TinyFish का BigSet: सादी अंग्रेज़ी को लाइव डेटासेट में बदलता है ओपन-सोर्स AI सिस्टम

BigSet का मल्टी-एजेंट पाइपलाइन कैसे काम करता है

BigSet एक सामान्य LLM कॉल नहीं है। यह एक मल्टी-एजेंट सिस्टम है जहाँ काम विभिन्न स्पेशलाइज्ड सब-एजेंट्स को सौंपा जाता है, और एक ऑर्केस्ट्रेटर पूरे वर्कफ़्लो को मैनेज करता है ।

दस्तावेज़ित पाइपलाइन इस प्रकार काम करती है :

1. ऑर्केस्ट्रेटर एजेंट यूज़र के नेचुरल लैंग्वेज डिस्क्रिप्शन को प्राप्त करता है और टार्गेट स्कीमा (यानी कॉलम, डेटा टाइप्स और एंटिटीज़) का अनुमान लगाता है। स्रोतों के अनुसार, इस कदम में जटिल तर्क और योजना बनाने के लिए Claude Sonnet जैसे मॉडल का उपयोग किया जाता है ।
2. रिसर्च सब-एजेंट्स असल काम करने के लिए तैनात होते हैं। ये एजेंट लाइव वेब पर रिसर्च करते हैं, असली पेजों को ब्राउज़ करते हैं, विशिष्ट डेटा पॉइंट निकालते हैं और सबूत इकट्ठा करते हैं । यह रिसर्च सिर्फ़ सिमैंटिक सर्च नहीं है; ये एजेंट वास्तविक वेब सोर्स पर जाकर डेटा पार्स करते हैं।
3. वेरिफ़िकेशन (सत्यापन) सब-एजेंट्स निष्कर्षों की क्रॉस-चेकिंग करते हैं। स्रोत बताते हैं कि BigSet गलत या हेलुसिनेटेड (मनगढ़ंत) डेटा पंक्तियों को रोकने के लिए इकट्ठा किए गए डेटा को उनके स्रोतों के खिलाफ सत्यापित करता है, जो प्रोडक्शन-ग्रेड डेटासेट के लिए एक महत्वपूर्ण कदम है ।
4. एग्रीगेशन और एक्सपोर्ट — एकत्रित पंक्तियों को डुप्लिकेट हटाकर एक साफ-सुथरी तालिका में संकलित किया जाता है, जिसे यूज़र CSV या XLSX फ़ाइल के रूप में डाउनलोड कर सकता है ।

सिस्टम को आवर्ती (recurring) कार्यों के लिए भी बनाया गया है। यूज़र एक रिफ़्रेश कैडेंस (हर 30 मिनट से लेकर साप्ताहिक तक) सेट कर सकते हैं और एजेंट अपनी पूरी रिसर्च और वैलिडेशन पाइपलाइन को शेड्यूल पर फिर से चलाएंगे, जिससे बिना किसी मैन्युअल हस्तक्षेप के डेटासेट अप-टू-डेट रहेगा ।

लाइसेंस, सेल्फ-होस्टिंग और डेटा सॉवरेन्टी

BigSet को AGPL-3.0 लाइसेंस के तहत जारी किया गया है, जो एक मज़बूत कॉपीलेफ्ट (copyleft) लाइसेंस है । इसका मतलब है कि अगर कोई टीम सॉफ़्टवेयर में बदलाव करती है और उसे एक नेटवर्क सेवा के रूप में उपलब्ध कराती है, तो उसे आमतौर पर अपने संशोधित स्रोत कोड को उपयोगकर्ताओं के लिए उपलब्ध कराना होगा।

सिस्टम को Docker-आधारित सेल्फ़-होस्टिंग के लिए पैकेज किया गया है । इसका मतलब है कि पूरी पाइपलाइन – जिसमें ब्राउज़र-आधारित वेब इंटरैक्शन, LLM-समर्थित एजेंट रीज़निंग, और एक्सट्रैक्शन लॉजिक शामिल है – आपके अपने इंफ्रास्ट्रक्चर पर चलती है। सख्त कंप्लायंस आवश्यकताओं वाले उद्योगों के लिए, यह डिप्लॉयमेंट मॉडल संवेदनशील बिज़नेस इंटेलिजेंस क्वेरीज़ को किसी तीसरे पक्ष के क्लाउड API या प्लेटफ़ॉर्म के माध्यम से रूट करने के डेटा जोखिमों से बचाता है। इसका मतलब है कि डेटा निष्कर्षण प्रक्रिया एक नियंत्रित वातावरण में रहती है, जहाँ आप एक्सेस, नेटवर्किंग और लॉग्स का प्रबंधन करते हैं।

BigSet बनाम Exa Websets: एक तुलनात्मक विश्लेषण

सबसे सीधी तुलना Exa Websets से की जा सकती है, जो Exa.ai का एक उत्पाद है जो वेब से संरचित डेटा कलेक्शन बनाता है ।

हेलुसिनेशन (Hallucination) का सवाल

हेलुसिनेशन किसी भी ऑटोनॉमस डेटा बिल्डिंग सिस्टम के लिए एक गंभीर चिंता है। BigSet पर Trendshift की कवरेज में एक तुलना दिखाई गई है, जहाँ BigSet और एक प्रतिस्पर्धी दोनों को एक ही क्वेरी पर चलाया गया और प्रतिस्पर्धी ने हेलुसिनेटेड डेटा लौटाया ।

Exa, अपने स्वयं के सर्च क्षमताओं का उपयोग करते हुए, तीन-चरणीय डिटेक्शन वर्कफ़्लो के माध्यम से हेलुसिनेशन को संबोधित करता है: टेक्स्ट से दावे निकालना, सबूत खोजना, और दावों को सत्यापित करना । Exa का Websets प्रोडक्ट भी सर्च कैंडिडेट्स पर एजेंटिक वर्कफ़्लो चलाता है ताकि यह सत्यापित किया जा सके कि वे फ़ाइनल सेट में जोड़े जाने से पहले यूज़र की क्वेरी से मेल खाते हैं ।

BigSet में एक समर्पित वेरिफ़िकेशन स्टेज शामिल है, जहाँ सब-एजेंट तालिका को अंतिम रूप देने से पहले अपने निष्कर्षों को स्रोतों के खिलाफ सत्यापित करते हैं ।

मुख्य अंतर