Google के शोध से पता चला AI एजेंट डिलीवरी आर्किटेक्चर में गंभीर दोष
Google के शोधकर्ताओं ने पाया कि मल्टी‑टर्न टूल‑उपयोगी AI एजेंट्स में, जब संरचित डेटा सीधे प्रॉम्प्ट कॉन्टेक्स्ट में डाला जाता है, तो सटीकता में गंभीर गिरावट आती है। BYPASS नामक निर्धारक साइड‑चैनल आर्किटेक्चर अपनाने पर, एजेंट की सटीकता 45.7 % से बढ़कर 92.3 % हो गई, जबकि कम्प्यूट लागत नियंत्रित रही।
Key Highlights
- ✓Google शोध के अनुसार AI एजेंट डेटा विश्वसनीयता टेबल के आकार पर निर्भर करती है, न कि टर्न काउंट पर।
- ✓BYPASS साइड-चैनल डिलीवरी से टर्न सटीकता 92.3% तक पहुँचती है, जबकि SYNTHESIS केवल 45.7%।
- ✓10 से 198 पंक्तियों के बाद डेटा भ्रष्टाचार होता है; 100 पंक्तियों से अधिक पर इन-कॉन्टेक्स्ट सिंथेसिस से लागत 200x बढ़ जाती है।
Google के शोध से पता चला AI एजेंट डिलीवरी आर्किटेक्चर में गंभीर दोष\n\nGoogle के शोधकर्ताओं ने खुलासा किया कि मल्टी‑टर्न टूल‑उपयोगी AI एजेंट्स में, जब संरचित रिकॉर्ड्स को सीधे LLM कॉन्टेक्स्ट विंडो में डाल दिया जाता है, तो सटीकता में गंभीर गिरावट आती है। BYPASS नामक निर्धारक साइड‑चैनल डिलीवरी आर्किटेक्चर अपनाने पर, टर्न सटीकता 45.7 % से बढ़कर 92.3 % हो जाती है, जबकि लागत को नियंत्रित किया जा सकता है।\n\n## Google ने AI एजेंट टूल आर्किटेक्चर के बारे में क्या खोजा?\n\nएक शोध पत्र "Fidelity Collapses with Table Size, Not Turn Count" में, Google के शोधकर्ताओं ने टूल‑उपयोगी AI एजेंट्स के उत्पादन विफलता मोड का विश्लेषण किया। अध्ययन में एक लाइव अवार्ड‑ट्रैवल एजेंट को दो अलग-अलग आर्किटेक्चर पर मूल्यांकित किया गया: **SYNTHESIS** और **BYPASS**।\n\nSYNTHESIS दृष्टिकोण में, सिस्टम पूरी संरचित रिकॉर्ड सेट को प्लानर कॉन्टेक्स्ट में डालता है, जिससे मॉडल को उत्तर और फॉलो‑अप इन‑हैंड कैलकुलेट करने के लिए मजबूर किया जाता है। इसके विपरीत, BYPASS आर्किटेक्चर डेटा को निर्धारक सेशन स्टेट में रखता है। जब उपयोगकर्ता फॉलो‑अप पूछते हैं, तो सिस्टम इन इनपुट्स को फ़िल्टर के रूप में अनुवादित करता है और एक निर्धारक निष्पादन इंजन के माध्यम से टाइप्ड साइड‑चैनल पर पंक्तियाँ भेजता है।\n\n24 संवादों में, जिनमें 339 मूल्यांकित टर्न थे, BYPASS डिलीवरी आर्किटेक्चर ने 92.3 % पूर्ण सटीकता दर प्राप्त की। SYNTHESIS ने केवल 45.7 % हासिल की, जिससे साइड‑चैनल के पक्ष में 46.6 प्रतिशत अंक का स्पष्ट अंतर दिखा।
यह क्यों मायने रखता है
यह शोध AI एजेंट इंजीनियरिंग के पैराज़ाइम को बदलता है। पहले माना जाता था कि बड़े कॉन्टेक्स्ट विंडो से डेटा पुनर्प्राप्ति आसान हो जाती है, परंतु Google के अनुभव दिखाते हैं कि संरचित डेटा को सीधे प्रॉम्प्ट में डालने से व्यवस्थित डेटा भ्रष्टाचार और अनियंत्रित लागत स्पाइक होते हैं। एंटरप्राइज़ संगठनों के लिए, शुद्ध इन‑प्रॉम्प्ट सिंथेसिस पर निर्भर रहना परिचालन जोखिम बढ़ाता है। निर्धारक निष्पादन परत और साइड‑चैनल रिकॉर्ड डिलीवरी अपनाकर डेटा सटीकता सुनिश्चित की जा सकती है और अनुमानित लागत बनाए रखी जा सकती है।
FAQ
मल्टी‑टर्न AI एजेंट्स में डेटा विफलता का प्राथमिक कारण क्या है?
मल्टी‑टर्न AI एजेंट्स में डेटा विफलता का मुख्य कारण बड़े टेबल पेलोड्स को कॉन्टेक्स्ट विंडो में पुनः डालना है, न कि वार्तालाप के कुल टर्न संख्या।
Want AI intelligence for your business?
ThinkSuite builds AI-powered systems, automation, and custom tools for forward-thinking companies.