मल्टी-एजेंट सिस्टम स्क्रिप्ट के अनुसार काम करना क्यों बंद कर देते हैं
बड़े भाषा मॉडल टीमों में एकजुट हो सकते हैं: एक एजेंट डेटा इकट्ठा करता है, दूसरा तथ्यों की जाँच करता है, तीसरा अंतिम उत्तर तैयार करता है। कुछ समय पहले तक, ऐसे कनेक्शन पहले से डिज़ाइन किए जाते थे: डेवलपर तय करता था कि कौन किससे और किस क्रम में बात करेगा। यह तब तक सुविधाजनक है जब तक कार्य एक जैसे हों। लेकिन जैसे ही कोई जटिल, गैर-मानक अनुरोध आता है, कठोर ढाँचा बाधा बनने लगता है: कुछ एजेंट बेकार रह जाते हैं, अन्य दूसरों की गलतियों में फँस जाते हैं, और तर्क श्रृंखला बहुत लंबी या बहुत छोटी हो जाती है।
समाधान — तथाकथित self-evolving मल्टी-एजेंट सिस्टम हैं। स्थिर टेम्पलेट के बजाय, वे चलते-फिरते काम करने की उपयुक्त प्रक्रिया चुनते हैं: भूमिकाएँ वितरित करते हैं, चरणों का क्रम बदलते हैं, और तय करते हैं कि किस एजेंट को अभी बात करनी चाहिए। इसी श्रेणी में ST-EVO नामक शोध दृष्टिकोण आता है।
स्थानिक और लौकिक विकास: एक आयाम पर्याप्त क्यों नहीं है
एजेंटों के स्व-संगठन के अधिकांश मौजूदा एल्गोरिदम संचार को केवल दो दिशाओं में से एक में विकसित करते हैं।
स्थानिक विकास "किससे बात करें" प्रश्न का उत्तर देता है: सिस्टम वर्तमान अनुरोध के अनुसार एजेंटों के बीच कनेक्शन की टोपोलॉजी बदलता है। यह एक नया सदस्य जोड़ सकता है, अनावश्यक को हटा सकता है, या कलाकारों के बीच उप-कार्यों को पुनर्वितरित कर सकता है।
लौकिक विकास "किस क्रम में कार्य करें" प्रश्न का उत्तर देता है: सिस्टम कार्य की संरचना को बेहतर ढंग से फिट करने के लिए तर्क के चरणों को लंबा, छोटा या पुनर्व्यवस्थित करता है।
प्रत्येक आयाम अकेले सिस्टम के प्रदर्शन में सुधार करता है, लेकिन पूरी तरह से नहीं। स्थानिक ट्यूनिंग संचित अनुभव और प्रक्रिया की गतिशीलता को अनदेखा करती है; लौकिक — यह नहीं देखती कि अगला कदम वास्तव में किसे संबोधित है। ST-EVO के लेखक दोनों आयामों को एक साथ देखने और स्थान और समय में संचार की योजना बनाने का सुझाव देते हैं: यह केवल महत्वपूर्ण नहीं है कि कौन से एजेंट संवाद में भाग लेते हैं, बल्कि यह भी कि वे चर्चा में किस क्षण शामिल होते हैं।
एजेंट संचार का "शेड्यूल" कैसे बनता है
ST-EVO के भीतर, इंटरैक्शन के पुनर्गठन के लिए flow matching पर आधारित एक प्लानर जिम्मेदार है — एक जनरेटिव दृष्टिकोण जो संभावित संरचनाओं के एक वितरण को दूसरे में आसानी से स्थानांतरित कर सकता है। सभी कनेक्शन विकल्पों को छाँटने के बजाय, सिस्टम भविष्यवाणी करता है कि संवाद योजना का कौन सा संस्करण अगला होगा। ऐसा प्लानर व्यक्तिगत एजेंटों के बीच "प्रतिक्रियाओं" के स्तर पर नहीं, बल्कि संवाद रूटिंग के स्तर पर काम करता है: यह तय करता है कि किन प्रतिभागियों के बीच इस समय संचार उत्पन्न होना चाहिए।
एक महत्वपूर्ण विवरण — सिस्टम की अपनी अनिश्चितता को महसूस करने की क्षमता। यदि कोई एजेंट मध्यवर्ती परिणाम के बारे में अनिश्चित है, तो ST-EVO डेटा ट्रांसमिशन मार्ग को सही कर सकता है: उदाहरण के लिए, अनुरोध को किसी अन्य एजेंट को पुनर्निर्देशित करना, सत्यापन का एक अतिरिक्त चरण जोड़ना, या भूमिकाओं के वितरण को पूरी तरह से बदलना। इसके अतिरिक्त, सिस्टम को self-feedback मिलता है: कार्यों को पूरा करने के बाद, यह सफल और असफल परिदृश्यों को संचित करता है, ताकि अगली बार संचार की प्रभावी टोपोलॉजी तेजी से मिल सके।
प्रयोगों ने क्या दिखाया
शोधकर्ताओं ने ST-EVO का परीक्षण नौ बेंचमार्क पर किया, जिसमें डेटा विश्लेषण से लेकर जटिल तर्क तक विभिन्न प्रकार के कार्य शामिल थे। लगभग हर जगह दृष्टिकोण ने state-of-the-art स्तर के परिणाम दिखाए: वैकल्पिक तरीकों की तुलना में सटीकता में वृद्धि लगभग 5% से 25% थी। यह भिन्नता इस तथ्य से समझाई जाती है कि कुछ प्रकार के कार्यों के लिए, स्थिर स्क्रिप्ट को गतिशील से बदलना दूसरों की तुलना में अधिक लाभ देता है।
व्यवहार में इसका क्या मतलब है
ST-EVO केवल "एजेंटों को थोड़ा समायोजित करने" का एक और तरीका नहीं दिखता है, बल्कि जटिल प्रणालियों के पूर्ण स्व-संगठन की दिशा में एक कदम है। यदि विकास इस दिशा में आगे बढ़ता है, तो समय के साथ डिज़ाइन की गई प्रक्रिया और एजेंटों के वास्तविक व्यवहार के बीच का अंतर लगभग अदृश्य हो जाएगा। सिस्टम स्वयं तय कर सकेंगे कि उन्हें कब पुनर्गठित होना है, बातचीत में किसे शामिल करना है, और पिछले अनुभव का उपयोग कैसे करना है — सभी संभावित परिदृश्यों को मैन्युअल रूप से वर्णित करने की आवश्यकता के बिना।
