एक एआई ने खुद को बेहतर कोड लिखना सिखाया, कोई शिक्षक नहीं चाहिए

मुख्य बातें

• Qwen3-30B-Instruct, चीनी टेक कंपनी Alibaba द्वारा बनाया गया एक बड़ा एआई मॉडल, केवल अपने स्वयं के आउटपुट को प्रशिक्षण सामग्री के रूप में उपयोग करते हुए एक मानक कोडिंग परीक्षण में अपना स्कोर 42.4% से 55.3% तक बढ़ा गया।
• इस तकनीक को सरल स्व-आसवन कहा जाता है, जिसमें कोई मानव प्रतिक्रिया, कोई अलग शिक्षक मॉडल और कोई सुदृढ़ीकरण शिक्षा (एक पुरस्कार-आधारित प्रशिक्षण विधि जो अक्सर एआई व्यवहार को तीक्ष्ण करने के लिए उपयोग की जाती है) की आवश्यकता नहीं है।
• लाभ आसान समस्याओं पर नहीं, बल्कि सबसे कठिन कोडिंग समस्याओं पर सबसे बड़े थे।
• यह विधि छह विभिन्न मॉडल आकारों और दो मॉडल परिवारों, Qwen और Llama में काम करती थी, जो सुझाती है कि यह एक बार की घटना नहीं है।

एआई शोधकर्ता सालों से मॉडलों को स्मार्ट बनाने के लिए विस्तृत सिस्टम बनाने में लगे हुए हैं: मानव मूल्यांकनकर्ता प्रतिक्रिया दे रहे हैं, अलग "शिक्षक" मॉडल कमजोर लोगों का मार्गदर्शन कर रहे हैं, जटिल पुरस्कार संकेत सही दिशा में व्यवहार को निर्देशित कर रहे हैं। Apple ML Research का एक नया पेपर सुझाता है कि कम से कम कोडिंग के लिए, आपको इनमें से किसी की आवश्यकता नहीं हो सकती है।

यह तकनीक सरल स्व-आसवन कहलाती है। यह कैसे काम करता है। आप एक मौजूदा एआई मॉडल लेते हैं और इसे कोडिंग समस्याओं के कई संभावित समाधान उत्पन्न करने के लिए कहते हैं, जो इसके उत्तरों में कितना रचनात्मक या यादृच्छिक हैं, यह अलग-अलग करते हैं। फिर आप सूक्ष्म-ट्यूनिंग करते हैं, अर्थात एक क्यूरेटेड डेटासेट पर पुनः प्रशिक्षण, उसी मॉडल को उन्हीं उत्तरों पर। कोई बाहरी निर्णायक नहीं। कोई अतिरिक्त डेटा नहीं। मॉडल, प्रभावी रूप से, अपने सर्वोत्तम कार्य का अध्ययन करता है।

नतीजा? Qwen3-30B-Instruct, Alibaba के प्रमुख कोड-सक्षम मॉडलों में से एक, LiveCodeBench v6 पर 42.4% से 55.3% तक कूद गया, एक व्यापक रूप से उपयोग किया जाने वाला बेंचमार्क जो एआई को वास्तविक प्रोग्रामिंग प्रतियोगिता समस्याओं पर परीक्षण करता है। यह शोधकर्ताओं द्वारा शर्मनाक रूप से सरल प्रक्रिया कहे जाने वाली चीज़ से 12.9 प्रतिशत अंकों का लाभ है।

शब्द "शर्मनाक" जानबूझकर और ईमानदार है। यह संकेत करता है कि विधि को लगभग कोई विशेष मशीनरी की आवश्यकता नहीं है, इस तरह की चीज़ जो अनुभवी शोधकर्ताओं को शांति से निराश करती है कि वे इसे जल्दी आजमाने की कोशिश नहीं करते हैं।

दो विवरण इसे एक बेंचमार्क जिज्ञासा से अधिक बनाते हैं। पहला, सुधार कठिन समस्याओं पर केंद्रित थे। आसान सवाल शायद ही हिले। यह मायने रखता है क्योंकि कठिन समस्याएं वह जगह हैं जहां एआई कोडिंग उपकरण अभी भी नियमित रूप से मानव उपयोगकर्ताओं को विफल करते हैं। दूसरा, यह तरकीब 4 बिलियन से 30 बिलियन पैरामीटर तक की छह मॉडलों में आयोजित की गई (एक मॉडल के आकार और क्षमता का एक मोटा माप) जो Qwen और Llama दोनों मॉडल परिवारों को फैलाता है। विभिन्न आर्किटेक्चर में व्यापक सामान्यीकरण इस बात का एक सभ्य संकेत है कि एक खोज वास्तविक है बजाय सावधानी से मंचित होने के।

क्या इसका मतलब है कि एआई प्रोग्रामर्स को प्रतिस्थापित करेगा?

नहीं। प्रतिस्पर्धी-प्रोग्रामिंग बेंचमार्क पर 55.3% का स्कोर अभी भी मतलब है कि मॉडल सबसे कठिन सवालों पर लगभग आधे समय विफल हो जाता है। स्व-आसवन एक प्रशिक्षण दक्षता खोज है, क्षमता सीलिंग-ब्रेकर नहीं।

एआई कोडिंग सहायकों के दैनिक उपयोगकर्ताओं के लिए, इन मॉडलों के सुधारे गए संस्करणों पर निर्मित उपकरण अधिक कठिन बग और बहु-चरणीय कार्यों को अधिक विश्वसनीय तरीके से संभाल सकते हैं। लेकिन अंतर्निहित सहायक को अभी भी मानव समीक्षा की आवश्यकता है, विशेष रूप से उत्पादन कोड के लिए जहां त्रुटियां वास्तविक परिणाम निकालती हैं।

अनुसंधान समुदाय के लिए, यह खोज एक उपयोगी याद दिलाने वाली है। महंगे बुनियादी ढांचे के लिए पहुंचने से पहले, कभी-कभी आपके पास पहले से मौजूद मॉडल में वह संकेत होता है जिसकी आपको आवश्यकता है।