വിശ്വസനീയ കൃത്രിമബുദ്ധി തീരുമാനങ്ങൾക്കായി LLM-കളും ഔപചാരിക പരിഹാരകങ്ങളും സംയോജിപ്പിക്കൽ

സ്വാഭാവിക ഭാഷ മനസ്സിലാക്കുന്നതിലും ഒഴുക്കുള്ള മറുപടികൾ സൃഷ്ടിക്കുന്നതിലും ഉപഭോക്താക്കൾക്കും ജീവനക്കാർക്കും പുത്തൻ അനുഭവങ്ങൾ നൽകുന്നതിലും വലിയ ഭാഷാ മോഡലുകൾ (LLM-കൾ) അസാധാരണമായ പുരോഗതി കൈവരിച്ചു. എന്നാൽ, LLM-കൾ സ്വഭാവത്തിൽത്തന്നെ അനിശ്ചിതമായതിനാൽ സങ്കീർണ്ണമായ സംഖ്യാത്മകമോ യുക്തിപരമോ ആയ റീസണിംഗിന് അവ ഉപയോഗിക്കുമ്പോൾ ഫലങ്ങൾ ചട്ടങ്ങൾ പാലിക്കുമെന്നോ ഏറ്റവും മികച്ചതാകുമെന്നോ പരിമിതമായ ഉറപ്പേ ലഭിക്കൂ. ഉദാഹരണത്തിന്:

• ഒരു മാനേജർ കൃത്രിമബുദ്ധി ആസൂത്രണ സഹായിയോട് “ചെലവ് കുറച്ചുകൊണ്ട് അടുത്ത ആഴ്ച പരമാവധി സാധനങ്ങൾ അയയ്ക്കുക” എന്നു പറയുന്നു. കാര്യക്ഷമമെന്നു തോന്നുന്ന ശക്തമായൊരു പദ്ധതി സിസ്റ്റം നൽകുന്നെങ്കിലും അത് ആരുമറിയാതെ സംഭരണശാലയുടെ ശേഷി കവിയുകയും വിതരണ ഉറപ്പുകൾ ലംഘിക്കുകയും ചെയ്യുന്നു.

• ഒരു ഏകോപകൻ കൃത്രിമബുദ്ധി സഹായിയോട് “രാത്രി താമസങ്ങൾ കുറയ്ക്കാനും തടസ്സം പരമാവധി ഒഴിവാക്കാനും സംഘങ്ങളെ പുനർവിന്യസിക്കുക” എന്നു പറയുന്നു. ഏറ്റവും മികച്ചതെന്നു തോന്നുന്ന, ചെലവ് കുറഞ്ഞ സമയപ്പട്ടിക മോഡൽ സൃഷ്ടിക്കുന്നെങ്കിലും അത് നിർബന്ധിത ജോലിസമയമോ വിശ്രമപരിധികളോ ലംഘിക്കുന്നു.

• കർശനമായ പ്രാദേശിക, അപകടസാധ്യതാ നിയന്ത്രണങ്ങൾക്ക് വിധേയമായി ഒരു സാമ്പത്തിക പ്രവർത്തന കൃത്രിമബുദ്ധി സഹായി ഇടപാടുകൾ അംഗീകരിക്കണം. എന്നാൽ ആഭ്യന്തര നയം ലംഘിക്കുമ്പോഴും ചട്ടങ്ങൾ പാലിക്കുന്നതായി തോന്നുന്ന ഒരു ന്യായീകരണം കെട്ടിച്ചമച്ച് അത് സംശയാസ്പദമായ ഇടപാട് അനുവദിക്കുന്നു.

കർശനമായ പ്രവർത്തന ആവശ്യകതകളുള്ള സാഹചര്യങ്ങളിൽ LLM-കളെ ഔപചാരിക പരിഹാരകങ്ങളുമായി സംയോജിപ്പിക്കുന്നത്, സ്വാഭാവിക ഭാഷയിൽനിന്നുള്ള തീരുമാനങ്ങൾ നിർവചിച്ച പരിധികളിൽ തുടരാനും പ്രായോഗികമല്ലാത്തതോ നിലവാരം കുറഞ്ഞതോ ചട്ടവിരുദ്ധമോ ആയ ഫലങ്ങൾ ഒഴിവാക്കാനും സഹായിക്കുന്നു.

LLM-കളുടെ സർഗാത്മകതയും വഴക്കവും Z3, Pyomo, OR-Tools തുടങ്ങിയ ഔപചാരിക ഗണിത പരിഹാരകങ്ങളുടെ കൃത്യതയും ഉറപ്പുകളും സുതാര്യതയും ചേർക്കുന്ന ഒരു സങ്കര സമീപനം ഞങ്ങളുടെ ഗവേഷണ-വികസന സംഘം പരിശോധിക്കുകയാണ്. ഈ ശേഷിയെ സംരംഭ സാങ്കേതിക ശേഖരത്തിന്റെ ഒരു സാധാരണ ഘടകമാക്കാൻ പുനരുപയോഗിക്കാവുന്ന ഔപചാരിക കൃത്രിമബുദ്ധി എൻജിനും ഞങ്ങൾ നിർമ്മിക്കുകയാണ്. നിലവിലുള്ള സിസ്റ്റങ്ങളിൽനിന്ന് ബിസിനസ് നിയമങ്ങൾ നേരിട്ട് ഉൾക്കൊള്ളാനും ആ നിയമങ്ങൾക്കെതിരെ തീരുമാനങ്ങൾ തുടർച്ചയായി പരിശോധിക്കാനും വ്യക്തമായി നിർവചിച്ച പരിധികൾക്കുള്ളിൽ കൃത്രിമബുദ്ധി ഏജന്റുമാരെ സുരക്ഷിതമായി വിന്യസിക്കാനും സ്ഥാപനങ്ങളെ ഈ വേദി പ്രാപ്തമാക്കും.

വലിയ തോതിലുള്ള തീരുമാനമെടുക്കൽ വേഗത്തിലാക്കുന്നതിനൊപ്പം പ്രവർത്തന അപകടസാധ്യത കുറയ്ക്കുകയാണ് ഞങ്ങളുടെ ലക്ഷ്യം. സ്വാഭാവിക ഭാഷയിലുള്ള നിർദേശങ്ങളിൽനിന്ന് നയങ്ങൾ പാലിക്കുന്ന വേഗമേറിയ തീരുമാനങ്ങൾ നേതാക്കൾക്ക് ലഭിക്കുന്നു. അതേസമയം സമയക്രമം, വിതരണശൃംഖലയിലെ വിഭവവിന്യാസം, സാമ്പത്തിക പ്രവർത്തനങ്ങൾ, നയപരിശോധന, ദൃശ്യചിത്രമോ ത്രിമാന രൂപകൽപ്പനയോ എന്നിവയിലെ ആവശ്യാനുസൃത മാറ്റങ്ങൾ സ്ഥാപനങ്ങൾക്ക് യാന്ത്രികമാക്കാം. പ്രായോഗികമല്ലാത്തതോ ചട്ടവിരുദ്ധമോ സുരക്ഷിതമല്ലാത്തതോ ആയ ഫലങ്ങൾ ഉൽപ്പാദനത്തിലേക്ക് എത്തുന്നത് അന്തർനിർമിത സുരക്ഷാസംവിധാനങ്ങൾ തടയുന്നു.

ചരക്കുനീക്ക മാതൃകയിലുള്ള പരമോത്തമവൽക്കരണ പ്രശ്നങ്ങളിലും മൂന്ന് പൊതുവായ മാനദണ്ഡങ്ങളിലും നടത്തിയ നിയന്ത്രിത പരീക്ഷണങ്ങളിൽ ഞങ്ങളുടെ സങ്കര സമീപനം സ്ഥിരമായി പ്രകടമാക്കിയത്:

• കൂടുതൽ കൃത്യത

• കൂടുതൽ വ്യാഖ്യാനക്ഷമതയും പരിശോധനാക്ഷമതയും

“എല്ലാം LLM ചെയ്യുന്നു” എന്ന പതിവ് മാതൃകയെ മാറ്റിമറിച്ച് ഞങ്ങളുടെ സമീപനം ഈ രൂപകൽപ്പന പിന്തുടരുന്നു:

ഈ സമീപനം ഉത്തരവാദിത്വങ്ങൾ വ്യക്തമായി വേർതിരിക്കുന്നു: സ്വാഭാവിക ഭാഷയിൽനിന്ന് നിയമങ്ങളും നിയന്ത്രണങ്ങളും LLM-കൾ വേർതിരിച്ചെടുക്കുന്നു; OR-Tools, Z3, Pyomo തുടങ്ങിയ നിർണിത പരിഹാരകങ്ങൾ പരമോത്തമവൽക്കരണവും പരിശോധനയും കൈകാര്യം ചെയ്യുന്നു. രണ്ട് സമീപനങ്ങളുടെയും ശക്തികൾ ഇതിലൂടെ ഒന്നിക്കുന്നു:

ഞങ്ങളുടെ ചില ഉപഭോക്താക്കൾ നേരിടുന്ന ഒരു വെല്ലുവിളിയോടെയാണ് ഞങ്ങൾ ആരംഭിച്ചത്:

പ്രവർത്തന, നയ, ചെലവ് നിയന്ത്രണങ്ങൾ കർശനമായി പാലിച്ചുകൊണ്ട് സ്വാഭാവിക ഭാഷയിലുള്ള അഭ്യർഥനകളെ ഏറ്റവും മികച്ച തത്സമയ വിഭവതീരുമാനങ്ങളാക്കി മാറ്റുക.

തൊഴിലാളികളുടെ സമയക്രമം, ആസ്തിവിന്യാസം, വഴിനിർണയം, പൂർത്തീകരണ ആസൂത്രണം, ശേഷി കൈകാര്യം ചെയ്യൽ എന്നിവ ഉൾപ്പെടുന്ന ആധുനിക ചരക്കുനീക്കത്തിന്റെയും വിതരണശൃംഖലകളുടെയും കേന്ദ്രത്തിലാണ് ഈ വെല്ലുവിളി. വിശ്വസനീയ സിസ്റ്റങ്ങൾ നിർമ്മിക്കാൻ LLM-കളും ഔപചാരിക പരിഹാരകങ്ങളും ഒരുമിച്ച് പ്രവർത്തിക്കേണ്ട മേഖലയും ഇതാണ്. വിലയിരുത്തലിനായി നിയന്ത്രിത പരീക്ഷണസാഹചര്യങ്ങളും വിവരസ്രോതസ്സുകളും നിയന്ത്രണങ്ങളും 240 കൃത്രിമ ചോദ്യങ്ങളും ഞങ്ങൾ സൃഷ്ടിച്ചു. ഉദാഹരണങ്ങൾ:

• റദ്ദാക്കലിനെത്തുടർന്ന് നിലവിലുള്ള സമയപ്പട്ടിക പരിഷ്കരിക്കുക. ലക്ഷ്യസ്ഥാനത്തിന് 2025 ഡിസംബർ 24-നകം ആവശ്യമായ സാധനങ്ങൾ പൂർണമായി ലഭിക്കണം. സാധ്യമെങ്കിൽ സമീപത്തെ സംഭരണശാലയിൽനിന്ന് സാധനങ്ങൾ ശേഖരിച്ച് നിർദിഷ്ട ഏകീകരണ കേന്ദ്രത്തിലൂടെ അയയ്ക്കുക. അനുവദനീയമായ ഏറ്റവും നേരത്തെയുള്ള ആരംഭത്തീയതി 2025 ഡിസംബർ 14 ആണ്.

• അവസാനനിമിഷ അഭ്യർഥന: ഒരു വിശിഷ്ടാതിഥി മൂന്ന് മണിക്കൂറിനകം എ എന്ന സ്ഥലത്തെത്തും. ആവശ്യമായ ജീവനക്കാർ രണ്ട് മണിക്കൂറിനകം അവിടെ എത്തണം. നിലവിലെ സമയപ്പട്ടികയിലെ മാറ്റങ്ങൾ പരമാവധി കുറച്ചുകൊണ്ട് ജീവനക്കാരുടെ വിന്യാസം ക്രമീകരിക്കുക.

ചോദ്യങ്ങളിൽനിന്ന് വ്യക്തമാകുന്നതുപോലെ, സിസ്റ്റം സ്വാഭാവിക ഭാഷയിലുള്ള അഭ്യർഥനകളിൽനിന്ന് കർശനവും ഇളവുള്ളതുമായ നിയന്ത്രണങ്ങൾ നേരിട്ട് വിശ്വസനീയമായി വേർതിരിച്ചെടുത്ത് നടപ്പാക്കണം:

• കർശന നിയന്ത്രണങ്ങളിൽ വിട്ടുവീഴ്ച സാധ്യമല്ല. ഉദാഹരണത്തിന്, ഏറ്റവും നേരത്തെയുള്ള ആരംഭത്തീയതികൾ, കരാർ വ്യവസ്ഥകൾ, ശേഷിയുടെ പരമാവധി പരിധികൾ. അവയിലൊന്ന് ലംഘിച്ചാൽപ്പോലും പരിഹാരം അസാധുവാകും.

• ഇളവുള്ള നിയന്ത്രണങ്ങൾ കാലതാമസം കുറയ്ക്കൽ, ചെലവ് കുറയ്ക്കൽ, മാറ്റങ്ങൾ പരിമിതപ്പെടുത്തൽ തുടങ്ങിയ മുൻഗണനകളെ പ്രതിനിധീകരിക്കുന്നു. കർശന പരിധികൾ ലംഘിക്കാതെ ഏറ്റവും മികച്ച ഫലം നേടുകയാണ് ലക്ഷ്യം.

ഈ പരമോത്തമവൽക്കരണ പ്രശ്നങ്ങളുടെ ചില വശങ്ങൾ പൂർണമായി മുൻകൂട്ടി നിർവചിക്കാനാകില്ല. ഘടനാപരമായ ബിസിനസ് യുക്തി, ആഭ്യന്തര രേഖകൾ, പ്രവർത്തന വിവരങ്ങൾ എന്നിവയിൽനിന്നുള്ള മുൻനിർവചിത നിയന്ത്രണങ്ങളും ലക്ഷ്യങ്ങളും മാത്രമല്ല, ഉപയോക്താവിന്റെ അഭ്യർഥനയും ഉപയോഗിച്ച് അവ ചലനാത്മകമായി കൂട്ടിച്ചേർക്കണം.

ഈ സാഹചര്യത്തിൽ വ്യത്യസ്ത സാങ്കേതികരീതികൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് മനസ്സിലാക്കാൻ ഞങ്ങൾ മൂന്ന് സമീപനങ്ങൾ നടപ്പാക്കി താരതമ്യം ചെയ്തു.

1. ശുദ്ധ LLM: ഏറ്റവും ലളിതമായ സമീപനത്തിൽ പ്രസക്തമായ എല്ലാ വിവരങ്ങളും ഉപയോക്താവിന്റെ സ്വാഭാവിക ഭാഷയിലുള്ള അഭ്യർഥനയും ഒരൊറ്റ LLM പ്രോംപ്റ്റിന് നൽകുകയും ഏറ്റവും മികച്ച പദ്ധതിയോ വിന്യാസമോ സൃഷ്ടിക്കാൻ ആവശ്യപ്പെടുകയും ചെയ്യുന്നു. ചെറിയതോ നിയന്ത്രണങ്ങൾ കുറവുള്ളതോ ആയ പ്രശ്നങ്ങളിൽ ഇത് ഫലപ്രദമായേക്കാം. എന്നാൽ സങ്കീർണത കൂടുമ്പോൾ ഇത് പരാജയപ്പെടുന്നു. മോഡൽ നിയന്ത്രണങ്ങൾ അവഗണിക്കുകയോ തെറ്റായ ലക്ഷ്യത്തിന് മുൻഗണന നൽകുകയോ ന്യായമാണെന്ന് തോന്നുന്നെങ്കിലും പ്രായോഗികമല്ലാത്ത പദ്ധതികൾ സൃഷ്ടിക്കുകയോ ചെയ്യാം. ഇത്തരം പരാജയങ്ങൾ വിശ്വസനീയമായി കണ്ടെത്താനോ തടയാനോ മാർഗവുമില്ല.

2. LLM + കോഡ് ഇന്റർപ്രെറ്റർ: ഈ സമീപനത്തിൽ LLM അഭ്യർഥന വ്യാഖ്യാനിക്കുകയും വിവരസ്രോതസ്സുകൾ ലഭ്യമാക്കാനും പ്രവർത്തിപ്പിക്കാവുന്ന പരമോത്തമവൽക്കരണ നിർദേശങ്ങൾ സൃഷ്ടിക്കാനും ഉപകരണങ്ങൾ ഉപയോഗിക്കുകയും ചെയ്യുന്നു. ഇത് വഴക്കവും നിരീക്ഷണക്ഷമതയും വർധിപ്പിക്കുന്നെങ്കിലും വിശ്വാസ്യത ഇപ്പോഴും പ്രശ്നമാണ്. നിയന്ത്രണങ്ങളെ ശരിയായ നിർദേശങ്ങളാക്കി LLM തന്നെ വിവർത്തനം ചെയ്യണം. നിയന്ത്രണങ്ങൾ വർധിക്കുമ്പോൾ റീസണിംഗിലോ നിർദേശരചനയിലോ ഉള്ള ചെറിയ പിശകുകൾപോലും അസാധുവോ നിലവാരം കുറഞ്ഞതോ ആയ ഫലങ്ങൾ സൃഷ്ടിക്കാം.

3. സങ്കരം: LLM → ഘടനാപരമായ നിയന്ത്രണങ്ങൾ → നിർണിത പരിഹാരകം: മൂന്നാമത്തെ സമീപനം ഉത്തരവാദിത്വങ്ങൾ വേർതിരിക്കുന്നു. ഫലം LLM ഒരിക്കലും “തീരുമാനിക്കുന്നില്ല”; ചരങ്ങളും നിയന്ത്രണങ്ങളും ലക്ഷ്യങ്ങളും ഔപചാരികമാക്കാൻ അത് സഹായിക്കുന്നു. തെളിയിക്കപ്പെട്ട പരമോത്തമവൽക്കരണ പരിഹാരകം നിയന്ത്രണങ്ങൾ നടപ്പാക്കുകയും പ്രായോഗികത ഉറപ്പാക്കുകയും പരിശോധിക്കാനും വിലയിരുത്താനും കഴിയുന്ന ഫലങ്ങൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. മുൻനിർവചിത ഘടനാരൂപങ്ങൾ ഉപയോഗിച്ച് സ്വാഭാവിക ഭാഷയിലുള്ള അഭ്യർഥനകളെ വ്യക്തവും ഘടനാപരവുമായ നിയന്ത്രണങ്ങളാക്കി വിവർത്തനം ചെയ്യുന്നതിൽ LLM-ന്റെ പങ്ക് പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. ആ നിയന്ത്രണങ്ങൾ OR-Tools പോലുള്ള പരിഹാരക നിർദേശങ്ങളാക്കി സ്വയമേവ സമാഹരിക്കുന്നു. അത് പ്രായോഗികവും ഏറ്റവും മികച്ചതുമായ പരിഹാരം നിർണിതമായി കണക്കാക്കുന്നു.

GPT-5, GPT-5.1, GPT-5.2 എന്നിവയുൾപ്പെടെ നിരവധി LLM-കൾ ഉപയോഗിച്ച് ഞങ്ങൾ രീതികൾ പരീക്ഷിച്ചു. പ്രതീക്ഷിച്ചതുപോലെ, സങ്കര സമീപനം മറ്റു മാർഗങ്ങളെക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവച്ചു:

ഞങ്ങളുടെ സങ്കര രീതി കൃത്യതയിൽ ഗണ്യമായ വർധനയും, നാലിരട്ടിയിലേറെ ടോക്കൺ കാര്യക്ഷമതയും, പ്രതികരണകാലത്തിൽ പത്തിരട്ടിയോളം കുറവും പ്രകടമാക്കുന്നു.

സ്വാഭാവിക ഭാഷയെ ഘടനാപരമായ അർഥപ്രതിനിധാനങ്ങളാക്കി മാറ്റുന്ന, പൊതുവായി പ്രയോഗിക്കാനും പുനരുപയോഗിക്കാനും കഴിയുന്ന ഒരു സമ്പർക്കമുഖം നിർമ്മിക്കുകയാണ് അടുത്ത ഘട്ടം. ഞങ്ങളുടെ പശ്ചാത്തല സംവിധാനം അവയെ പരിഹാരകത്തിന് അനുയോജ്യമായ നിർദേശങ്ങളാക്കി മാറ്റും. ഈ പരീക്ഷണത്തിൽ രേഖീയ പരമോത്തമവൽക്കരണ പ്രശ്നങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും മൂന്ന് പൊതുവിവരസഞ്ചയങ്ങൾ ഉപയോഗിച്ച് സമീപനം വിലയിരുത്തുകയും ചെയ്തു (NLP4LP, NL4OPT, IndustryOR).

1. സ്വതന്ത്ര LLM

2. സങ്കര രീതി (LLM → ഘടനാപരമായ നിയമങ്ങൾ → പരിഹാരകം → പരിശോധിച്ച ഫലം)

• ഉൾനൽകലിൽനിന്ന് ചരങ്ങളും നിയന്ത്രണങ്ങളും ലക്ഷ്യങ്ങളും വേർതിരിച്ചെടുത്ത് ഘടനാപരമായ പരമോത്തമവൽക്കരണ പ്രശ്നം രൂപപ്പെടുത്താൻ LLM ഉപയോഗിക്കുക.

• സ്വയംപരിശോധനയ്ക്കായി ഘടനാപരമായ പ്രശ്നവും യഥാർഥ അഭ്യർഥനയും ഒരു LLM-ന് നൽകുക.

• ഏറ്റവും മികച്ച വിന്യാസം കണക്കാക്കാൻ ഘടനാപരമായ പ്രശ്നത്തെ OR-Tools നിർദേശങ്ങളാക്കി മാറ്റുക.

GPT-5.1, GPT-5 mini, GPT-5.1-Codex-Max, GPT-5.2 എന്നിവയുൾപ്പെടെയുള്ള ഉടമസ്ഥാവകാശമുള്ള അത്യാധുനിക മോഡലുകളും Kimi K2, GPT-OSS മോഡലുകൾ, MiniMax M2 തുടങ്ങിയ തുറന്ന ഉറവിട മോഡലുകളും ഉപയോഗിച്ച് ഞങ്ങൾ ഈ സമീപനം വിലയിരുത്തി. ഓരോ രീതിയുടെയും ഫലങ്ങൾ പെട്ടിരേഖാചിത്രങ്ങൾ സംഗ്രഹിക്കുന്നു.

വിലയിരുത്തിയ മിക്കവാറും എല്ലാ അടിസ്ഥാന ഭാഷാ മോഡലുകളിലും സ്വതന്ത്ര LLM അടിസ്ഥാനരീതിയെക്കാൾ കൃത്യവും സ്ഥിരതയുള്ളതും പരിശോധിക്കാവുന്നതുമായ ഫലങ്ങൾ സങ്കര സമീപനം സ്ഥിരമായി നൽകുന്നു. മോഡലുകൾക്കിടയിൽ സമ്പൂർണ പ്രകടനം വ്യത്യാസപ്പെടുന്നെങ്കിലും സങ്കര സമീപനത്തിലൂടെയുള്ള ആപേക്ഷിക നേട്ടങ്ങൾ സ്ഥിരമായി തുടരുന്നു. ഏതെങ്കിലും ഒറ്റ മോഡലിന്റെ റീസണിംഗ് ശേഷിയെ ആശ്രയിക്കുന്നതിനുപകരം സ്വാഭാവിക ഭാഷ മനസ്സിലാക്കലിനെ ഔപചാരിക പരമോത്തമവൽക്കരണത്തിൽനിന്ന് വേർതിരിച്ചതാണ് മെച്ചപ്പെടുത്തലുകൾക്ക് കാരണമെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.

കൃത്യത

പ്രധാനമായും രേഖീയ ആസൂത്രണ പ്രശ്നങ്ങൾ ഉൾപ്പെടുന്ന NLP4LP, NL4OPT എന്നിവയിൽ സങ്കര രീതി സാധ്യമായ പരമാവധി കൃത്യതയോട് അടുക്കുകയും സ്വതന്ത്ര LLM പ്രോംപ്റ്റുകളെ മറികടക്കുകയും ചെയ്യുന്നു. “ഏകദേശം ശരിയായ” റീസണിംഗ് സൃഷ്ടിക്കുന്നതിനുപകരം സാധുവും ശരിയായി രൂപപ്പെടുത്തിയതുമായ ഗണിത രൂപീകരണങ്ങൾ സങ്കര സിസ്റ്റം കൂടുതൽ സ്ഥിരമായി സൃഷ്ടിക്കുന്നു. കൂടുതൽ വെല്ലുവിളിയുള്ള IndustryOR വിവരസഞ്ചയത്തിൽ രണ്ട് രീതികളുടെയും കൃത്യത കുറയുന്നു, എന്നാൽ വ്യത്യസ്ത കാരണങ്ങളാലാണ്. വാഹന വഴിനിർണയം, ജോലികളുടെ ക്രമീകരണം, തൊഴിലാളി വിന്യാസം തുടങ്ങിയ സംയോജനാത്മക ഘടനകൾ പല IndustryOR പ്രശ്നങ്ങളിലും ഉൾപ്പെടുന്നു. നിലവിൽ ഞങ്ങളുടെ പരിഹാരക പശ്ചാത്തല സംവിധാനം പിന്തുണയ്ക്കുന്ന രേഖീയ പരമോത്തമവൽക്കരണ ശേഷിക്ക് ഇവ അതീതമാണ്.

താഴെ കാണുന്നതുപോലെ, സ്വതന്ത്ര LLM-കൾ ആവശ്യമായ നിയന്ത്രണങ്ങൾ പതിവായി ലംഘിക്കുന്നുവെന്ന് പരാജയരീതികളുടെ വിശകലനം വ്യക്തമാക്കുന്നു:

ഉദാഹരണം 1:

1"A bodybuilder buys prepared meals: a turkey dinner and a tuna salad sandwich. The turkey dinner contains 20 grams of protein, 30 grams of carbohydrates, and 12 grams of fat. The tuna salad sandwich contains 18 grams of protein, 25 grams of carbohydrates, and 8 grams of fat. The bodybuilder needs at least 150 grams of protein and 200 grams of carbohydrates. Because turkey dinners are expensive, no more than 40% of the meals should be turkey dinners. How many of each meal should the bodybuilder eat to minimize total fat intake?"

സ്വതന്ത്ര LLM ആകെ കൊഴുപ്പ് കുറഞ്ഞൊരു പരിഹാരം സൃഷ്ടിക്കുന്നെങ്കിലും ടർക്കി വിഭവങ്ങൾ ആകെ ഭക്ഷണത്തിന്റെ 40%-ൽ കൂടരുതെന്ന നിബന്ധന അത് ലംഘിക്കുന്നു. സങ്കര സമീപനം ഈ കർശന നിയന്ത്രണം ശരിയായി നടപ്പാക്കി സാധുവായ മറുപടി നൽകുന്നു.

ഉദാഹരണം 2:

1"A hospitalized patient can take two pills: Pill 1 and Pill 2. Each Pill 1 provides 0.2 units of pain medication and 0.3 units of anxiety medication. Each Pill 2 provides 0.6 units of pain medication and 0.2 units of anxiety medication. Pill 1 causes 0.3 units of discharge, while Pill 2 causes 0.1 units. At most 6 units of pain medication may be provided, and at least 3 units of anxiety medication must be provided. How many of each pill should the patient receive to minimize total discharge?"

സ്വതന്ത്ര LLM വീണ്ടും കുറഞ്ഞ സ്രവമുള്ളൊരു പരിഹാരം സൃഷ്ടിക്കുന്നെങ്കിലും വേദനസംഹാര മരുന്നിന് അനുവദിച്ച പരമാവധി പരിധി അത് കവിയുന്നു. സങ്കര സമീപനം ആ കർശന നിയന്ത്രണം ശരിയായി നടപ്പാക്കി സാധുവായ മറുപടി നൽകുന്നു.

പ്രതികരണകാലവും ടോക്കൺ ഉപയോഗവും

പ്രതികരണകാലവും ടോക്കൺ ഉപയോഗവും സംബന്ധിച്ച വിവരങ്ങൾ ഒരു പ്രധാന വ്യത്യാസം വെളിപ്പെടുത്തുന്നു. ഒറ്റത്തവണയുള്ള LLM പ്രോംപ്റ്റിനെക്കാൾ സങ്കര സമീപനത്തിന് ശരാശരി പ്രതികരണകാലവും ടോക്കൺ ഉപയോഗവും കൂടുതലാണ്. എന്നാൽ ഇത് കാര്യക്ഷമതക്കുറവല്ല, വാസ്തുവിദ്യാപരമായ തിരഞ്ഞെടുപ്പുകളെയാണ് സൂചിപ്പിക്കുന്നത്.

സങ്കര പ്രവർത്തനശൃംഖലയിൽ ഉൾപ്പെടുന്നത്:

1. ഘടനാപരമായ ചരങ്ങൾ, നിയന്ത്രണങ്ങൾ, ലക്ഷ്യങ്ങൾ എന്നിവ വേർതിരിച്ചെടുക്കാനുള്ള ഒന്നോ അതിലധികമോ LLM വിളികൾ.

2. ആന്തരിക പൊരുത്തക്കേടുകൾ കണ്ടെത്താനുള്ള സ്വയംപരിശോധനാ ഘട്ടം.

ഒറ്റ പ്രോംപ്റ്റുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഈ ഘട്ടങ്ങൾ അധികഭാരം സൃഷ്ടിക്കുന്നെങ്കിലും പ്രതികരണകാലം നിയന്ത്രിതവും പ്രവചനീയവുമായി തുടരുന്നു. പ്രശ്നം ശരിയായി രൂപപ്പെടുത്തിയാൽ പരിഹാരകത്തിന്റെ പ്രവർത്തനം സാധാരണയായി വേഗത്തിലാണ്. ഈ അധിക പ്രവർത്തനം വ്യക്തവും പുനരുപയോഗിക്കാവുന്നതും പരിശോധിക്കാവുന്നതുമായ ഇടനില പ്രതിനിധാനങ്ങൾ സൃഷ്ടിക്കുന്നു. ഇതിന് വിപരീതമായി, സ്വതന്ത്ര LLM സമീപനങ്ങൾ റീസണിംഗ് പ്രക്രിയയെ അതാര്യമായ ഒരൊറ്റ സൃഷ്ടിയിലേക്ക് ചുരുക്കുന്നു. ഇതോടെ പുനഃശ്രമങ്ങൾ, നേരിട്ടുള്ള പരിശോധനകൾ, തുടർഘട്ട പരാജയങ്ങൾ എന്നിവയിലേക്ക് ചെലവ് മാറുന്നു. ഭാവി പതിപ്പുകളിൽ ഈ അധികഭാരം കുറയ്ക്കാനുള്ള മാർഗങ്ങൾ:

• വേർതിരിച്ചെടുത്ത ഘടനാരൂപങ്ങൾ താൽക്കാലികമായി സൂക്ഷിക്കൽ.

• നിയന്ത്രണങ്ങൾ ഘട്ടംഘട്ടമായി പുതുക്കൽ.

• പ്രോംപ്റ്റുകളുടെയും വിളികളുടെയും ഏകോപനം മെച്ചപ്പെടുത്തൽ.

സുതാര്യതയും പരിശോധനാക്ഷമതയും

അവസാനമായി, രണ്ട് രീതികളും പരാജയപ്പെടുന്ന സാഹചര്യങ്ങളിൽപ്പോലും പരാജയത്തിന്റെ സ്വഭാവം അടിസ്ഥാനപരമായി വ്യത്യസ്തമാണ്.

• സ്വതന്ത്ര LLM ഉപയോഗിക്കുമ്പോൾ പരാജയങ്ങൾ പലപ്പോഴും തിരിച്ചറിയപ്പെടില്ല: സൂക്ഷ്മമായി തെറ്റായൊരു ഫലം മോഡൽ നൽകിയേക്കാം.

• സങ്കര സമീപനത്തിലെ വ്യക്തമായ പ്രശ്നരൂപീകരണം പരാജയങ്ങൾ സുതാര്യമാക്കുകയും പിശകിന് കാരണമായ രൂപീകരണഭാഗം കണ്ടെത്താൻ സംഘങ്ങളെ സഹായിക്കുകയും ചെയ്യുന്നു.

ഭാവി പതിപ്പുകളിൽ ഈ രൂപീകരണങ്ങൾ ഒരു സമ്പർക്കമുഖത്തിൽ കാണിക്കാം. അതുവഴി പരിഹാരകം പ്രവർത്തിക്കുന്നതിനുമുമ്പ് ഉപയോക്താക്കൾക്ക് അവ പരിശോധിക്കാനോ സാധൂകരിക്കാനോ കഴിയും. ഈ സുതാര്യത അളക്കപ്പെടുന്ന കൃത്യത മെച്ചപ്പെടുത്തുകയും സിസ്റ്റത്തിലെ പിശകുകൾ കണ്ടെത്തുന്നതും അതിനെ പരിഷ്കരിക്കുന്നതും എളുപ്പമാക്കുകയും ചെയ്യുന്നു. യഥാർഥ സാഹചര്യങ്ങളിലെ വിന്യാസത്തിന് ഇത് അനിവാര്യമാണ്.

പ്രധാന നിഗമനം

എല്ലാ മാനദണ്ഡങ്ങളിലും പരീക്ഷിച്ച അടിസ്ഥാന മോഡലുകളിൽ മിക്കതിലും ലഭിച്ച ഫലങ്ങൾ ഞങ്ങളുടെ പ്രവർത്തനത്തിലെ ഒരു മുഖ്യ നിഗമനം ശക്തിപ്പെടുത്തുന്നു:

ഉദ്ദേശ്യം മനസ്സിലാക്കുന്നതിലും വിവർത്തനം ചെയ്യുന്നതിലും LLM-കൾ ശക്തമാണ്. എന്നാൽ കൃത്യത ഉറപ്പാക്കാൻ നിർണിത പരിഹാരകങ്ങൾ അനിവാര്യമാണ്.

സങ്കര സമീപനം സ്വാഭാവിക ഭാഷയെ അവ്യക്തതയുടെ ഉറവിടത്തിൽനിന്ന് ഗണിതശാസ്ത്രപരമായി കൃത്യമായ തീരുമാനമെടുക്കലിനുള്ള വിശ്വസനീയ സമ്പർക്കമുഖമാക്കി മാറ്റുന്നു. ഇതിലൂടെ ബുദ്ധിശക്തി മാത്രമല്ല, വിശ്വാസ്യതയുമുള്ള സിസ്റ്റങ്ങളിലേക്ക് സംരംഭ കൃത്രിമബുദ്ധി ഒരു പടി കൂടി അടുക്കുന്നു.

സംരംഭ നിയന്ത്രണങ്ങൾ അപൂർവമായേ വൃത്തിയായ ഘടനാരൂപങ്ങളിലോ കൃത്യമായി എഴുതിയ പ്രോംപ്റ്റുകളിലോ കാണപ്പെടാറുള്ളൂ. അവ വിവരശേഖരങ്ങൾ, കണക്കുപട്ടികകൾ, ആഭ്യന്തര നയങ്ങൾ, കരാറുകൾ എന്നിവയിലായി ചിതറിക്കിടക്കുന്നു. ഉപയോക്തൃ അഭ്യർഥനകൾ അപൂർണമോ അവ്യക്തമോ ബിസിനസ് നിയമങ്ങളുമായി പൊരുത്തപ്പെടാത്തതോ ആകാം. ഈ സമീപനം വലിയ തോതിൽ പ്രാവർത്തികമാക്കാൻ, ഈ സങ്കീർണതയെ വിശ്വസനീയമായ സംരംഭശേഷിയാക്കി മാറ്റുന്ന പുനരുപയോഗിക്കാവുന്ന പശ്ചാത്തല എൻജിൻ ഞങ്ങൾ നിർമ്മിക്കുകയാണ്.

അടിസ്ഥാനപരമായി ഈ എൻജിൻ കൃത്രിമബുദ്ധിയാൽ നയിക്കപ്പെടുന്ന തീരുമാന സിസ്റ്റങ്ങളുടെ ഔപചാരിക നട്ടെല്ലായി പ്രവർത്തിക്കുകയും ഇവ നൽകുകയും ചെയ്യുന്നു:

• ബിസിനസ് നിയമങ്ങൾ, നിയന്ത്രണങ്ങൾ, ചരങ്ങൾ, ലക്ഷ്യങ്ങൾ എന്നിവ ഉൾക്കൊള്ളുന്ന പൊരുത്തഘടകങ്ങളോടുകൂടിയ പ്രതീകാത്മക വിജ്ഞാനശേഖരം.

• ഘടനാരൂപങ്ങളെ പരിഹാരക നിർദേശങ്ങളാക്കി സമാഹരിക്കുന്ന വിവർത്തനപാളി.

• നിയന്ത്രണങ്ങൾ പരിശോധിക്കാനും വിലയിരുത്താനും മാറ്റാനും സംഘങ്ങളെ അനുവദിക്കുന്ന സമ്പർക്കമുഖങ്ങൾ.

ഈ പരീക്ഷണങ്ങൾ നിലവിൽ പരമോത്തമവൽക്കരണത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നെങ്കിലും ഇതേ രീതി യുക്തിപരമായ പരിശോധനയിലേക്കും വ്യാപിപ്പിക്കാം. സാധ്യതയുള്ള ബിസിനസ് പ്രയോഗങ്ങൾ:

• എല്ലാ പ്രവർത്തന നിയന്ത്രണങ്ങളും പാലിച്ചുകൊണ്ട് ആവശ്യാനുസൃതവും ചലനാത്മകവുമായ സമയക്രമം, വഴിനിർണയം, വിഭവവിന്യാസം എന്നിവ നടത്തുക.

• ബിസിനസ് നിയമങ്ങൾ സ്ഥിരമായി പാലിക്കുന്ന മറുപടികളും ശുപാർശകളും സൃഷ്ടിക്കുക.

• സങ്കീർണമായ ത്രിമാന വസ്തുക്കളും ദൃശ്യചിത്രങ്ങളും വാസ്തുരൂപങ്ങളും രൂപകൽപ്പന ചെയ്ത് സാധൂകരിക്കുകയും പ്രായോഗികമല്ലാത്ത രൂപകൽപ്പനകൾ ഉൽപ്പാദനത്തിനുമുമ്പ് കണ്ടെത്തുകയും ചെയ്യുക.

ഇന്നത്തെ കൃത്രിമബുദ്ധി ശക്തമാണ്. എന്നാൽ സംരംഭങ്ങൾക്ക് ശക്തി മാത്രം പോരാ; കൃത്യതയും സ്ഥിരതയും നിയന്ത്രണവും വേണം. ഞങ്ങളുടെ സങ്കര LLM-പരിഹാരക സിസ്റ്റം ഇത്തരമൊരു ലോകത്തിലേക്കുള്ള ചുവടുവയ്പ്പാണ്:

• ഏജന്റുമാർ ഇല്ലാത്ത നിയമങ്ങളോ നിയന്ത്രണങ്ങളോ കെട്ടിച്ചമയ്ക്കുന്നില്ല.

• യുക്തിപരമായ നിഗമനവും പരമോത്തമവൽക്കരണവും ഗണിതശാസ്ത്രപരമായി കൃത്യമാണ്.

• നിർണിത സിസ്റ്റങ്ങൾക്കുള്ള സാർവത്രിക സമ്പർക്കമുഖമായി സ്വാഭാവിക ഭാഷ പ്രവർത്തിക്കുന്നു.