AI युग में उत्पादकता चलाने के लिए अनुसंधान और विकास (R & D) विशेष रूप से महत्वपूर्ण है। हालांकि, आर एंड डी में पारंपरिक स्वचालन विधियों में अक्सर जटिल अनुसंधान चुनौतियों और नवाचार -आधारित कार्यों को संभालने के लिए खुफिया की कमी होती है, जिससे वे मानव विशेषज्ञों की तुलना में कम प्रभावी होते हैं। इसके विपरीत, शोधकर्ताओं ने बार -बार प्रयोगों के माध्यम से विचारों का उत्पादन करने, परिकल्पना और शुद्धि प्रक्रियाओं का परीक्षण करने के लिए गहरे वांडा डोमेन जे ज्ञान का लाभ प्राप्त किया। एलएलएमएस का उदय उन्नत तर्क और निर्णय लेने की क्षमताओं को पेश करके एक संभावित उपाय देता है, जो बुद्धिमान एजेंटों के रूप में कार्य कर सकता है जो डेटा -आधारित आर एंड डी वर्कफ़्लो में दक्षता बढ़ाते हैं।
उनकी संभावना के बावजूद, एलएलएम को आर एंड डी में सार्थक औद्योगिक शिथिलता देने के लिए महत्वपूर्ण चुनौतियों का सामना करना चाहिए। मुख्य सीमा उनके प्रारंभिक प्रशिक्षण से परे विकसित करने में असमर्थता है, जो उभरते विकास के अनुकूल होने की उनकी क्षमता को प्रतिबंधित करती है। इसके अलावा, जब एलएलएम के पास व्यापक रूप से सामान्य जे ज्ञान होता है, तो वे अक्सर विशिष्ट डोमेन के लिए आवश्यक की गहराई की कमी करते हैं, उद्योग-विशिष्ट समस्याओं को हल करने में उनकी प्रभावशीलता को सीमित करते हैं। अपने प्रभाव को अधिकतम करने के लिए, एलएलएम को लगातार व्यावहारिक उद्योग अनुप्रयोगों के माध्यम से विशिष्ट JNWLEEDGE को प्राप्त करना चाहिए, यह सुनिश्चित करते हुए कि वे प्रासंगिक और जटिल आरएंडडी चुनौतियों का समाधान करने में सक्षम हैं।
Micros .FT रिसर्च एशिया के शोधकर्ताओं ने LLMS का उपयोग करके R & D प्रक्रियाओं को स्वचालित करने के लिए डिज़ाइन किए गए AI- चालित उपकरण RD-Agent विकसित किया है। आरडी-एजेंट दो प्रमुख घटकों के साथ स्वायत्त संरचना के माध्यम से काम करता है: अनुसंधान, जो नए विचारों का उत्पादन और विकसित करता है, जो उन पर लागू होता है। बार -बार शुद्धिकरण द्वारा सिस्टम में लगातार सुधार होता है। स्वचालित कार्य जैसे कि आरडी-एगेंट टास्क, रीडिंग पेपर्स, रीडिंग पेपर्स, फाइनेंशियल एंड हेल्थकेयर डेटा पैटर्न की पहचान करना, और इज़िंग इज़िंग को एक रिसर्च सहायक और डेटा-माइनिंग एजेंट के रूप में सुविधा इंजीनियरिंग के लिए। अब Gittub पर खुला स्रोत, RD-Agent सक्रिय रूप से अधिक अनुप्रयोगों का समर्थन करने और उद्योग की उत्पादकता बढ़ाने के लिए सक्रिय रूप से विकसित हो रहा है।
आरएंडडी में, दो प्राथमिक चुनौतियों को ध्यान में रखा जाना चाहिए: निरंतर शिक्षा सक्षम करें और विशिष्ट JNWLEEDGE प्राप्त करें। पारंपरिक एलएलएम, एक बार प्रशिक्षित, अपने कौशल का विस्तार करने के लिए संघर्ष करते हैं, उद्योग-विशिष्ट समस्याओं से निपटने की उनकी क्षमता को सीमित करते हैं। इसे दूर करने के लिए, RD-Agent एक गतिशील शिक्षा संरचना का संचालन करता है जो वास्तविक दुनिया की प्रतिक्रिया को एकीकृत करता है, जो इसे परिकल्पनाओं में सुधार करने और समय के साथ डोमेन Jnowledge को इकट्ठा करने की अनुमति देता है। आरडी-एजेंट वास्तविक दुनिया की मान्यता के साथ निरंतर अनुसंधान प्रक्रिया को स्वचालित करके विचारों, परीक्षणों और विचारों में सुधार करता है। यह दोहरावदार प्रतिक्रिया लूप यह सुनिश्चित करता है कि जुनेवलेज को व्यवस्थित रूप से प्राप्त किया जाता है और मानव विशेषज्ञों की तरह लागू किया जाता है जैसे कि अनुभव उनकी समझ में सुधार करता है।
विकास के चरण में, आरडी-एजेंट कामकाज कार्यों और सह-स्टीयरिंग ऑप्टिम द्वारा निष्पादन रणनीति को प्राथमिकता देकर दक्षता को बढ़ाता है, जो कि निरंतर शिक्षा द्वारा विकसित किया गया डेटा-निर्धारित दृष्टिकोण है। यह प्रणाली सरल कार्यों के साथ शुरू होती है और वास्तविक दुनिया की प्रतिक्रिया के आधार पर इसके विकास के तरीकों में सुधार करती है। आर एंड डी क्षमताओं का मूल्यांकन करने के लिए, शोधकर्ताओं ने आरडी 2 बेंच, एक बेंचमार्किंग प्रणाली पेश की है जो मॉडल और डेटा विकास कार्यों पर एलएलएम एजेंटों का मूल्यांकन करती है। आगे देखते हुए, प्रतिक्रिया, कार्य कार्यक्रम और क्रॉस-डोमेन जुनवेलेज का हस्तांतरण एक बड़ी चुनौती है। निरंतर प्रतिक्रिया के माध्यम से अनुसंधान और विकास प्रक्रियाओं को एकीकृत करके, आरडी-एजेंट का उद्देश्य शाखाओं में नवाचार और दक्षता में तेजी लाते हुए स्वचालित आरएंडडी में क्रांति लाना है।
अंत में, RD-Agent एक खुला स्रोत AI- चालित संरचना है जिसे R & D प्रक्रियाओं को स्वचालित और बढ़ाने के लिए डिज़ाइन किया गया है। यह दो प्रमुख घटकों को एकीकृत करता है – बार -बार प्रतिक्रिया द्वारा निरंतर सुधार सुनिश्चित करने के लिए, विचार वेतन उत्पादन और कार्यान्वयन के लिए विकास की खोज। वास्तविक दुनिया के डेटा को शामिल करके, आरडी-एजेंट गतिशील रूप से विकसित होता है और एक विशेष JNowledge प्राप्त करता है। सिस्टम विकास रणनीति में सुधार करने और एआई-संचालित आरएंडडी क्षमताओं का मूल्यांकन करने के लिए सह-कार्य, डेटा-केंद्रित दृष्टिकोण और आरडी 2 बेंच, बेंचमार्किंग टूल को नियुक्त करता है। यह एकीकृत दृष्टिकोण नवाचार को बढ़ाता है, क्रॉस-डोमेन जुनेवलेज के हस्तांतरण को बढ़ावा देता है, और दक्षता में सुधार करता है, बुद्धिमान और स्वचालित अनुसंधान और विकास की ओर एक महत्वपूर्ण कदम है।
जाँच करना पेपर और GitHB पेज। इस शोध के लिए सभी श्रेय इस परियोजना के शोधकर्ताओं को जाते हैं। इसके अलावा, हमें फॉलो करने के लिए स्वतंत्र महसूस करें ट्विटर और हमसे जुड़ने के लिए मत भूलना 85 k+ ml सबमिटेड।
मार्कटेकपोस्ट और आईआईटी मद्रास में एक परामर्श इंटर्न सना हसन, वास्तविक दुनिया की चुनौतियों को दूर करने के लिए प्रौद्योगिकी और एआई को लागू करने के बारे में उत्साहित हैं। व्यावहारिक समस्याओं को हल करने में अधिक रुचि के साथ, यह एआई और वास्तविक जीवन समाधानों के चौराहे के लिए एक नया परिप्रेक्ष्य लाता है।
