शोधकर्ताओं ने 6 अक्टूबर, 2026 को प्रकाशित एक शोधपत्र में SHIFT का वर्णन किया। यह ऐसी प्रणाली है जो हर सवाल के लिए AI एजेंटों का सही संयोजन अपने आप तैयार करती है। रनटाइम पर कई व्यवस्थाएँ आज़माने के बजाय, SHIFT एक छोटे भाषा मॉडल को यह अनुमान लगाने के लिए प्रशिक्षित करता है कि कौन-सी व्यवस्था सबसे अच्छी काम करेगी। फिर एजेंटों को जोड़ने के लिए यह Monte Carlo ट्री सर्च का इस्तेमाल करता है। इस तरीके को गणित की समस्याओं से लेकर दस्तावेज़ संभालने और सामान्य सहायक के कामों तक, छह बेंचमार्क के 9,193 कार्यों पर परखा गया।
SHIFT का प्रदर्शन कैसा है?
Gemini 3.5 Flash मॉडल को निष्पादन इंजन के रूप में इस्तेमाल करने पर SHIFT ने लगभग 80% औसत सटीकता हासिल की। इसने 17 अन्य तरीकों को पीछे छोड़ा, जिनमें साधारण प्रॉम्प्टिंग, प्रॉम्प्ट को बेहतर बनाने की तरकीबें और दूसरे वर्कफ़्लो सर्च तरीके शामिल थे। सबसे मजबूत प्रतिस्पर्धी भी 7.2 प्रतिशत अंक पीछे रहा। SHIFT के कम खर्च वाले कॉन्फ़िगरेशन ने भी सभी बेसलाइन तरीकों से बेहतर प्रदर्शन किया और 32% कम टोकन इस्तेमाल किए—यानी उसे कम कंप्यूटिंग संसाधनों की ज़रूरत पड़ी।
सभी घटकों को साथ चुनना क्यों अहम है
लेखकों के मुताबिक, संचार की संरचना, निर्देश और टूल्स को एक साथ चुनना इनमें से किसी एक चीज़ को अलग से चुनने से बेहतर है। निर्देशों या टूल्स में से सिर्फ़ एक चुनने की तुलना में, संयुक्त चयन से नतीजों में 9.1 अंक तक सुधार हुआ। उनका सीखा हुआ वैल्यू फ़ंक्शन भी संभावित विकल्पों में से अधिक सटीक और कम खर्च वाले हार्नेस चुनने में मददगार साबित हुआ।
यह क्यों मायने रखता है
AI सहायक बनाने वाले डेवलपरों के लिए SHIFT का मतलब है बेहतर प्रदर्शन—और हर नए अनुरोध के लिए एजेंटों की व्यवस्था हाथ से तैयार करने की ज़रूरत नहीं। इससे कंप्यूटिंग खर्च भी घटता है, जिससे क्लाउड का खर्च कम हो सकता है और उपयोगकर्ताओं के लिए अधिक सक्षम मल्टी-एजेंट सेवाएँ किफ़ायती बन सकती हैं।
