंबी स्ट्रिंग में बदल देते हैं, जैसे किसी 3D इमारत को कागज के एक सपाट टुकड़े में बदल देना। ऐसा करने में, हम डेटा के "कहाँ" और "कैसे" को खो देते हैं। रोबोट यह भूल जाता है कि ऊपर बाईं ओर स्थित संख्या नीचे दाईं ओर स्थित किसी श्रेणी (category) से संबंधित है, या दो अलग-अलग शीट्स वास्तव में एक-दूसरे से बात कर रही हैं। यह पेपर, जिसका शीर्षक SheetCompass है, एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: हम AI को शब्दों की सूची पढ़ने के बजाय फिर से मानचित्र देखना कैसे सिखा सकते हैं?
पेपर की कहानी: AI के लिए एक दिशा-सूचक यंत्र (Compass) बनाना
इस पेपर के लेखकों ने, जो चीन के यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी में कार्यरत हैं, महसूस किया कि समस्या यह नहीं थी कि AI पर्याप्त स्मार्ट नहीं था; बल्कि समस्या यह थी कि AI स्प्रेडशीट को गलत तरीके से देख रहा था। उनका तर्क है कि स्प्रेडशीट के साथ एक साधारण टेक्स्ट डॉक्यूमेंट की तरह व्यवहार करने से वह संरचना छीन ली जाती है जो इसे उपयोगी बनाती है। इसे ठीक करने के लिए, उन्होंने SheetCompass नामक एक नई प्रणाली बनाई। SheetCompass को केवल एक पढ़ने वाले रोबट के रूप में नहीं, बल्कि एक कस्टम-मेड मैप के साथ काम करने वाली तीन विशेषज्ञ खोजकर्ताओं की एक टीम के रूप में समझें।
सबसे पहले, टीम को "फ्लैट टेक्स्ट" की समस्या को हल करना था। AI को एक लंबे, भ्रमित करने वाले पैराग्राफ के रूप में खिलाने के बजाय, SheetCompass स्प्रेडशीट को एक पदानुक्रमित ग्राफ (hierarchical graph) में बदल देता है। कल्पना कीजिए कि एक स्प्रेडशीट फर्नीचर से भरा एक अस्त-व्यस्त कमरा है। पारंपरिक तरीके हर वस्तु को एक ही वाक्य में सूचीबद्ध करके कमरे का वर्णन करने की कोशिश करते हैं: "कुर्सी, मेज, लैंप, कुर्सी, मेज..." SheetCompass, हालांकि, कमरे का एक 3D मॉडल बनाता है। यह पूरे टेबल के लिए एक "टेबल नोड" (Table Node) और हेडर के लिए "कॉलम नोड्स" (Column Nodes) बनाता है, और फिर उन्हें जोड़ने वाली रेखाएं खींचता है। यह यहाँ तक कि उन कॉलमों के बीच विशेष "सिमेंटिक रेखाएं" (semantic lines) भी खींचता है जो दिखने में अलग हैं लेकिन जिनका अर्थ एक ही है (जैसे एक शीट पर "Price" और दूसरी पर "Cost"), भले ही वे एक-दूसरे से बहुत दूर हों। यह एक स्थिर, संरचित कंकाल बनाता है जिसके माध्यम से AI बिना भटके नेविगेट कर सकता है।
लेकिन केवल एक मानचित्र होना ही काफी नहीं है; खोजकर्ताओं को यह जानना भी चाहिए कि उसका उपयोग कैसे किया जाए। SheetCompass एक दो-स्तरीय मेमोरी (dual-level memory) प्रणाली पेश करता है। मेमोरी का एक हिस्सा विशेषज्ञ नियमों की लाइब्रेरी (Expert Knowledge) की तरह है, जो AI को सिखाता है कि "पंक्तियों को हटाएं नहीं, बस उन्हें छिपा दें" या "पिवट टेबल की गणना कैसे करें।" दूसरा हिस्सा पिछले गलतियों की डायरी (Reasoning Experience) है, जहाँ सिस्टम याद रखता है कि पिछले प्रयासों में क्या गलत हुआ था ताकि वह वही गलती दोबारा न दोहराए। यह एक ऐसे छात्र की तरह है जिसके पास न केवल एक पाठ्यपुस्तक है, बल्कि अपने स्वयं के टेस्ट सुधारों की एक नोटबुक भी है।
अंत में, सिस्टम एक मल्टी-एजेंट टीम को लाता है। एक अकेले AI द्वारा सब कुछ करने के बजाय, SheetCompass काम को तीन भूमिकाओं में विभाजित करता है:
- नेविगेटर (एक्सप्लोरर): यह एजेंट ग्राफ मैप को देखता है, सही कॉलम और टेबल ढूंढता है, और समस्या को हल करने के लिए चरणों के क्रम का पता लगाता है।
- बिल्डर (प्रोग्रामर): यह एजेंट योजना लेता है और गणित करने या चार्ट बनाने के लिए वास्तविक कोड लिखता है, यह सुनिश्चित करते हुए कि वह मैप का सख्ती से पालन करे ताकि वह फर्जी डेटा का आविष्कार न करे।
- इंस्पेक्टर (रिफ्लेक्टर): यह सुरक्षा गार्ड है। कोड चलने के बाद, इंस्पेक्टर परिणामों की एक चेकलिस्ट के विरुद्ध जांच करता है। यदि गणित अजीब लगता है (जैसे किसी बड़ी कीमत से एक छोटा दशमलव घटाना), तो इंस्पेक्टर प्रक्रिया को रोकता है, कहता है "रुको, यह समझ में नहीं आ रहा है," और टीम को इसे ठीक करने के लिए वापस भेज देता है।
उन्होंने क्या पाया
शोधकर्ताओं ने SheetCompass का परीक्षण कई कठिन डेटासेट्स पर किया जिसमें कई टेबल्स और जटिल निर्देश वाले जटिल स्प्रेडशीट्स शामिल थे। उन्होंने अपनी नई प्रणाली की तुलना अन्य लोकप्रिय AI विधियों से की, जिनमें वे भी शामिल हैं जो एक बार में ही कोड लिखते हैं या सरल एजेंट लूप का उपयोग करते हैं। परिणाम स्पष्ट थे: SheetCompass पहली बार में ही काम को सही ढंग से करने में काफी बेहतर था।
अपने परीक्षणों में, एक शक्तिशाली AI मॉडल (GPT-4) का उपयोग करते समय, SheetCompass ने एक प्रमुख बेंचमार्क (SCB) पर 63.2% की सफलता दर हासिल की, जो अगले सबसे अच्छे तरीके को पीछे छोड़ देती है जिसने केवल 61.1% प्राप्त किया था। एक अन्य कठिन टेस्ट (SB) पर, जिसमें AI को परीक्षणों की एक श्रृंखला में हर एक चेक को पास करना आवश्यक था, SheetCompass ने सफलता दर को बढ़ाकर 18.3% कर दिया, जो पिछले सर्वश्रेष्ठ 13.5% से एक बड़ी छलांग है। जब उन्होंने एक और भी उन्नत मॉडल (GPT-5) का उपयोग किया, तो अंतर और बढ़ गया, जिसमें SheetCompass ने SCB बेंचमार्क पर 71.3% और कठिन SB बेंचमार्क पर 22.0% की सफलता दर प्राप्त की।
पेपर ने "एब्लेशन स्टडीज" (ablation studies) भी चलाईं, जो एक मशीन को यह देखने के लिए अलग करने जैसा है कि उसका कौन सा हिस्सा सबसे महत्वपूर्ण है। उन्होंने पाया कि यदि वे ग्राफ मैप को हटा देते, तो सिस्टम का प्रदर्शन तेजी से गिर जाता, जिससे यह साबित होता कि मैप सबसे महत्वपूर्ण हिस्सा है। उन्होंने यह भी पाया कि इंस्पेक्टर (रिफ्लेक्टर) अत्यंत महत्वपूर्ण था; इसके बिना, सिस्टम अधिक गलतियाँ करता क्योंकि वह अपनी गलतियों को पकड़ नहीं पाता।
यह क्यों मायने रखता है
लेखकों का सुझाव है कि AI को स्प्रेडशीट में कुशल बनाने की कुंजी केवल AI को स्मार्ट बनाना नहीं है, बल्कि उसे डेटा को देखने का एक बेहतर तरीका देना है। डेटा को एक फ्लैट टेक्स्ट से एक संरचित ग्राफ में बदलकर और एक-दूसरे के काम की जांच करने के लिए विशेष एजेंटों की एक टीम का उपयोग करके, SheetCompass उस अंतर को पाटता है जो इंसानों द्वारा स्वाभाविक रूप से टेबल्स पढ़ने के तरीके और कंप्यूटर द्वारा सूचना को प्रोसेस करने के तरीके के बीच होता है। यह पेपर यह दावा नहीं करता है कि इसने दुनिया की हर स्प्रेडशीट समस्या को हल कर लिया है, लेकिन यह दिखाता है कि "स्ट्रक्चरल परसेप्शन" (संरचनात्मक धारणा) को "कोलेबोरेटिव रीजनिंग" (सहयोगात्मक तर्क) के साथ जोड़ना एक शक्तिशाली मार्ग है। यह सुझाव देता है कि AI को वास्तव में उन बिखरे हुए, वास्तविक दुनिया के उपकरणों में महारत हासिल करने के लिए, उसे केवल सूचियों को पढ़ना बंद करना होगा और मानचित्रों को पढ़ना शुरू करना होगा।
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।