Did LLMs colonize scientific titles? Fifty years of titular colonicity
यह अध्ययन वैज्ञानिक शीर्षक के पचास वर्षों के डेटा का विश्लेषण करता है ताकि यह प्रदर्शित किया जा सके कि जबकि कोलन (colon) का उपयोग एक लंबे समय से चली आ रही परंपरा रही है जो प्रचलन में बढ़ रही है, बड़े भाषा मॉडल मानव लेखकों की तुलना में काफी अधिक कोलन आवृत्ति वाले शीर्षक उत्पन्न करते हैं, जो कि एक प्रॉम्प्ट-संवेदनशील पैटर्न है और पुनर्प्राप्ति रैंकिंग प्रदर्शन (retrieval ranking performance) को प्रभावित करता 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
वैज्ञानिक शोध पत्रों का मूल्यांकन अक्सर उनके शीर्षकों द्वारा किया जाता है, वे संक्षिप्त वाक्यांश जिन्हें किसी पाठक को लिंक पर क्लिक करने से पहले ही यह बताने का भारी काम करना होता है कि अध्ययन किस बारे में है। दशकों से, शोधकर्ताओं ने इन शीर्षकों में एक विशिष्ट पैटर्न देखा है: कोलन (colon) का उपयोग, वह छोटा विराम चिह्न जो दो बिंदुओं से मिलकर बना है। एक शीर्षक "Climate Change: A New Perspective" जैसा हो सकता है, जो एक व्यापक विषय को एक विशिष्ट फोकस से अलग करने के लिए कोलन का उपयोग करता है। इस आदत को, जिसे अकादमिक हलकों में "टिटुलर कोलोनिसिटी" (titular colonicity) के रूप में जाना जाता है, 1980 के दशक से देखा जा रहा है। यह सूचना को व्यवस्थित करने का एक मानक उपकरण है, लेकिन हाल ही में, एक नई शक्ति ने कमरे में प्रवेश किया है: लार्ज लैंग्वेज मॉडल्स (large language models)। ये कृत्रिम बुद्धिमत्ता (AI) प्रणालियाँ हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है और जो अब सारांश लिख सकती हैं, प्रश्नों के उत्तर दे सकती हैं, और यहाँ तक कि वैज्ञानिक शीर्षक भी तैयार कर सकती हैं। जैसे-जैसे ये उपकरण अनुसंधान में सामान्य होते जा रहे हैं, एक स्वाभाविक प्रश्न उठता है: क्या वे हमारे लिखने के तरीके को बदल रहे हैं? विशेष रूप से, क्या ये मशीनें कोलन का अत्यधिक उपयोग कर रही हैं, जिससे यह शायद उनके आउटपुट की एक पहचान बन गया है, और क्या यह विराम चिह्न वास्तव में मदद करता है या तब नुकसान पहुँचाता है जब कोई कंप्यूटर डेटाबेस में किसी पेपर को खोजने की कोशिश करता है?
इसका उत्तर देने के लिए, पोलैंड के 'इंटरएक्टिव क्राफ्ट्स' (Interactive Crafts) के शोधकर्ताओं की एक टीम ने वैज्ञानिक इतिहास के पचास वर्षों तक फैले एक व्यापक अन्वेषण का संचालन किया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने 1976 और 2025 के बीच प्रकाशित लगभग पच्चीस मिलियन जर्नल लेखों का अध्ययन किया, जो 'ओपनएलेक्स' (OpenAlex) नामक एक वैश्विक डेटाबेस से लिए गए थे। उनका पहला कार्य कोलन के इतिहास का मानचित्रण करना था। उन्होंने पाया कि इसका उपयोग कभी भी सीधी रेखा में ऊपर या नीचे नहीं गया है। इसके बजाय, यह दशकों से उतार-चढ़ाव भरा रहा है, जो 1970 के दशक के अंत में लगभग 16 प्रतिशत पर था, बढ़ता और घटता रहा, और फिर हाल के वर्षों में फिर से बढ़ा। 2022 तक, लगभग 25 प्रतिशत अंग्रेजी भाषा के शीर्षकों में कोलन मौजूद था। 2024 तक, वह संख्या बढ़कर लगभग 29 प्रतिशत हो गई थी, और 2025 के एक प्रारंभिक अवलोकन से संकेत मिला कि यह 34 प्रतिशत तक पहुँच सकता है। हालांकि यह हालिया वृद्धि उल्लेखनीय है, शोधकर्ताओं ने सावधानीपूर्वक यह नोट किया कि यह प्रवृत्ति आर्टिफिशियल इंटेलिजेंस के लेखन के लिए एक प्रमुख उपकरण बनने से पहले ही शुरू हो गई थी, जिसका अर्थ है कि यह वृद्धि लिखने के तरीके की एक लंबी, जटिल कहानी का हिस्सा है, न कि मशीनों द्वारा अचानक उत्पन्न हुआ बदलाव।
टीम ने फिर अपना ध्यान मशीनों की ओर केंद्रित किया। उन्होंने लगभग 1,700 वैज्ञानिक एब्स्ट्रैक्ट्स (abstracts)—शोध पत्रों के सारांश—लिए और तीन अलग-अलग ओपन-सोर्स लैंग्वेज मॉडल्स से नए शीर्षक बनाने के लिए कहा। उन्होंने मॉडल्स को दो प्रकार के निर्देश दिए: एक तटस्थ (neutral) था, जिसमें केवल एक शीर्षक मांगा गया था, और दूसरा उनसे वैज्ञानिक क्षेत्र, जैसे जीव विज्ञान या इंजीनियरिंग के विशिष्ट शैली नियमों का पालन करने के लिए कहा गया था। परिणाम चौंकाने वाले थे। जब मॉडल्स ने शीर्षक लिखे, तो उन्होंने मानव लेखकों की तुलना में बहुत अधिक बार कोलन का उपयोग किया। परीक्षण किए गए प्राथमिक मॉडल के लिए, 41 प्रतिशत तटस्थ शीर्षकों में कोलन था, जबकि वास्तविक प्रकाशित शीर्षकों में केवल 27 प्रतिशत थे। जब उन्हें क्षेत्र के नियमों का पालन करने के लिए कहा गया, तो कोलन के उपयोग की दर और भी बढ़ गई, जो 60 प्रतिशत तक पहुँच गई। यह सुझाव देता है कि जबकि मनुष्य मध्यम रूप से कोलन का उपयोग करते हैं, ये कृत्रिम बुद्धिमत्ता प्रणालियाँ उनका अत्यधिक उपयोग करने की प्रबल प्रवृत्ति रखती हैं, विशेष रूप से जब उन्हें विशिष्ट अकादमिक शैलियों की नकल करने के लिए प्रेरित किया जाता है। शोधकर्ताओं ने यह भी पाया कि मॉडल्स असंगत थे; कभी-कभी वे कोलन के साथ एक शीर्षक बनाते थे, और कभी-कभी नहीं, भले ही वे एक ही एब्स्ट्रैक्ट को देख रहे हों, जो यह दर्शाता है कि यह व्यवहार इस बात के प्रति संवेदनशील है कि प्रश्न कैसे पूछा गया है।
अंत में, शोधकर्ता यह जानना चाहते थे कि क्या यह विराम चिह्न वास्तव में मायने रखता है जब एक कंप्यूटर किसी पेपर को खोजने की कोशिश करता है। उन्होंने एक नियंत्रित प्रयोग स्थापित किया जहाँ उन्होंने उन शीर्षकों को लिया जिनमें एक एकल कोलन था और उस कोलन को एक साधारण स्थान (space) से बदल दिया, जिससे प्रत्येक अन्य शब्द बिल्कुल वैसा ही रहा। फिर उन्होंने एक सर्च सिस्टम से संशोधित शीर्षक का उपयोग करके मूल पेपर को खोजने के लिए कहा। आश्चर्यजनक रूप से, कोलन को हटाने से खोज थोड़ी अधिक प्रभावी हो गई। सिस्टम ने कोलन के बिना मूल पेपर को अधिक बार पाया और परिणामों की सूची में उसे उच्च स्थान दिया। इसका मतलब यह नहीं है कि कोलन मानव पाठकों के लिए बुरे हैं, लेकिन यह दिखाता है कि इस परीक्षण में उपयोग की गई विशिष्ट खोज तकनीक के लिए, कोलन एक मामूली बाधा के रूप में कार्य कर रहा था। शोधकर्ताओं ने उल्लेख किया कि यह प्रभाव सार्वभौमिक नहीं था; कई शीर्षकों के लिए, इस परिवर्तन से कोई अंतर नहीं पड़ा, लेकिन एक महत्वपूर्ण हिस्से के लिए, स्पेस (स्थान) दो बिंदुओं की तुलना में बेहतर काम कर रहा था।
अध्ययन यह निष्कर्ष निकालता है कि जबकि लार्ज लैंग्वेज मॉडल्स वास्तव में वैज्ञानिक शीर्षकों को मानवीय मानदंडों से अधिक आवृत्ति के साथ 'कोलोनाइज' (colonize) कर रहे हैं, इसका मतलब यह नहीं है कि वे कोलन उपयोग में हालिया वृद्धि का एकमात्र कारण हैं। यह प्रवृत्ति इन उपकरणों के व्यापक रूप से अपनाया जाने से पहले ही शुरू हो गई थी, और यह वृद्धि मानवीय आदतों और मशीन के प्रभाव का मिश्रण है। इसके अलावा, कोलन की उपस्थिति किसी मशीन द्वारा लिखे गए पेपर की पहचान करने का एक विश्वसनीय तरीका नहीं है, क्योंकि मनुष्य दशकों से इनका उपयोग करते आ रहे हैं। वास्तविक निष्कर्ष यह है कि विराम चिह्न केवल एक शैलीगत विकल्प नहीं है; यह एक ऐसा चर (variable) है जो यह बदल देता है कि मशीनें जानकारी को कैसे पढ़ती हैं और प्राप्त करती हैं। जैसे-जैसे आर्टिफिशियल इंटेलिजेंस अनुसंधान प्रक्रिया में एकीकृत हो रहा है, भाषा के इन छोटे बदलावों को समझना आवश्यक होता जा रहा है, न केवल AI को पहचानने के लिए, बल्कि यह सुनिश्चित करने के लिए भी कि हमारे द्वारा निर्मित ज्ञान को उन प्रणालियों द्वारा अभी भी खोजा जा सके जो इसे साझा करने के लिए डिज़ाइन की गई हैं।
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।