پری پرنٹ 132 پیشوں میں AI نظام کی تعمیر نو سروس-مارکیٹ پلیس کے مماثل درجہ بندی کی وضاحت کرتا ہے۔

کیا ہوا؟

چھ مصنفین کی ایک ٹیم ایک AI نظام کی وضاحت کرتی ہے جو دو طرفہ سروس مارکیٹ پلیس کو فکسڈ درخواست فارم سے قدرتی زبان، امکانی مماثلت کی طرف لے جانے میں مدد کرتا ہے۔ یہ نظام پیشہ سے مخصوص فراہم کنندہ کی ترجیحی درجہ بندی تیار کرتا ہے، زبان کے ماڈل ججوں اور ناقدین کے ساتھ امیدواروں کے ورژن کا جائزہ لیتا ہے، اور نئے ڈھانچے میں میراثی انٹیک سوالات کا نقشہ تیار کرتا ہے۔

31 اگست کو arXiv کو جمع کرایا گیا پری پرنٹ سروس مارکیٹ پلیس کے لیے ایک "خودکار تلاش کے لوپ" کی وضاحت کرتا ہے جو ڈیٹرمنسٹک درخواست فارم کی انٹیک سے AI-مقامی مماثلت میں منتقل ہو رہے ہیں۔ کاغذ کے کھاتے میں، بڑے زبان کے ماڈلز گاہک کے ارادے، ترجیحات، اور قدرتی زبان کی درخواستوں سے پوشیدہ رکاوٹوں کا اندازہ لگاتے ہیں۔ اس تبدیلی سے سسٹمز کا مسئلہ پیدا ہوتا ہے: مارکیٹ پلیس کو فراہم کنندہ کی طرف کی خصوصیات کو بھی دوبارہ ڈیزائن کرنا چاہیے جو مماثلت، تلاش اور قیمتوں کے تعین کے لیے استعمال ہوتے ہیں۔ مصنفین ان صفات کو ایک درجہ بندی کے طور پر مرتب کرتے ہیں جو کہ مارکیٹ پلیس کے فیصلوں کے لیے مفید رہتے ہوئے سروس فراہم کرنے والوں کے لیے قابل فہم ہونا چاہیے۔

مجوزہ لوپ اس درجہ بندی کو ایک وقت میں ایک پیشہ تیار کرتا ہے۔ ہر سروس کے زمرے پر ایک عالمگیر درجہ بندی مسلط کرنے کے بجائے، یہ ہر پیشے کو ایک آزاد نسل کے مسئلے کے طور پر دیکھتا ہے۔ لوپ بار بار امیدواروں کے ٹیگ سیٹ کی تجویز کرتا ہے، اس کا جائزہ لیتا ہے، اور اسے رکھتا ہے یا اسے بہتر کرتا ہے۔ یہ مارکیٹ پلیس کے ذریعے استعمال ہونے والے ڈھانچے کے ارد گرد خودکار تکرار کی ایک شکل ہے، نہ کہ صرف ماڈل کے جوابات کے الفاظ کے ارد گرد۔

مقالے میں کہا گیا ہے کہ ہر امیدوار کو چھ روبرکس کے ساتھ دوبارہ ترتیب شدہ فریم ورک کا استعمال کرتے ہوئے اسکور کیا جاتا ہے اور یہ کہ سات نقادوں کا ایک پینل، جس کی نمائندگی مختلف شخصیات کے طور پر کی جاتی ہے، ایڈجسٹ اسکور پر وزنی جرمانے کا اطلاق کرتا ہے۔ خلاصہ خاص طور پر کہتا ہے کہ ناقدین کے پاس کوئی سخت ویٹو نہیں ہے، یعنی ان کے جائزے کسی امیدوار کو خود بخود مسترد کرنے کے بجائے مشترکہ سکور میں حصہ ڈالتے ہیں۔ ماخذ چھ روبرکس، شخصیات، وزن کی اسکیم، یا معیار کی حدوں کی شناخت نہیں کرتا ہے جو یہ فیصلہ کرنے کے لیے استعمال کیا جاتا ہے کہ آیا درجہ بندی کو برقرار رکھا گیا ہے۔

ایک الگ برابری کی نقشہ سازی کا مرحلہ نئی درجہ بندی کو مارکیٹ پلیس کے موجودہ درخواست فارم کے سوالات اور جوابات سے جوڑتا ہے۔ سسٹم پہلے اس بات کا اندازہ لگاتا ہے کہ کون سا فراہم کنندہ ہر میراثی سوال کو ٹیگ میں لفظی ترجمہ کرنے کے بجائے اس کی پیمائش کرنے کا ارادہ رکھتا ہے۔ مصنفین کا کہنا ہے کہ یہ ایک کوریج سگنل اور انسانی معیار کی یقین دہانی کے لیے ایک انٹرفیس دونوں پیدا کرتا ہے۔ یہ ربط اس لیے اہم ہے کیونکہ یہ نئے پیدا ہونے والے ڈھانچے کا پرانے انٹیک سسٹم سے موازنہ کرنے کا ایک طریقہ فراہم کرتا ہے جبکہ لوگوں کے لیے معیار کا معائنہ کرنے کے لیے ایک موقع کو محفوظ رکھتا ہے۔

خلاصہ رپورٹ کرتا ہے کہ لوپ کو اپریل 2026 سے امریکی صارفین کی خدمات کے ایک بڑے بازار میں پیداوار میں لگایا گیا ہے اور یہ 132 پیشوں پر محیط ہے۔ یہ بازار کا نام نہیں دیتا، پیشوں کی شناخت نہیں کرتا، تعیناتی کے پیمانے کو اس شمار سے آگے بیان نہیں کرتا، یا یہ بتاتا ہے کہ آیا تعیناتی ہر پیشے میں گاہکوں یا فراہم کنندگان کے لیے دستیاب ہے۔ یہ یہاں فراہم کردہ ذریعہ میں مقداری نتائج بھی فراہم نہیں کرتا ہے۔

ماخذ کی تفصیلات: arxiv.org ↗

یہ کیوں اہمیت رکھتا ہے۔

کام سے پتہ چلتا ہے کہ کس طرح تخلیقی AI کسی بازار کے بنیادی ڈیٹا ڈھانچے کو تبدیل کر سکتا ہے، نہ کہ صرف چیٹ بوٹ یا تلاش کی خصوصیت شامل کر سکتا ہے۔ اگر نقطہ نظر قابل اعتماد طریقے سے کارکردگی کا مظاہرہ کرتا ہے، تو یہ کوالٹی کنٹرول، وضاحت کی اہلیت، اور تعصب کے بارے میں نئے سوالات پیدا کرتے ہوئے مماثل نظاموں کو گاہک کی اہم درخواستوں کے لیے مزید موافق بنا سکتا ہے۔

عملی اہمیت یہ ہے کہ AI کا استعمال مارکیٹ پلیس کی طلب اور رسد کی اندرونی نمائندگی کو دوبارہ ڈیزائن کرنے کے لیے کیا جا رہا ہے۔ ایک روایتی فارم پر مبنی نظام میں، پلیٹ فارم پیشگی فیصلہ کرتا ہے کہ صارف کو کن فیلڈز کو پُر کرنا چاہیے اور فراہم کنندہ کی کون سی صفات ان کے مقابلے میں مل سکتی ہیں۔ پیشگی طباعت میں بیان کردہ نقطہ نظر لوگوں کے اپنی ضروریات کے اظہار کے طریقے سے پیشہ سے مخصوص صفات اخذ کرکے اور انہیں میراثی سوالات سے جوڑ کر ان ڈھانچوں کو مزید لچکدار بنانے کی کوشش کرتا ہے۔

یہ ان خدمات کے لیے اہم ہو سکتا ہے جہاں کسٹمر کی ضروریات کو مقررہ فیلڈز کی مختصر فہرست میں حاصل کرنا مشکل ہو۔ فطری زبان کی درخواست میں ایسی ترجیحات یا رکاوٹیں ہوسکتی ہیں جو موجودہ شکل میں صفائی کے ساتھ فٹ نہیں ہوتی ہیں۔ پیشہ سے متعلق مخصوص درجہ بندی، اصولی طور پر، ان تفصیلات کی براہ راست نمائندگی کر سکتی ہے اور فراہم کنندگان کو ان کے پیش کردہ کام کی وضاحت کرنے کا ایک واضح طریقہ فراہم کر سکتی ہے۔ تاہم، ذریعہ ڈیزائن کو قائم کرتا ہے اور تعیناتی کی اطلاع دیتا ہے، یہ نہیں کہ صارفین کو بہتر میچ ملے، کہ فراہم کنندگان نے زیادہ مفید کنٹرول حاصل کیے، یا یہ کہ قیمتیں زیادہ درست ہوگئیں۔

یہ طریقہ AI کے مقامی بازاروں کے لیے حکمرانی کے چیلنج کی بھی عکاسی کرتا ہے۔ جب ایک ماڈل مماثلت کے لیے استعمال ہونے والے زمروں کی وضاحت کرنے میں مدد کرتا ہے، تو یہ فیصلہ کرنے میں شامل ہوتا ہے کہ کون سی معلومات شمار ہوتی ہے۔ یہ انتخاب اس بات پر اثر انداز ہو سکتا ہے کہ کون سے فراہم کنندگان متعلقہ دکھائی دیتے ہیں، کن صارفین کی ضروریات کو موازنہ سمجھا جاتا ہے، اور مارکیٹ پلیس کے فیصلے کیسے کیے جاتے ہیں۔ کاغذ کے متعدد نقادوں اور انسانی معیار کی یقین دہانی کے انٹرفیس کا استعمال ان انتخابوں کا معائنہ کرنے کی کوشش کی تجویز کرتا ہے، لیکن خلاصہ یہ نہیں دکھاتا ہے کہ اختلافات کو کیسے حل کیا جاتا ہے، جائزہ لینے والوں کو کس طرح تربیت دی جاتی ہے، یا آیا متاثرہ فراہم کنندگان صفات کو چیلنج یا درست کرسکتے ہیں۔

برابری کی نقشہ سازی کا مرحلہ ایک قائم شدہ فارم سسٹم اور نئی پیدا کردہ درجہ بندی کے درمیان ایک عملی پل فراہم کر سکتا ہے۔ میراثی سوال کے پیچھے مطلوبہ وصف کا اندازہ لگا کر، سسٹم ان معلومات کو محفوظ رکھ سکتا ہے جو لفظی ترجمہ کے ذریعے ضائع ہو جائے گی۔ کوریج سگنل آپریٹرز کو یہ شناخت کرنے میں بھی مدد کرسکتا ہے کہ نئی درجہ بندی موجودہ انٹیک ڈیٹا کی مناسب نمائندگی نہیں کرتی ہے۔ اس کے باوجود ماخذ ریاضی کے لحاظ سے کوریج کی وضاحت نہیں کرتا ہے یا یہ رپورٹ نہیں کرتا ہے کہ کتنی بار میپنگ درست، نامکمل، یا مبہم تھی۔

تعیناتی کا دعویٰ نتیجہ خیز ہے کیونکہ یہ کام کو خالصتاً فرضی تجویز سے آگے رکھتا ہے: مصنفین کے مطابق، یہ نظام اپریل سے 132 پیشوں میں پیداوار میں استعمال ہو رہا ہے۔ پھر بھی، یہ ایک واحد arXiv پری پرنٹ کا دعویٰ ہے۔ ماخذ کمپنی کی شناخت نہیں کرتا، آزاد توثیق کا انکشاف نہیں کرتا، پچھلے نظام کے ساتھ موازنہ کی اطلاع دیتا ہے، یا صارفین، فراہم کنندگان، قیمتوں، تبادلوں، انصاف، یا مارکیٹ پلیس لیکویڈیٹی پر اثرات مرتب نہیں کرتا ہے۔ ان کوتاہیوں کو محدود کر دیا جاتا ہے کہ حقیقی دنیا کی کارکردگی کے بارے میں ذمہ داری سے کیا نتیجہ اخذ کیا جا سکتا ہے۔

آگے کیا دیکھنا ہے۔

مارکیٹ پلیس کا نام نہیں دیا گیا ہے، اور خلاصہ نتائج کی پیمائش، پیدا کردہ درجہ بندی کی مثالیں، غلطی کی شرح، یا انسانی جائزے کے بارے میں تفصیلات فراہم نہیں کرتا ہے۔ اس بات کا تعین کرنے کے لیے مزید شواہد کی ضرورت ہے کہ آیا پروڈکشن کی تعیناتی سے مماثلت، تلاش، قیمتوں کا تعین، یا فراہم کنندہ کے نتائج میں بہتری آئی ہے، اور یہ طریقہ کس حد تک غیر معمولی یا زیادہ داؤ پر لگی رکاوٹوں کے ساتھ پیشوں کو سنبھالتا ہے۔

پہلی ترجیح نتائج کے بارے میں ثبوت ہے۔ خلاصہ یہ نہیں بتاتا ہے کہ آیا سسٹم نے میچ کے معیار کو بہتر کیا، دستی درجہ بندی کے کام کو کم کیا، کسٹمر یا فراہم کنندہ کی اطمینان میں اضافہ، تلاش کے رویے میں تبدیلی، یا قیمتوں کے فیصلے کو متاثر کیا۔ مفید فالو اپ شواہد میں صرف 132 کی مجموعی گنتی کے بجائے پہلے اور بعد کے اقدامات، تشخیص کے سیٹ، غلطی کے تجزیے، اور پیشے کے حساب سے ٹوٹے ہوئے نتائج شامل ہوں گے۔

بازار کی شناخت اور کردار بھی نامعلوم ہے۔ ماخذ اسے امریکی صارفین کی خدمات کا ایک بڑا بازار قرار دیتا ہے لیکن اس کا نام نہیں بتاتا یا اس کی وضاحت نہیں کرتا کہ آیا یہ نظام صارفین کو درپیش سفارشات، فراہم کنندہ کی دریافت، قیمتوں کا تعین، اندرونی آپریشنز، یا کچھ امتزاج کو متاثر کرتا ہے۔ یہ فرق اہمیت رکھتا ہے کیونکہ ایک تجرباتی درجہ بندی جو داخلی تجزیہ کے لیے استعمال ہوتی ہے اس سے مختلف خطرات پیش کرتی ہے جو براہ راست فراہم کنندگان کی درجہ بندی کرتی ہے یا قیمتوں کو متاثر کرتی ہے۔

تشخیصی ڈیزائن جانچ پڑتال کی ضمانت دیتا ہے۔ چھ روبرک لینگویج ماڈل جج اور سات تنقیدی پینل ڈھانچے کے جائزے میں مدد کر سکتے ہیں، لیکن خلاصہ یہ ثابت نہیں کرتا کہ جج انسانی ماہرین سے متفق ہیں یا یہ کہ اسکورنگ تمام پیشوں میں مستحکم ہے۔ قارئین کو روبرک تعریفوں، تنقیدی کیلیبریشن، انٹر ریٹر ایگریمنٹ، ماڈل کی تبدیلیوں، ناکامی کے کیسز، اور قابل فہم آواز والے لیکن عملی طور پر غیر مددگار زمرے والے ماڈل کے خلاف تحفظات کے بارے میں تفصیلات تلاش کرنی چاہئیں۔

میراثی ڈیٹا کا علاج ایک اور کھلا سوال ہے۔ برابری کی نقشہ سازی کے مرحلے کا مقصد یہ اندازہ لگانا ہے کہ کون سے پرانے سوالات کی پیمائش کی گئی ہے، لیکن خلاصہ اس بات کی اطلاع نہیں دیتا ہے کہ یہ ایسے سوالات کو کیسے ہینڈل کرتا ہے جو مبہم، پرانے، ثقافتی طور پر مخصوص تھے، یا پیدا کردہ درجہ بندی سے غیر حاضر رکاوٹوں کے ارد گرد ڈیزائن کیے گئے تھے۔ یہ اس بات کی بھی وضاحت نہیں کرتا کہ آیا فراہم کنندگان یا مارکیٹ پلیس کا عملہ نقشہ جات میں ترمیم کر سکتا ہے، آیا تبدیلیاں لاگ ان کی گئی ہیں، یا تصحیحیں مماثلت اور قیمتوں کے نظام میں کیسے پھیلتی ہیں۔

آخر میں، کاغذ اہم جوابدہ سوالات چھوڑ دیتا ہے. یہ اس بات کی نشاندہی نہیں کرتا ہے کہ کون درجہ بندی کو منظور کرتا ہے، انسانی جائزہ لینے والے کس چیز کو اوور رائڈ کر سکتے ہیں، سسٹم کس طرح بڑھے ہوئے کی نگرانی کرتا ہے، یا کیا فراہم کنندگان کو بتایا جاتا ہے کہ جب AI سے تیار کردہ خصوصیات ان کی مرئیت یا تجارتی مواقع کو متاثر کرتی ہیں۔ مزید رپورٹنگ میں تعیناتی کی ٹائم لائن، حصہ لینے والے پیشوں، استعمال شدہ ماڈل اور ڈیٹا کے ذرائع، اور آیا مصنفین یا مارکیٹ پلیس نے تولیدی جائزے شائع کیے ہیں اس کی بھی وضاحت کرنی چاہیے۔ جب تک وہ تفصیلات دستیاب نہیں ہیں، سب سے مضبوط تائید شدہ نتیجہ یہ ہے کہ مصنفین AI سے چلنے والی درجہ بندی-جنریشن اور میراثی نقشہ سازی کے ورک فلو کی پیداواری تعیناتی کی اطلاع دیتے ہیں — ایسا نہیں ہے کہ ورک فلو کو بازار کے نتائج کو بہتر بنانے کے لیے دکھایا گیا ہو۔

متعلقہ گائیڈز اور کوئزز