ट्रेस से एजेंटिव वर्ल्ड्स तक: इंटरैक्टिव वातावरण का अनुकरण करने के लिए भाषा विश्व मॉडल
Trace2Env एक विश्व पुस्तक के माध्यम से निशानों से पाठ वातावरण का पुनर्निर्माण करता है, जो परीक्षण और प्रशिक्षण एजेंटों के लिए वफादार, राज्यपूर्ण, लंबी क्षितिज सिमुलेशन को सक्षम बनाता है
मुख्य जानकारी
- Trace2Env एक प्रशिक्षण-मुक्त ढांचा है जो वास्तविक प्रणालियों के बिना परीक्षण और प्रशिक्षण को सक्षम करते हुए, क्रिया-निरीक्षण निशानों से पाठ वातावरण का अनुकरण करने के लिए भाषा विश्व मॉडल एजेंट बनाता है।
- यह वर्ल्डबुक. का उपयोग करके पर्यावरण गतिशीलता को ऑफ़लाइन पुनर्निर्माण करता है जिसमें योजनाएं, संक्रमण नियम, बाधाएँ, अपरिवर्तनीय, साक्ष्य और प्रदर्शन अधिक वफादार सिमुलेशन के लिए होते हैं।
- रनटाइम पर, एजेंट अगले टिप्पणियों और राज्य परिवर्तनों का अनुमान लगाने के लिए वर्ल्डबुक, एपिसोड स्टेट और एपिसोडिक मेमोरी से परामर्श करता है।
- यह दृष्टिकोण सुरक्षित, पुनरुत्पादित सैंडबॉक्स, स्टेटफुल मॉक और निजी, विरासत या अनुपलब्ध पाठ-आधारित वातावरणों के अनुकरण संस्करण बनाने के लिए उपयोगी है।
- इसकी प्रभावशीलता ट्रेस गुणवत्ता और नियम संगठन पर निर्भर करती है, इसलिए यह निष्पादन योग्य प्रणालियों के लिए एक सटीक प्रतिस्थापन की बजाय सिमुलेशन परत के रूप में सबसे अच्छा है।
मेटा विवरण: Trace2Env प्रशिक्षण-मुक्त विश्व मॉडल एजेंटों का निर्माण करता है जो सिमुलेशन, परीक्षण और एजेंट प्रशिक्षण के लिए कार्रवाई-अवलोकन निशान से पाठ वातावरण का पुनर्निर्माण करते हैं।
टैगः Trace2Env, भाषा विश्व मॉडल, एजेंटिक सिमुलेशन, पाठ वातावरण, प्रशिक्षण-मुक्त
विशेष रुप से प्रदर्शित छवि: ओवरलैपिंग टर्मिनल विंडो, एक संरचित वर्ल्डबुक और कार्रवाई और अवलोकन को जोड़ने वाले तीरों का अमूर्त मैत्रीपूर्ण चित्रण, जिसमें कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं है और कोई पठनीय पाठ नहीं है।
Trace2Env कार्रवाई अवलोकन निशान से पाठ वातावरण का पुनर्निर्माण करता है
Trace2Env एजेंटिक भाषा दुनिया मॉडलिंग के लिए एक प्रशिक्षण-मुक्त ढांचा है, और इसका उद्देश्य डेवलपर्स, शोधकर्ताओं और क्यूए टीमों को लक्षित किया गया है जिन्हें वास्तविक प्रणालियों का पुनर्निर्माण किए बिना सिमुलेटेड टेक्स्ट वातावरण की आवश्यकता होती है। यह फ्रेमवर्क विश्व मॉडल एजेंट बनाता है जो अन्य कार्य एजेंटों के लिए पर्यावरण के रूप में काम करते हैं। इसका घोषित लक्ष्य पाठ वातावरण का वफादार, राज्यपूर्ण और दीर्घकालिक अनुकरण है। परियोजना को एक पेपर में वर्णित किया गया था और सार्वजनिक डेमो, कोड रिपॉजिटरी और प्रोजेक्ट पेज द्वारा समर्थित किया जाता है।
पुनर्निर्मित परिवेश क्यों महत्वपूर्ण हैं
कई एजेंटों को पाठ-आधारित सेटिंग्स में प्रशिक्षित या मूल्यांकन किया जाता हैः टर्मिनल, software रिपॉजिटरीज, Android और वेब apps , एंटरप्राइज़ सेवाएं और टेक्स्ट गेम्स। वास्तविक वातावरण अक्सर दोहराए जाने वाले प्रयोगों के लिए उपयोग करना मुश्किल होता है। वे निजी हो सकते हैं, विरासत, संचालित करने के लिए महंगे, या संशोधित होने के लिए जोखिम भरा हो सकता है। एक सिमुलेटेड पर्यावरण डेवलपर्स को कई बार एक एजेंट का परीक्षण करने, रन की तुलना करने और संवेदनशील प्रणालियों को ऑफ़लाइन रखने देता है।
Trace2Env उस विचार को एक कदम आगे ले जाता है. यह मूल निष्पादन योग्य प्रणाली की वसूली नहीं करता है। इसके बजाय, यह ऐतिहासिक कार्रवाई-अवलोकन प्रक्षेपवक्र से पर्यावरण गतिशीलता का पुनर्निर्माण करता है. सादे शब्दों में, एक क्रिया-पर्यवेक्षण प्रक्षेपण एजेंट द्वारा किए गए कार्यों और वातावरण ने जो दिखाया उसका अनुक्रम होता है। ये निशान पर्यावरण के व्यवहार के मॉडल के लिए कच्चे माल बन जाते हैं।
वर्ल्डबुक कैसे निशानों को नियमों में बदल देती है
ऑफ़लाइन पुनर्निर्माण के दौरान, Trace2Env निशानों को एक विश्वपुस्तिका में व्यवस्थित करता है। वर्ल्डबुक में पर्यावरण योजनाएं, संक्रमण नियम, बाधाएं, अपरिवर्तनीयताएँ, ग्राउंडेड साक्ष्य और प्रदर्शन शामिल हैं। इस संरचना का उद्देश्य सिमुलेटेड वातावरण को ढीला संकेत से अधिक रखना है। यह मॉडल को स्पष्ट टुकड़े देता है जब निर्णय लेते समय परामर्श करना चाहिए कि आगे क्या होना चाहिए।
योजनाओं में शामिल राज्यों और कार्यों के प्रकारों का वर्णन किया गया है। संक्रमण नियम इस बात पर कब्जा करते हैं कि एक कार्रवाई पर्यावरण को कैसे बदलती है। बाधाएं और अपरिवर्तनीय चीजें उन चीजों का वर्णन करती हैं जिन्हें सच रहना चाहिए या उनका उल्लंघन नहीं किया जा सकता है। ग्राउंडेड साक्ष्य सीखे नियमों को देखे गए निशान से जोड़ता है, जबकि प्रदर्शन वैध व्यवहार के उदाहरण प्रदान करता है। साथ में, इन हिस्सों का उद्देश्य पुनर्निर्मित किए जाने वाले वातावरण के अधिक वफादार सिमुलेशन का समर्थन करना है।
रनटाइम के दौरान क्या होता है
रनटाइम पर, विश्व मॉडल एजेंट सक्रिय रूप से बनाए रखा एपिसोड राज्य और प्रकरणिक स्मृति के साथ मिलकर वर्ल्डबुक का निरीक्षण करने के लिए उपकरणों को बुलाता है। एपिसोड स्टेट सिमुलेटेड वातावरण में वर्तमान स्थिति का प्रतिनिधित्व करता है। एपीसोडिक मेमोरी एजेंट को एक्सेस देती है जो पहले से ही एक ही प्रकरण में हुआ है।
उस जानकारी से, एजेंट अगले अवलोकन को उन राज्य परिवर्तनों के साथ जोड़ता है जिन्हें बनाए रखा जाना चाहिए। एक साझा रनटाइम हार्नेस तब प्रस्ताव की पुष्टि करता है और स्वीकृत परिवर्तनों को प्रतिबद्ध करता है। यह सत्यापन कदम महत्वपूर्ण है क्योंकि यह सिमुलेटेड वातावरण को सही होने का स्पष्ट रिकॉर्ड देता है। इससे पहले की कार्रवाइयों के परिणाम बाद में मोड़ पर ले जाने की भी अनुमति मिलती है, जो लंबी क्षितिज सिमुलेशन के लिए केंद्रीय है।
जहां Trace2Env का उपयोग किया जा सकता है
फ्रेमवर्क कई व्यावहारिक उपयोगों की ओर इशारा करता है। यह वास्तविक प्रणाली के बिना एजेंटों को प्रशिक्षित करने में मदद कर सकता है, सुरक्षित और पुनरुत्पादित सैंडबॉक्स में परीक्षण एजेंट, उपकरण और APIs के लिए स्टेटफुल मॉक बनाने या अनुपलब्ध, निजी या विरासत वाले वातावरण का पुनर्निर्माण कर सकते हैं। एक नकली जो राज्य याद रखता है वह फिक्स्ड फर्जी प्रतिक्रिया से अधिक उपयोगी होता है, खासकर डिबगिंग वर्कफ़्लो के लिए जहां एक कार्रवाई अगले को प्रभावित करती है।
मूल्यांकन एक एकल पर्यावरण डोमेन से बंधा नहीं है। पेपर टर्मिनलों, software रिपॉजिटरीज, Android और वेब apps , एंटरप्राइज़ सर्विसेज और टेक्स्ट गेम्स पर Trace2Env का आकलन करता है। इसी फ्रेमवर्क को अन्य पाठ-अंतर्क्रियात्मक प्रणालियों पर भी लागू किया जा सकता है, जिसमें आंतरिक उद्यम उपकरण, टिकट वर्कफ़्लो, क्लाउड और DevOps कंसोल, API और MCP बैकएंड और अन्य पाठ्य दुनिया शामिल हैं।
परियोजना लिंक निरीक्षण के लिए उपलब्ध हैंः एक नकली टर्मिनल का Hugging Face डेमो जो Trace2Env द्वारा बनाया गया है, कोड रिपॉजिटरी और प्रोजेक्ट पेज। वे हैं:
https://huggingface.co/spaces/Quanyu001/trace2env_demo
https://github.com/ruyue0001/Trace2Env
https://quanyulong.net/trace2env/
किसको इसका उपयोग करना चाहिए और कौन इसे छोड़ना चाहिए
जो टीमों के पास पहले से ही कार्रवाई-अवलोकन निशान हैं, वे Trace2Env को सबसे उपयोगी पा सकते हैं। यह उन मामलों में फिट बैठता है जहां लक्ष्य एक सही निष्पादन योग्य प्रतिकृति नहीं है, लेकिन एजेंट परीक्षण, टूल मॉकिंग या वर्कफ़्लो पुनर्निर्माण के लिए एक सुरक्षित, पुनरुत्पादित पाठ वातावरण है। लंबे क्षितिज एजेंट व्यवहार का अध्ययन करने वाले शोधकर्ता भी लाइव सिस्टम के बजाय भाषा दुनिया मॉडल के खिलाफ एजेंट चलाने से लाभान्वित हो सकते हैं.
उन पाठकों को जो सटीक निम्न-स्तरीय सिस्टम व्यवहार की आवश्यकता होती है, उन्हें इसे एक पुनर्निर्माण परत के रूप में इलाज करना चाहिए, न कि मूल निष्पादन योग्य वातावरण का प्रतिस्थापन। Trace2Env निशान से एक विश्व मॉडल बनाता है और रनटाइम हार्नेस के माध्यम से प्रस्तावित परिवर्तनों की जांच करता है। इसलिए इसकी गुणवत्ता उपलब्ध निशान, वर्ल्डबुक के संगठन और सिमुलेशन में एन्कोडेड नियमों पर निर्भर करती है।

Comments (0)