RECON: A Recipe-Driven, Evidence-Fused, Neuro-Symbolic Multi-Agent Architecture for Autonomous Document Compliance Auditing across Heterogeneous Enterprise Repositories
यह शोध पत्र RECON को प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक मल्टी-एजेंट आर्किटेक्चर है जो विषम एंटरप्राइज रिपॉजिटरीज़ में पुनरुत्पादनीय, रक्षात्मक और साक्ष्य-फ्यूज्ड दस्तावेज़ अनुपालन समीक्षा प्रदान करने के लिए डिटरमिनिस्टिक नियमों, फजी डिटेक्शन और LLM रीजनिंग को एक YAML-संचालित रेसिपी सिस्टम और टैम्पर-एविडेंट ऑडिटिंग के साथ जोड़ता है।
मूल पेपर CC BY 4.0 (https://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 विशाल जिग्सॉ पज़ल (जिक्सॉ पहेली) को हल करने की कोशिश कर रहे हैं, लेकिन उसके टुकड़े अलग-अलग कमरों में बिखरे हुए हैं, कुछ अदृश्य स्याही में लिखे गए हैं, और कुछ ऐसे दिखते हैं जैसे वे फिट बैठेंगे लेकिन वास्तव में उनका आकार थोड़ा गलत है। यह उन कंपनियों के लिए दैनिक वास्तविकता है जो जटिल नियमों का पालन करने की कोशिश करती हैं, जैसे डेटा गोपनीयता या वित्तीय सुरक्षा के बारे में कानून। उन्हें यह सुनिश्चित करने के लिए हजारों दस्तावेजों—अनुबंधों, बैंक विवरणों और नीति नियमावलियों—की जांच करनी पड़ती है कि वे कोई नियम नहीं तोड़ रहे हैं।
इसे करने के लिए, वे आमतौर पर दो प्रकार के सहायकों पर भरोसा करते हैं। पहला है एक "नियम-अनुपालक" (Rule-Follower), एक सख्त कंप्यूटर प्रोग्राम जो सटीक शब्दों को खोजता है। यह एक ऐसे रोबोट की तरह है जो केवल "सेब" शब्द को जानता है और उस लाल फल की तस्वीर को मिस कर देगा जिसे आप "कुरकुरा, गोल फल" कह रहे हों। दूसरा सहायक है एक "बड़ा दिमाग" (Big Brain), जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो भाषा और अर्थ को समझता है। यह यह समझने में बहुत अच्छा है कि एक "कुरकुरा, गोल फल" एक सेब है, लेकिन कभी-कभी यह भ्रमित हो जाता है, मनगढ़ंत बातें बनाता है, या हर बार जब आप इससे एक ही सवाल पूछते हैं तो अपना निर्णय बदल देता है। विज्ञान में बड़ा चैलेंज इन दोनों सहायकों को इस तरह मिलाने का तरीका खोजना है कि वे आपस में लड़ें बिना एक साथ काम कर सकें, जिससे एक ऐसा सिस्टम बन सके जो भाषा को समझने में स्मार्ट भी हो और नियामकों (regulators) के लिए भरोसेमंद भी।
यहीं पर RECON नामक एक नया सिस्टम आता है। RECON को पांच विशिष्ट एजेंटों की एक सुपर-टीम के रूप में समझें जो दस्तावेजों का ऑडिट करने के लिए मिलकर काम करते हैं, जिसे लचीला और अटूट बनाया गया है। नए नियम सेट करने के लिए जटिल कंप्यूटर कोड लिखने के बजाय, प्रभारी व्यक्ति बस एक सरल "रेसिपी" फ़ाइल (एक खाना बनाने की रेसिपी की तरह, लेकिन नियमों के लिए) लिखता है। यह रेसिपी टीम को बताती है कि उसे ठीक क्या खोजना है।
जब टीम ऑडिट शुरू करती है, तो वे केवल अनुमान नहीं लगाते। वे समस्याओं को खोजने के लिए तीन अलग-अलग तरीकों का उपयोग करते हैं, जो एक साथ मेटल डिटेक्टर, आवर्धक लेंस (magnifying glass) और एक जासूस की अंतर्दृष्टि का उपयोग करने जैसा है। सबसे पहले, "नियम-अनुपालक" सटीक मिलान के लिए स्कैन करता है। दूसरा, एक "फजी डिटेक्टिव" (Fuzzy Detective) उन वाक्यांशों को खोजता है जो लगभग सही शब्द हैं, जिससे वे चीजें पकड़ी जा सकें जो थोड़ी अलग हैं लेकिन फिर भी संदिग्ध हैं। तीसरा, "बड़ा दिमाग" संदर्भ को समझने के लिए संदर्भ को पढ़ता है। जादू तब होता है जब वे अपने निष्कर्षों को मिलाते हैं। वे अपने सभी निष्कर्षों को एक सूची में मर्ज करते हैं, लेकिन वे सावधानी बरतते हैं कि एक ही समस्या को दो बार न गिना जाए। यदि सख्त रोबोट कहता है "कोई समस्या नहीं" लेकिन फजी डिटेक्टिव और बड़ा दिमाग दोनों कहते हैं "यह जोखिम भरा लग रहा है," तो टीम उस साक्ष्य पर भरोसा करती है जो सबसे मजबूत है।
पेपर रिपोर्ट करता है कि जब उन्होंने 43 वास्तविक दुनिया के व्यावसायिक दस्तावेजों (जिसमें अनुबंध और वित्तीय रिपोर्ट शामिल थे) के मिश्रित ढेर पर इस सिस्टम का परीक्षण किया, तो इसने 57 अलग-अलग मुद्दे खोज निकाले। यह अविश्वसनीय रूप से सटीक था, जिसने 91% बार सही उत्तर (precision) प्राप्त किया, जबकि साथ ही 88% वास्तविक समस्याओं (recall) को भी पकड़ा। यह एक बड़ी बात है क्योंकि पिछले सिस्टम को आमतौर पर चुनना पड़ता था: या तो बहुत सख्त होना और छिपी हुई समस्याओं को छोड़ देना, या बहुत लचीला होना और गलतियाँ करना। RECON सुझाव देता है कि आप दोनों पा सकते हैं।
यह सुनिश्चित करने के लिए कि कोई भी धोखाधड़ी न कर सके या बाद में परिणाम न बदल सके, सिस्टम इसके काम के हर एक कदम को एक डिजिटल "लेजर" में लिखता है जो एक विशेष लॉक (SHA-256 हैश) के साथ जुड़ा होता है। यदि कोई चालाकी से किसी गलती को मिटाने या निर्णय को बदलने की कोशिश करता है, तो पूरी चेन टूट जाती है, और छेड़छाड़ तुरंत स्पष्ट हो जाती है। यह एक डायरी की तरह है जहाँ हर पन्ना अगले पन्ने से चिपका हुआ है; यदि आप एक भी पन्ना फाड़ते हैं, तो पूरी किताब बिखर जाती है।
शोधकर्ताओं ने प्रत्येक निर्णय के साथ एक "कॉन्फिडेंस मीटर" (विश्वास मीटर) भी जोड़ा है। यदि सिस्टम केवल कुछ दस्तावेजों की जांच करता है, तो यह कहता है, "मैं काफी आश्वस्त हूँ, लेकिन उत्तर थोड़ा बदल सकता है।" यदि यह सैकड़ों दस्तावेजों की जांच करता है, तो उत्तर बहुत सटीक और सुस्पष्ट हो जाता है। उनके परीक्षणों में, अनुबंधों के एक छोटे बैच को देखते समय, सिस्टम ने अनिश्चितता की एक विस्तृत सीमा के साथ चेतावनी दी, लेकिन जब उसने 43 दस्तावेजों के पूरे सेट को देखा, तो उसने निश्चितता की बहुत संकीर्ण सीमा के साथ एक विशिष्ट फेल स्कोर दिया।
अध्ययन सुझाव देता है कि सख्त नियमों, फजी मैचिंग और स्मार्ट AI का यह मिश्रण, जिसे एक छेड़छाड़-मुक्त लॉग में रिकॉर्ड किया गया है, दस्तावेजों की जांच को बहुत तेज़ और अधिक विश्वसनीय बना सकता है। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक विशिष्ट बैंकिंग दस्तावेजों के पायलट टेस्ट पर आधारित है। हालांकि परिणाम आशाजनक दिखते हैं, वे सुझाव देते हैं कि यह देखने के लिए और अधिक परीक्षण की आवश्यकता है कि क्या यह हर प्रकार की कंपनी और हर प्रकार के नियम के लिए समान रूप से काम करता है। वे यह भी बताते हैं कि सिस्टम को अभी भी शुरुआती "रेसिपी" लिखने के लिए एक इंसान की आवश्यकता होती है, इसलिए यह पूरी तरह से स्वचालित नहीं है, लेकिन यह इंसानों को उनके काम को बेहतर ढंग से करने के लिए एक शक्तिशाली नया उपकरण प्रदान 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।