کیا ہوا؟
محققین نے گیٹڈ-میموری روٹنگ کی تجویز پیش کی، ایک ایسا نظام جو یہ سیکھتا ہے کہ ملٹی ایجنٹ ایل ایل ایم کے عمل کے دوران کون سے انٹرمیڈیٹ استدلال کو برقرار رکھنے اور بازیافت کرنا ہے۔ مقالے کا خلاصہ پانچ استدلال اور کوڈ جنریشن بینچ مارکس میں بہترین اوسط درستگی کی رپورٹ کرتا ہے، جو کہ 2.44 پوائنٹس کی مضبوط ترین بیس لائن سے زیادہ ہے، جبکہ ہیومن ایول کے تخمینے کی لاگت کو اس بیس لائن کے مقابلے میں 31.9 فیصد کم کرتا ہے۔
یہ کاغذ، 31 اگست 2026 کو arXiv کو جمع کیا گیا، نظاموں میں آرکیسٹریشن کو ایڈریس کرتا ہے جہاں ایک سے زیادہ بڑے لینگویج ماڈل ایجنٹ ایک کام پر مل کر کام کرتے ہیں۔ اس کے مصنفین کا استدلال ہے کہ صرف اصل استفسار پر مبنی روٹنگ درمیانی پیشرفت یا غلطیوں کا مناسب جواب نہیں دے سکتی۔ ایک ایسا نظام جو بعد میں آنے والے ہر فیصلے پر عمل درآمد کی مکمل تاریخ کو منتقل کرتا ہے اس میں زیادہ سیاق و سباق ہوتا ہے، لیکن یہ سسٹم کو بار بار بے کار یا کم افادیت والے اقدامات پر کارروائی کرنے پر مجبور کرتا ہے۔ کاغذ اس جمع کو ایگزیکیوشن ہسٹری اوورلوڈ کے طور پر بیان کرتا ہے، جو اسے براہ راست اعلی تخمینہ لاگت سے جوڑتا ہے۔ اس لیے مرکزی مسئلہ کو ایک سوال کے طور پر پیش کیا جاتا ہے کہ جب تعاون آگے بڑھتا ہے تو کونسی معلومات دستیاب رہنی چاہئیں۔ خلاصہ کی فریمنگ روٹنگ کے فیصلے کو بعد کے فیصلوں کے معیار اور پہلے کے اقدامات کو بار بار سنبھالنے کے کمپیوٹیشنل بوجھ دونوں سے جوڑتی ہے۔
مجوزہ روٹنگ سیٹ اپ کو عمل کے دوران منتخب برقرار رکھنے اور بازیافت کے لحاظ سے بیان کیا گیا ہے۔ اس کا مقصد کارآمد انٹرمیڈیٹ استدلال کو محفوظ کرنا ہے جبکہ تاریخ کی اس مقدار کو محدود کرنا ہے جس پر بعد کے ایجنٹوں کو عمل کرنا چاہیے۔ یہ تفصیل سسٹم کے اندرونی معلومات کے بہاؤ پر توجہ مرکوز رکھتی ہے: استدلال کے اقدامات کی افادیت کا جائزہ لیا جاتا ہے، متعلقہ معلومات کو بعد میں دستیاب کرایا جاتا ہے، اور غیر ضروری مواد کو اتنا ہی اہم نہیں سمجھا جاتا ہے۔ کاغذ کا اکاؤنٹ میموری کو علیحدہ اسٹوریج کی خصوصیت کے طور پر پیش کرنے کے بجائے، میموری کے انتخاب کو وسیع تر آرکیسٹریشن کے عمل سے جوڑتا ہے۔ اس طریقہ کار کا مقصد تعاون کی ابھرتی ہوئی حالت کو مزید کمپیکٹ اور کام پر منحصر بنانا ہے۔
نتیجے میں آنے والے نظام کا مقصد کام کی ترقی کے ساتھ تعاون کو تبدیل کرنے دینا ہے۔ برقرار رکھی گئی معلومات، بازیافت شدہ سیاق و سباق، اگلا کردار، ریڑھ کی ہڈی، اور کیا عمل درآمد جاری رہنا چاہیے کے بارے میں فیصلوں کو روٹنگ کے عمل کے منسلک حصوں کے طور پر بیان کیا گیا ہے۔ یہ فریم ورک کو صرف ابتدائی استفسار سے کیے گئے ایک مقررہ روٹنگ فیصلے پر انحصار کرنے کے بجائے درمیانی پیشرفت کا جواب دینے کا طریقہ کار فراہم کرتا ہے۔ اس طرح رپورٹ کردہ شراکت کثیر ایجنٹ ایل ایل ایم کے کام کے اندر عمل درآمد کی تاریخ کو منظم کرنے کا ایک سیکھا ہوا طریقہ ہے، اس انتظام کو بیان کردہ درستگی اور تخمینہ لاگت کے موازنہ کے ساتھ جوڑ کر۔
یہ کیوں اہمیت رکھتا ہے۔
ملٹی ایجنٹ ایل ایل ایم سسٹمز کئی رولز یا ماڈلز کو مربوط کرکے پیچیدہ کام کی کارکردگی کو بہتر بنا سکتے ہیں، لیکن ہر بعد کے فیصلے میں مکمل عملدرآمد کی تاریخ لے جانے سے حساب اور لاگت میں اضافہ ہو سکتا ہے۔ مجوزہ نقطہ نظر ایک چھوٹی سیکھی ہوئی حالت کو برقرار رکھتے ہوئے اس مخصوص رکاوٹ کو نشانہ بناتا ہے۔ اگر رپورٹ شدہ نتائج درج شدہ تشخیصات سے آگے ہیں، تو یہ طریقہ ناپے گئے درستگی کی قربانی کے بغیر باہمی تعاون کے ساتھ LLM ورک فلو کو مزید اقتصادی بنا سکتا ہے۔
یہ تجویز ایجنٹی AI کے لیے ایک وسیع تر ڈیزائن سوال کی بھی عکاسی کرتی ہے: اضافی سیاق و سباق کے متضاد ہونے سے پہلے سسٹم کو کتنی ماضی کی سرگرمی کو محفوظ رکھنا چاہیے؟ خلاصہ کا جواب ایک فکسڈ ونڈو یا مکمل نقل کی بجائے سیکھی ہوئی، کام پر منحصر حالت ہے۔ اس کی تشکیل اہمیت رکھتی ہے کیونکہ برقرار رکھے ہوئے سیاق و سباق کی مقدار نظام کے استدلال کے رویے کا حصہ بن جاتی ہے، نہ کہ محض نفاذ کی تفصیل۔ یہ درمیانی اقدامات کے انتظام کو اس عملی سوال سے بھی جوڑتا ہے کہ کس طرح باہمی تعاون پر مبنی LLM ورک فلو ان کی تاریخوں کے بڑھنے کے ساتھ ساتھ اقتصادی رہ سکتے ہیں۔
یہ مفید ہو سکتا ہے جہاں پھانسی کی تاریخیں لمبی ہو جائیں یا بہت سی ناکام کوششیں ہوں۔ ایک کمپیکٹ سیکھی ہوئی ریاست بعد کے فیصلوں کو ہر بار مکمل ٹرانسکرپٹ کو آگے لے جانے کی ضرورت کے بغیر متعلقہ فیصلہ کردہ معلومات تک رسائی دے سکتی ہے۔ کاغذ کے ذریعہ بیان کردہ ممکنہ فائدہ اس لئے برقرار رکھے ہوئے سیاق و سباق اور بار بار پروسیسنگ کے درمیان تعلق سے منسلک ہے۔ تجویز یہ دعویٰ نہیں کرتی کہ کم سیاق و سباق ہمیشہ بہتر ہوتا ہے۔ یہ ایک ہی کام کے بعد کے مراحل کے لیے کیا دستیاب رہنا چاہیے اس کا انتخاب کرنے کے طریقہ کار کی وضاحت کرتا ہے۔
ایک ہی وقت میں، سلیکٹیو میموری اپنی ناکامی کا موڈ متعارف کراتی ہے: ایک گیٹ ایک ایسی تفصیل کو رد کر سکتا ہے جو بعد میں ضروری ثابت ہو، یا ایسی معلومات کو بازیافت کرے جو کمپیکٹ لیکن گمراہ کن ہو۔ خلاصہ بینچ مارک کے مجموعی نتائج کی رپورٹ کرتا ہے، لیکن یہ نہیں دکھاتا ہے کہ اس طرح کی میموری کی غلطیاں کتنی بار ہوتی ہیں۔ اس حد سے تجارت کا ایک اہم حصہ حل نہیں ہوا، کیونکہ صرف پیمائش کی گئی درستگی ہی اس بات کی نشاندہی نہیں کرتی ہے کہ آیا کامیاب نتائج کا انحصار پورے عمل میں قابل اعتماد برقرار رکھنے پر ہے۔ اس ٹریڈ آف کو سمجھنے سے یہ طے کرنے میں مدد ملے گی کہ سیکھی ہوئی حالت کب فائدہ مند ہے اور کب یہ غلطی کا ذریعہ بن سکتی ہے۔
انٹرایکٹو میکانزم: یہ اصل میں کیسے کام کرتا ہے۔
اس ترقی کے پیچھے بنیادی ٹیکنالوجی کو انٹرایکٹو طریقے سے دریافت کریں۔
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
آگے کیا دیکھنا ہے۔
ماخذ ایک arXiv خلاصہ ہے اور یہ پانچوں بینچ مارکس کے نام یا انفرادی نتائج، بیس لائن کنفیگریشنز، شماریاتی تغیرات، یا خود روٹنگ اجزاء کی قیمتیں فراہم نہیں کرتا ہے۔ مزید تجزیے میں یہ جانچنا چاہیے کہ آیا تمام کاموں، ماڈلز، اور عملدرآمد کی طویل تاریخوں میں حاصلات کو عام کیا جاتا ہے، اور آیا جاری کردہ کوڈ تولیدی صلاحیت کی حمایت کرتا ہے۔ کاغذ EMNLP 2026 میں قبول شدہ کے طور پر درج ہے، لیکن ماخذ حقیقی دنیا کی تعیناتی یا پیداوار کی کارکردگی کو قائم نہیں کرتا ہے۔
تولیدی صلاحیت اور عامیت کھلے سوالات ہیں۔ arXiv ریکارڈ کہتا ہے کہ کوڈ دستیاب ہے اور یہ کاغذ EMNLP 2026 کی مرکزی کانفرنس میں قبول کر لیا گیا ہے، لیکن یہ تفصیلات خلاصہ کے دعووں کی آزادانہ طور پر تصدیق نہیں کرتی ہیں۔ دستیاب ماخذ بھی براہ راست رپورٹ شدہ موازنہ کا جائزہ لینے کے لیے درکار عمل درآمدی مواد یا توسیع شدہ نتائج فراہم نہیں کرتا ہے۔ نتیجے کے طور پر، اگلے مفید شواہد میں اس بات کا خدشہ ہے کہ آیا بیان کردہ طریقہ کار اور تشخیص کو بیان کردہ شرائط کے تحت معائنہ اور دہرایا جا سکتا ہے۔
مفید فالو اپ شواہد میں کوڈ تک رسائی، ہر گیٹ اور روکے جانے والے کنٹرولر کے لیے ایبلیشن اسٹڈیز، ناکامی کے تجزیے، غیر دیکھے ہوئے ماڈلز پر ٹیسٹ، اور بینچ مارک سیٹنگ سے باہر کی تشخیص شامل ہوں گی۔ وہ چیک ہر ایک جزو کی شراکت کو واضح کریں گے اور یہ ظاہر کریں گے کہ آیا رپورٹ شدہ سلوک روٹنگ کے انتخاب کے مکمل امتزاج پر منحصر ہے۔ وہ سیکھی ہوئی یادداشت سے وابستہ بہتریوں کو نظام کے دوسرے حصوں سے وابستہ بہتریوں سے الگ کرنے میں بھی مدد کریں گے۔ ماخذ فی الحال ان امتیازات کو غیر متعین چھوڑ دیتا ہے۔
ماخذ لائیو ملٹی ایجنٹ ایپلی کیشنز میں پروڈکشن کی تعیناتی، صارف کے اثرات، یا کارکردگی کا کوئی ثبوت فراہم نہیں کرتا، اس لیے ان نتائج کو رپورٹ شدہ تجربات سے نہیں لگایا جانا چاہیے۔ رپورٹ کردہ بینچ مارک کے نتائج اور قبول شدہ کاغذ کی فہرست دستیاب ریکارڈ کی وضاحت کرتی ہے، لیکن وہ یہ نہیں بتاتے ہیں کہ آپریشنل سیٹنگز میں طریقہ کس طرح برتاؤ کرتا ہے۔ اس لیے ان نتائج سے ہٹ کر کوئی بھی تشخیص اس وقت تک مشروط رہنا چاہیے جب تک کہ مزید تکنیکی تفصیلات، وسیع تر تشخیصات، یا تعیناتی کے ثبوت دستیاب نہ ہوں۔