పరిశోధకులు Yuxing Lu, Yicheng Chen మరియు Shanchan Wu ఒక “Procedural Graph” ఫ్రేమ్వర్క్ను విడుదల చేశారు. ఇది లార్జ్-లాంగ్వేజ్-మోడల్ (LLM) ఏజెంట్లు తాము పని చేస్తున్నప్పుడు తమ స్వంత టాస్క్-ఎగ్జిక్యూషన్ ప్లాన్లను (task-execution plans) తిరిగి వ్రాయడానికి అనుమతిస్తుంది.
నేటి ఏజెంట్లలో ఉన్న సమస్య
చాలా LLM-ఆధారిత అసిస్టెంట్లు కేవలం వంటకం (recipe) చెప్పగలిగే వంటవాడిలా పనిచేస్తాయి. మోడల్ దశలను తాత్కాలిక మెమరీలో (transient memory) నిల్వ చేస్తుంది, తదుపరి టూల్ను ఎంచుకుంటుంది మరియు తదుపరి టోకెన్ సరిగ్గా వస్తుందని ఆశిస్తుంది. వాస్తవానికి, మూడు రకాల వైఫల్యాలు తరచుగా కనిపిస్తాయి:
- లక్ష్యం నుండి పక్కకు మళ్లడం (Goal drift) – కొన్ని దశల తర్వాత ఏజెంట్ అసలు లక్ష్యాన్ని మర్చిపోతుంది.
- టూల్ దుర్వినియోగం (Tool misuse) – ఇది తప్పు క్రమంలో APIని పిలుస్తుంది లేదా ఒకే కాల్ను మళ్లీ మళ్లీ చేస్తుంది.
- నేర్చుకోని తప్పులు (Unlearned mistakes) – వైఫల్యాన్ని శాశ్వతంగా రికార్డ్ చేసేది ఏదీ లేకపోవడం వల్ల, సంబంధం లేని సెషన్లలో కూడా అదే తప్పు మళ్లీ మళ్లీ ఎదురవుతుంది.
రీజనింగ్ (reasoning) అంతర్గతంగా (implicit) ఉండటం వల్ల, ఒక చర్య ఎందుకు జరిగిందో డెవలపర్లు చూడలేరు మరియు వినియోగదారులు వ్యవస్థాగత లోపాలను సరిదిద్దలేరు.
ప్రాంప్ట్లను గ్రాఫ్గా మార్చడం
Procedural Graphs “మెమరీ-ఓన్లీ” విధానానికి బదులుగా స్పష్టమైన, ఎడిట్ చేయదగిన నిర్మాణాన్ని (editable structure) అందిస్తాయి. ఈ ఫ్రేమ్వర్క్ మూడు ప్రధాన అంశాలను నిర్వచిస్తుంది:
| అంశం | పాత్ర |
|---|---|
| నోడ్ (Node) | “ఫ్లైట్ వెతకడం” లేదా “చెల్లింపును ధృవీకరించడం” వంటి ఒక నిర్దిష్ట దశ. |
| ఎడ్జ్ (Edge) | నోడ్ల మధ్య ప్రవాహం – సరళ రేఖ క్రమాలు, కండిషనల్ బ్రాంచ్లు (if/then) మరియు లూప్లు. |
| అట్రిబ్యూట్ (Attribute) | నోడ్ లేదా ఎడ్జ్కు అనుసంధానించబడిన మెటాడేటా, ఉదాహరణకు: సక్సెస్ రేట్, సగటు ఎగ్జిక్యూషన్ సమయం లేదా కాన్ఫిడెన్స్ స్కోర్. |
ఒక LLM ఏజెంట్ రిక్వెస్ట్ను అందుకున్నప్పుడు, అది మొదట ఆ రిక్వెస్ట్ను ఉన్న గ్రాఫ్కు అనుగుణంగా మ్యాప్ చేస్తుంది లేదా వెంటనే కొత్త గ్రాఫ్ను నిర్మిస్తుంది. ఆ తర్వాత ఎగ్జిక్యూషన్ ఎడ్జ్లను అనుసరిస్తుంది, టూల్స్ను ఉపయోగిస్తుంది మరియు ఫలితాలను అట్రిబ్యూట్స్లో నిల్వ చేస్తుంది. గ్రాఫ్ మోడల్ యొక్క టోకెన్ స్ట్రీమ్ వెలుపల ఉండటం వల్ల, ప్రజలు దానిని పరిశీలించవచ్చు, విజువలైజ్ చేయవచ్చు మరియు ఎడిట్ చేయవచ్చు.
ఐదు దశల్లో స్వయం పరిణామం (Self-evolution)
ఏజెంట్ తన స్వంత గ్రాఫ్ను మెరుగుపరుచుకునే లూప్లోనే దీని ప్రత్యేకత ఉంది:
- రికార్డ్ (Record) – ఏజెంట్ అనుసరించే ప్రతి మార్గాన్ని, ఇన్పుట్లు, టూల్ కాల్స్ మరియు ఫలితాలను లాగ్ చేయండి.
- పోల్చడం (Compare) – విజయవంతమైన మార్గాలను విఫలమైన మార్గాలతో పోల్చి, అవి ఎక్కడ విడిపోతున్నాయో గుర్తించండి.
- నిర్ధారణ (Diagnose) – నోడ్ అట్రిబ్యూట్లను (ఉదా: తక్కువ సక్సెస్ రేట్) మరియు ఎడ్జ్ కండిషన్లను పరిశీలించడం ద్వారా లోపాన్ని గుర్తించండి.
- సవరణలను ప్రతిపాదించడం (Propose) – LLM వైఫల్య విశ్లేషణను అందుకుని, గ్రాఫ్ మార్పులను సూచిస్తుంది (మిస్ అయిన వాలిడేషన్ దశను జోడించడం, అనవసరమైన లూప్ను తొలగించడం, కండిషన్ను కఠినతరం చేయడం).
- ధృవీకరించడం (Validate) – సవరించిన గ్రాఫ్ను ఒక టెస్ట్ ఇన్స్టెన్స్పై పరీక్షించండి; పనితీరు మెరుగుపడితే, ఆ మార్పును అలాగే ఉంచండి.
గ్రాఫ్ అనేది 'సింగిల్ సోర్స్ ఆఫ్ ట్రూత్' (single source of truth) గా పనిచేస్తుంది కాబట్టి, ఏజెంట్ మానవ సహాయం లేకుండానే కొత్త దశలను జోడించగలదు, పనికిరాని మార్గాలను తొలగించగలదు లేదా లాజిక్ను మళ్లీ అమర్చుకోగలదు. మనుషులు సరిగ్గా రూపొందించని వర్క్ఫ్లో కూడా కాలక్రమేణా మెరుగుపడగలదు.
ఈ మార్పు ఎందుకు ముఖ్యం
మెమరైజేషన్ కంటే మించి జనరలైజేషన్ (Generalization)
ఒక స్టాటిక్ ప్రాంప్ట్ కేవలం ఒక టాస్క్ ఇన్స్టెన్స్ను మాత్రమే అందిస్తుంది. గ్రాఫ్ అనేది సెర్చ్-అండ్-బుక్, డేటా-ఎంట్రీ పైప్లైన్లు, ట్రబుల్షూటింగ్ డైలాగ్లు వంటి మొత్తం తరగతికి (class) సంబంధించిన "ఎలా చేయాలి" (how-to) అనే అంశాన్ని అబ్స్ట్రాక్ట్ చేస్తుంది, తద్వారా అదే నిర్మాణం వేర్వేరు పారామితులతో పనిచేస్తుంది. ప్రతి మార్పు కోసం టీమ్లు మోడల్కు మళ్లీ మళ్లీ ప్రాంప్ట్ ఇవ్వాల్సిన అవసరం లేదు.
పారదర్శక నిర్ణయ ప్రక్రియ
గ్రాఫ్ ఒక ఫ్లోచార్ట్లా కనిపిస్తుంది. ఏ నోడ్ టూల్ కాల్ను ట్రిగ్గర్ చేసింది మరియు ఒక బ్రాంచ్ ఎందుకు ఎంచుకోబడింది అనే విషయాన్ని స్టేక్హోల్డర్లు ఖచ్చితంగా గుర్తించగలరు.
న్యూరో-సింబాలిక్ సినర్జీ (Neuro-symbolic synergy)
Procedural Graphs డీప్-లెర్నింగ్ ప్యాటర్న్ రికగ్నిషన్ (LLM యొక్క భాషా అవగాహన)ను సింబాలిక్ రీజనింగ్తో (స్పష్టమైన గ్రాఫ్ లాజిక్) జత చేస్తుంది. LLM దశలను రూపొందించడానికి లేదా మార్చడానికి ఇంట్యూయిషన్ను అందిస్తుంది; గ్రాఫ్ లాజికల్ కన్సిస్టెన్సీని (logical consistency) అమలు చేస్తుంది. దీనిని LLMలకు "System 2" మెదడును అందించడం అని రచయితలు వివరిస్తున్నారు—అంటే వేగవంతమైన, అసోసియేటివ్ "System 1" టోకెన్ ప్రిడిక్షన్కు అనుబంధంగా ఉండే ఒక ఆలోచనాత్మకమైన, తనిఖీ చేయదగిన కంట్రోలర్.
ముగింపు (Takeaway)
Procedural Graphs LLM ఏజెంట్లకు ప్రతి ఎగ్జిక్యూషన్ నుండి నేర్చుకునేలా చేసే మార్చదగిన, పరిశీలించదగిన వెన్నెముకను (backbone) అందిస్తాయి. క్షణికమైన ప్రాంప్ట్లను శాశ్వత నిర్మాణాలుగా మార్చడం ద్వారా, ఈ విధానం త్వరగా విఫలం కాని, అర్థం చేసుకోవడానికి సులభమైన మరియు కొత్త సవాళ్లకు అనుగుణంగా మారగల AI అసిస్టెంట్లను అందిస్తుంది.