ایل ایل ایم لاگنگ پرامپٹس اور مکملات کو ریکارڈ کرتی ہے — اس بارے میں وضاحتی ڈیٹا کہ کیا ہوا۔ فیصلہ ٹریسنگ یہ ریکارڈ کرتی ہے کہ فیصلے کیوں کیے گئے — پرو/کن کے دلائل، سابقہ اور وجوہات کے ساتھ منظم استدلال۔ لاگنگ ڈیبگنگ کو فعال کرتی ہے۔ فیصلہ ٹریسنگ ادارتی یادداشت، سابقہ تلاش، اور وضاحت پذیر AI کو فعال کرتی ہے۔ AI ایجنٹری وہ فیصلہ ٹریسنگ کی تہہ فراہم کرتی ہے جس کی جگہ لاگنگ نہیں لے سکتی۔
TL;DR: لاگنگ ماڈل نے کیا کہا یہ ریکارڈ کرتی ہے۔ فیصلہ ٹریسنگ یہ ریکارڈ کرتی ہے کہ فیصلہ کیوں کیا گیا۔ صرف ایک ہی سابقہ اور ادارتی یادداشت کو فعال کرتی ہے۔
لاگنگ ضروری ہے لیکن ناکافی ہے۔ یہ کیا کمی ہے یہ دیکھیں۔
وضاحتی: "یہ ہوا"
// Log entry
{
"prompt": "Should we approve...",
"completion": "Yes, approved...",
"tokens": 847,
"latency_ms": 1234
}
آپ یہ لاگ تلاش کر سکتے ہیں۔ لیکن کیا آپ یہ تلاش کر سکتے ہیں کہ آپ نے مشابہ کیسز میں کیسے فیصلہ کیا؟
معیاری: "یہ حمایت/مخالفت کرتا ہے کیونکہ..."
// Decision trace
{
"decision": "APPROVED",
"pro_arguments": [...],
"con_arguments": [...],
"precedent_cited": "D-1234",
"rationale_ids": [...]
}
استدلال کے پیٹرن کے ذریعے قابل تلاش۔ سابقہ کے طور پر حوالہ دیا جا سکتا ہے۔
| پہلو | ایل ایل ایم لاگنگ | فیصلہ ٹریسنگ |
|---|---|---|
| یہ کیا پکڑتا ہے | پرومپٹس، مکملات، ٹوکنز، تاخیر | استدلال کا ڈھانچہ، سابقہ مثالیں، وجہ |
| ڈیٹا کا ڈھانچہ | غیر ساختہ متن، سادہ میٹا ڈیٹا | ساختی دلیل کے درخت، معیاری تعلقات |
| سوال کرنے کی صلاحیت | 'ایسے لاگ تلاش کریں جن میں X ہو' | 'ایسے فیصلے تلاش کریں جو Y کے ساتھ استدلال کے نمونہ کی بنیاد پر ملتے ہوں' |
| سابقہ مثال کی حمایت کرتا ہے | ||
| اداری یادداشت | ||
| وضاحت کی قابلیت | دکھاتا ہے کہ ماڈل نے کیا کہا | دکھاتا ہے کہ فیصلہ کیوں کیا گیا |
| مطابقت کی قیمت | واقعات کا آڈٹ ٹریل | استدلال کا آڈٹ ٹریل |
"ہم نے مشابہ واپسی کی درخواستوں کو کس طرح سنبھالا؟" کو متن کی تلاش کی ضرورت نہیں ہے، بلکہ استدلال کی ساخت کی ضرورت ہے۔ لاگ ملتے جلتے الفاظ تلاش کرتے ہیں۔ ٹریس ملتے جلتے پیٹرن تلاش کرتے ہیں۔
علم جو وقت کے ساتھ بڑھتا ہے، منظم فیصلوں کی ضرورت ہوتی ہے۔ لاگ آثار قدیمہ ہیں۔ ٹریس تعمیرات ہیں۔
ایجنٹس جو ماضی کے فیصلوں کا حوالہ دیتے ہیں، منظم پیشگی کی ضرورت ہوتی ہے۔ "ہم نے مشابہ حالات میں D-1234 کی منظوری دی" فیصلے کے ٹریس کی ضرورت ہوتی ہے۔
"AI نے X کا فیصلہ کیوں کیا؟" کو منظم دلیل کی ضرورت ہوتی ہے۔ سوچ کی زنجیر بعد میں ہوتی ہے۔ فیصلہ کے ٹریس حقیقی حقیقت ہیں۔
یہ ٹریک کرنا کہ کون سے استدلال کے پیٹرن اچھے نتائج کی طرف لے جاتے ہیں، ساخت کی ضرورت ہوتی ہے۔ لاگ دلائل کو نتائج سے مربوط نہیں کر سکتے۔
انسانی مداخلت سے مکمل خود مختاری کی طرف بڑھنے کے لیے ثبوت کی ضرورت ہوتی ہے۔ فیصلہ کے ٹریس فیصلہ کی معیار کو ثابت کرتے ہیں۔ لاگ عملدرآمد کو ثابت کرتے ہیں۔
LLM لاگنگ پرامپٹس، مکملات، اور میٹاڈیٹا (ٹوکینز، لیٹنسی) کو پکڑتا ہے۔ فیصلہ ٹریسنگ منظم استدلال کو پکڑتا ہے: حق/نقصان کے دلائل، حوالہ جات، اعتماد کی سطحیں، اور وہ وجوہات جو فیصلے کو لے کر آئیں۔ لاگنگ وضاحتی ہے؛ ٹریسنگ معیاری ہے۔
پرامپٹ/آؤٹ پٹ لاگ استدلال کی ساخت کو نہیں پکڑتے۔ آپ خام متن کے لاگ سے 'ہم نے مشابہ کیسز کو کیسے سنبھالا؟' یا 'کون سے حوالہ جات اس فیصلے کی حمایت کرتے ہیں؟' نہیں پوچھ سکتے۔ فیصلہ ٹریسنگ منظم آرٹيفیکٹس تخلیق کرتی ہے جو حوالہ تلاش اور ادارتی یادداشت کو ممکن بناتی ہے۔
نہیں۔ چین آف تھوٹ ماڈل کے ذریعہ بعد میں پیدا ہوتا ہے — یہ اندرونی حساب کتاب کے ساتھ وفادار نہیں ہے۔ دو پرامپٹس مختلف 'وضاحتوں' کے ساتھ ایک ہی جواب پیدا کر سکتے ہیں۔ فیصلہ ٹریسنگ فیصلہ کے مقام پر منظم آرٹيفیکٹس کو پکڑتا ہے، نہ کہ دوبارہ تخلیق کردہ کہانیاں۔
موثر طریقے سے نہیں۔ حوالہ معیاری تعلقات (حمایت/مخالفت) کی ضرورت ہوتی ہے، وضاحتی تعلقات (شامل/ذکر) کی نہیں۔ لاگ پر مبنی تلاش مشابہ متن کو تلاش کرتی ہے؛ فیصلہ ٹریسنگ مشابہ استدلال کے نمونوں کو تلاش کرتی ہے۔ فرق بنیادی ہے۔
جی ہاں۔ اپنے لاگنگ کو ڈیبگنگ، لاگت کی نگرانی، اور تعمیل کے لیے رکھیں۔ وضاحت، حوالہ، اور ادارتی یادداشت کے لیے فیصلہ ٹریسنگ شامل کریں۔ یہ مختلف مقاصد کے لیے کام کرتے ہیں اور ایک ساتھ مل کر کام کرتے ہیں۔
ریگولیشنز بڑھتی ہوئی طور پر AI فیصلوں کی وضاحت کرنے کی ضرورت ہوتی ہیں۔ لاگ دکھاتے ہیں کہ ماڈل نے کیا کہا۔ فیصلہ کے نشانات دکھاتے ہیں کہ فیصلہ کیوں کیا گیا، کون سے متبادل پر غور کیا گیا، اور کون سی شواہد نے اس کی حمایت کی۔ یہ وہی ہے جو آڈیٹرز اور ریگولیٹرز کو واقعی ضرورت ہے۔
یہ ریکارڈ کریں کہ آپ کا AI کیوں فیصلہ کرتا ہے، نہ کہ صرف یہ کہ وہ کیا کہتا ہے۔