सम्पादकको पर्दापछाडि

कागजातहरू सम्पादन गर्नमा किन यति राम्रो छ?

एउटा भाषा मोडेलले राम्रो वाक्य लेख्न सक्छ, तर त्यसलाई ढाँचासहित फिर्ता राख्नु एउटा भिन्न काम हो। कागजात सम्पादन गर्न AI लाई किन गाह्रो भएको छ, र यसलाई समाधान गर्न हामीले के निर्माण गरेका छौं भन्ने कुरा हामी यसमा स्पष्ट पार्छौं।

९ मिनेट पढाइ२०२६ अक्टोबर ३

अवलोकन

च्याटबटलाई Word फाइलको कुनै खण्ड (clause) मिलाउन भन्नुहोस्, र तपाईं यसलाई एकै साथ दुईवटा काम गर्न भन्दै हुनुहुन्छ: शब्दहरू परिवर्तन गर्ने, र ती शब्दहरू रहेको फाइल ढाँचा (format) लाई पुनर्लेखन गर्ने। भाषा मोडेलहरू पहिलो काममा राम्रो हुन्छन् र दोस्रो काममा अविश्वसनीय हुन्छन्।

ले मोडेलको दोस्रो काम आफैँ सम्हाल्छ। यस लेखले त्यो किन महत्त्वपूर्ण छ, यसले लामो कागजातहरूमा कसरी काम गर्छ, र च्याट वेबसाइटहरू र कम्प्युटर-प्रयोग एजेन्टहरूसँग यो कसरी तुलना हुन्छ भन्ने कुरा स्पष्ट पार्छ।

  1. 01भाषा मोडेलले कागजातलाई पृष्ठको रूपमा होइन, मार्कअपको रूपमा पढ्छ।
  2. 02एउटा गलत वर्णले फाइललाई पढ्न नमिल्ने बनाउन सक्छ, र लामो आउटपुटहरूले गलत वर्णहरू हुने सम्भावना बढाउँछन्।
  3. 03 ले ढाँचाबाट सामग्री छुट्ट्याउँछ: मोडेलले शब्दहरू सम्पादन गर्छ, हाम्रो कोडले फाइल लेख्छ।
  4. 04आधुनिक कोडिङ एजेन्टहरूले जस्तै, लामो कागजातहरूलाई ब्याचमा विभाजन गरिन्छ, टुक्रा पारिन्छ र सन्दर्भ दिइन्छ।
  5. 05चैट वेबसाइटहरूले पाइथन मार्फत फाइलहरू सम्पादन गर्न सक्छन्, तर परिवर्तनहरू चुपचाप गायब हुन सक्छन्।
  6. 06कम्प्युटर-प्रयोग गर्ने एजेन्टहरूले धेरै गुणा बढी लागतमा मानिसले झैँ सम्पादन गर्छन्।

01

LLM ले ढाँचा होइन, पाठ मात्र देख्छ

Word मा एउटा सम्झौता खोल्नुहोस् र तपाईंले एउटा पृष्ठ देख्नुहुन्छ: हाउस स्टाइलमा रहेको शीर्षक, मोटो अक्षरमा लेखिएको रकम, र अन्डरलाइन गरिएको अन्तिम मिति। Word कार्यक्रमले यी ढाँचा बनाउँछ, जसले गर्दा हामी दृश्यात्मक रूपमा सम्पादन गर्न सक्छौं। Word फाइल (.docx) को भित्री भागमा XML को एउटा जटिल प्रणाली हुन्छ, जहाँ हामीले देख्ने प्रत्येक शब्दलाई मार्कअप भनिने लुकेका शब्दहरूसँग कष्टकर ढङ्गले एनोटेट गरिएको हुन्छ।12

तपाईंले जे देख्नुहुन्छ

मोडेलले के देख्छ

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>४. भाडा</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">भाडामा बस्नेले </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महिनाको पहिलो दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> मा </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> तिर्नुपर्नेछ।</w:t></w:r></w:p>
चित्र १एउटै खण्ड दुई पटक। शब्दहरूले 74 अक्षर लिन्छन्; तिनीहरूको वरिपरिको XML ले 484 लिन्छ। word/document.xml को अंश।

एउटा एलएलएमलाई Microsoft Word, LibreOffice वा Pages ले मद्दत गर्दैनन्, र यसले मार्कअपबारेको आफ्नै बुझाइमा भर पर्नुपर्छ। सही रूपमा सम्पादन गर्न, एउटा एलएलएमलाई मूल मार्कअपको प्रभाव बुझ्न र नयाँ वाक्यलाई सही मार्कअपमा लेख्न आवश्यक हुन्छ।

02

LLM को आउटपुट स्वभावैले अस्थिर हुन्छ

मोडेलहरूमा पर्याप्त सुधार आएको भए पनि पछिल्ला संस्करणहरूले अझै पनि गल्ती गर्छन्। ५२ वटा व्यावसायिक क्षेत्रका १९ वटा मोडेलहरूमा गरिएको २०२६ को माइक्रोसफ्ट रिसर्च अध्ययनमा, Gemini 3.1 Pro, Claude 4.6 Opus र GPT 5.4 जस्ता फ्रन्टियर मोडेलहरूले लामो सम्पादन कार्यप्रवाहको अन्त्यसम्ममा कागजातको सामग्रीको औसतमा २५% बिगारेका थिए।4

Word फाइलमा एउटा सानो त्रुटि नै फाइललाई प्रयोग गर्न नसकिने बनाउन पर्याप्त हुन्छ। यहाँ मोडेलले एउटा मात्र स्ल्याश छुटाएको छ:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">भाडामा बस्नेले </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महिनाको पहिलो दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> मा </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> तिर्नुपर्नेछ।</w:t></w:r></w:p>
चित्र २एउटा छुटेको स्ल्याशले बोल्ड ट्याग खुला छोड्छ। XML अब वैध (well-formed) छैन, र Word ले फाइललाई सामान्य रूपमा खोल्ने छैन।3

XML मा खराब मार्कअपहरूका लागि कुनै सहनशीलता छैन। फाइल कि त वैध (well-formed) हुन्छ वा हुँदैन। Word ले कहिलेकाहीं बिग्रिएको फाइल पुन:प्राप्त गर्न सक्छ, तर पुन:प्राप्त प्रतिलिपिमा पाठ वा फर्म्याटिङ हराइरहेको हुन सक्छ।

लामो आउटपुट, धेरै त्रुटिहरू

लम्बाइ सँगसँगै जोखिम बढ्छ। लामो संरचित आउटपुटको २०२५ बेन्चमार्क 'LongProc' ले खुला-तौल भएका मोडेलहरू २,००० आउटपुट टोकनहरूमा खस्किएको र GPT-4o ८,००० मा उल्लेखनीय रूपमा कमजोर भएको पत्ता लगायो।5 अर्को अध्ययनले पत्ता लगायो कि इनपुट बढ्दै जाँदा, मोडेलले प्रत्येक सान्दर्भिक तथ्य पुन: प्राप्त गर्न सके पनि, कार्यसम्पादन १३.९% देखि ८५% सम्म घट्छ।6 १० पृष्ठको Word कागजातमा करिब १०,००० टोकनहरू हुन्छन्, त्रुटिबिना १० वटै पृष्ठहरू एकैचोटि सम्पादन गर्ने प्रयास गर्नु असम्भव प्रायः कुरा हो।

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP ले यस पट्टा अन्तर्गत उत्पन्न हुने सबै मामिलाहरूमा घरधनीको तर्फबाट काम गर्दछ।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> भाडामा बस्ने व्यक्तिले परिसरलाई राम्रो र बलियो मर्मत तथा अवस्थामा राख्नेछ।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> कुनै पनि सूचना लिखित रूपमा दिनुपर्नेछ र अनुसूची २ मा उल्लेख गरिएको ठेगानामा डेलिभर गर्नुपर्नेछ।</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> भाडा २१ दिनभन्दा बढी बक्यौता रहेमा घ4
  1. 1पाठमा एउटा एक्लो एम्परसेन्ड (&)। XML ले यसलाई इन्टिटीको रूपमा एस्केप गर्नुपर्ने माग गर्छ।
  2. 2एउटा छुटेको बन्द उद्धरण चिन्ह। यसपछिका सबै कुरालाई भ्यालु (value) कै भागको रूपमा पढिन्छ।
  3. 3प्याराग्राफ समाप्त हुनु अघि कहिल्यै बन्द नभएको रन (run)।
  4. 4आउटपुट अचानक रोकिन्छ। लामो जेनेरेसनहरूले लम्बाइ सीमा पार गर्न सक्छन् वा ट्यागको बीचमा समयसीमा (टाइम आउट) समाप्त हुन सक्छ।
चित्र ३मोडेल आउटपुटका चारवटा खण्डहरू, चार प्रकारका त्रुटिहरू। प्रत्येकले एक्लैले पनि फाइललाई पढ्न नसकिने बनाउँछ।

03

ले यसलाई कसरी समाधान गर्छ

हामी कस्टम प्रोग्रामहरू लेख्छौं जसले फर्म्याटिङलाई कन्टेन्टबाट अलग गर्छ। मोडेलले परिवर्तन गर्नुपर्ने शब्दहरू, पृष्ठको रेन्डर गरिएको छविको साथमा प्राप्त गर्दछ, त्यसैले यसले Word प्रोग्रामबाट सहयोग प्राप्त गर्दछ। त्यसपछि हाम्रो कोडले सम्पादन गरिएका शब्दहरूलाई मूल रनहरूमा फिर्ता राख्छ र फाइलको बाँकी भागलाई जस्ताको तस्तै छोड्छ।

तपाईंको फाइल

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">भाडामा बस्नेले </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महिनाको पहिलो दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> मा </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> तिर्नुपर्नेछ।</w:t></w:r></w:p>

ले ढाँचाबाट सामग्री छुट्ट्याउँछ

झिकिएको सामग्री

भाडामा बस्नेले प्रत्येक महिनाको पहिलो दिन मा US$2,400 तिर्नुपर्नेछ।

रेन्डर गरिएको पृष्ठ

दुवै मोडेलमा जान्छन्

भाषा मोडेलशब्दहरू सम्पादन गर्दछ। XML लाई कहिल्यै छुँदैन।

मोडेलले सम्पादन गरिएको सामग्री फिर्ता गर्छ

मोडेल आउटपुट

भाडामा बस्नेले प्रत्येक महिनाको पहिलो दिनप्रत्येक महिनाको पाँचौँ दिन मा US$2,400US$2,600 तिर्नुपर्नेछ।

ले शब्दहरूलाई मूल रनहरूमा फिर्ता लेख्छ

तपाईंको फाइल, सम्पादित

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">भाडामा बस्नेले </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>प्रत्येक महिनाको पाँचौँ दिन</w:t></w:r>  <w:r><w:t xml:space="preserve"> मा </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> तिर्नुपर्नेछ।</w:t></w:r></w:p>

✓ वैध .docx। बोल्ड, रङ र अन्डरलाइन ठ्याक्कै पहिलेकै जस्तै छन्।

चित्र ४सम्पादन पाइपलाइन, सरलीकृत। हाइलाइट गरिएको पाठ फाइलको एकमात्र भाग हो जुन परिवर्तन भयो।

यसले दुवै समस्या एकैपटक समाधान गर्छ। मोडेलले अब पहिले देख्न नसकेको ढाँचा देख्छ, र अब बिग्रने सम्भावना सबैभन्दा बढी भएको मार्कअप लेख्दैन।

तपाईंले यो तह सामान्य-उद्देश्यको च्याटबटमा पाउनुहुन्न। निष्कर्षण, रेन्डरिङ र पुनःसंयोजन कार्यक्रमहरू का आफ्नै इन्जिनियरहरूले बनाएका र सञ्चालन गरेका हुन्।

04

लामो-सन्दर्भ समस्या समाधान गर्दै

केही सम्पादनहरू लामो हुन्छन्: धेरै पृष्ठहरूमा फैलिएको अनुच्छेद, वा सयौंमा लगातार लागू गरिएको एक परिवर्तन। यसका लागि हामीले सफ्टवेयर इन्जिनियरिङबाट सिक्यौं। मार्च २०२६ मा, Anthropic ले सार्वजनिक npm प्याकेज भित्र आफ्नो AI कोडिङ एजेन्ट Claude Code को स्रोत कोड गल्तीले प्रकाशित गर्‍यो।7

त्यो चुहिएको कोड सम्पादकले एउटा स्पष्ट सिकाइ दिन्छ: कुनै लामो कुरा सम्पादन गर्न, यसलाई टुक्रा-टुक्रा पार्नुहोस्। हामीले एउटा कागजातलाई पृष्ठहरूको समूहमा विभाजित गर्छौं, जुन प्रविधिलाई ब्याचिङ भनिन्छ, र लामो अनुच्छेदहरूलाई वाक्यहरूमा तोड्छौं, ताकि प्रत्येक सम्पादन सही गर्नका लागि पर्याप्त सानो होस्।

एउटा कागजातलाई टुक्रा-टुक्रा पार्दा एउटा नयाँ समस्या उत्पन्न हुन्छ: सन्दर्भ। पृष्ठ २ को परिभाषा प्रयोग गरेर पृष्ठ ६० को अनुच्छेद कसरी सम्पादन गर्ने? यहाँ, AI कोड सम्पादकमा (Cursor, GitHub Copilot, OpenAI Codex) दुई वर्षको अनुभव काम लाग्छ। तिनीहरूको उत्तर सन्दर्भ इन्जिनियरिङ (context engineering) हो, जसले सम्बन्धित जानकारीलाई एक केन्द्रित संग्रहमा जम्मा गर्छ र यसलाई सफा सन्दर्भ विन्डोहरू सहित उप-एजेन्टहरूलाई दिन्छ।8 हामी कागजातहरूको साथ पनि उस्तै गर्छौं। हामी एक होसियार पाठकले झैँ तार्किक रूपमा सम्बन्धित जानकारीहरू समूहीकृत गर्छौं, त्यसपछि यसलाई सम्पादन लक्ष्य सहित उप-सम्पादकहरूलाई पठाउँछौं जसले वास्तविक परिवर्तन गर्छन्।

1डकुमेन्टलाई ब्याच गर्नुहोस्

पृष्ठहरू 1–40पृष्ठहरू 41–80पृष्ठहरू 81–120पृष्ठहरू 121–160पृष्ठहरू 161–200पृष्ठहरू 201–240पृष्ठहरू 241–280पृष्ठहरू 281–300

2लामो अनुच्छेदहरू विभाजित गर्नुहोस्

खण्ड १८.३ · पृष्ठ ६०
वाक्य 1वाक्य 2वाक्य 3वाक्य 4वाक्य 5

3सन्दर्भ जम्मा गर्नुहोस्, त्यसपछि समानान्तर रूपमा सम्पादन गर्नुहोस्

परिभाषित सर्तहरूपृष्ठहरू २–१२

पक्षहरू र भूमिकाहरूपृष्ठ १

अघिल्ला संशोधनहरूपृष्ठ ३४

उप-सम्पादक 1पृष्ठहरू 1–40 + सङ्कलन

उप-सम्पादक 2पृष्ठहरू 41–80 + सङ्कलन

उप-सम्पादक 3पृष्ठहरू 81–120 + सङ्कलन

चित्र ५३०० पृष्ठको कागजात, टुक्र्याइएको। प्रत्येक उप-सम्पादकले कागजातको एउटा सानो टुक्रा र त्यो टुक्रा निर्भर हुने सन्दर्भ प्राप्त गर्छन्।

उदाहरण: फैसला रिडेक्ट गर्ने

एक वकिल चाहन्छन् कि फैसलामा भएका प्रत्येक साक्षीको नाम रिडेक्ट गरियोस्, र जुनियरले अनुसन्धान गर्न सकून् भनेर उद्धृत मुद्दाहरूको सूची तयार गरियोस्।

  1. खोज्नुहोस्। ले साधारण ढाँचा मिलानको साथ प्रत्येक व्यक्तिगत नाम र प्रत्येक मुद्दाको उद्धरण फेला पार्छ। अहिलेसम्म कुनै मोडेलको आवश्यकता छैन।
  2. वर्गीकरण गर्नुहोस्। प्रत्येक नाम, त्यस वरपरको वाक्यसहित, एउटा मोडेलमा जान्छ जसले निर्णय गर्छ: साक्षी, वकिल वा न्यायाधीश। उत्तरहरूले साक्षीहरूको सङ्कलन तयार पार्छन्।
  3. सङ्कलन गर्नुहोस्। एउटै विधिले उद्धृत गरिएका मुद्दाहरूको संग्रह निर्माण गर्छ।
  4. कारबाही गर्नुहोस्। प्रत्येक साक्षीको नाम कहाँ फेला परेको थियो भन्ने कुरा हामीलाई ठ्याक्कै थाहा भएकोले, हामी मूल फाइलमा ती ठाउँहरू मात्र, अरू होइन, रिडेक्ट गर्छौं।

उच्च अदालत (हाई कोर्ट अफ जस्टिस) मा

किंग्स बेन्च डिभिजन

Harrow v Kestrel Logistics Ltd

समक्ष: Mrs Justice Holloway

फैसला

Mrs Justice Holloway: यो दाबी १४ मार्च २०२४ मा प्रतिवादीको गोदाममा सामान लोड गर्ने ठाउँ (लोडिङ बे) भत्किएको घटनाबाट उत्पन्न भएको हो। वादीको प्रतिनिधित्व Ms Priya Raman ले र प्रतिवादीको प्रतिनिधित्व Mr Thomas Whitby ले गर्नुभएको थियो। मैले चार दिनसम्म मौखिक प्रमाण सुनेँ।

मुख्य प्रत्यक्षदर्शी, Mr Daniel Okafor, रात्रिकालीन सिफ्टमा फोर्कलिफ्ट अपरेटर थिए। Mr Okafor ले अदालतलाई बताए कि लोडिङ बे का चेतावनी बत्तीहरू धेरै हप्तादेखि बिग्रिएका थिए, र उनले यो कुरा दुई पटक रिपोर्ट गरेका थिए। दोस्रो साक्षी, Ms Margaret Ellison, फेब्रुअरीमा लोडिङ बे को निरीक्षण गर्ने एक ठेकेदारले, उनको प्रतिवेदनले तत्काल मर्मत गर्न सिफारिस गरेको कुरा पुष्टि गरिन्। मैले दुवै साक्षीहरूलाई सावधान र विश्वसनीय पाएँ।

आफ्नो परिसरमा वैधानिक रूपमा रहेका व्यक्तिहरूप्रति कब्जा गर्ने व्यक्तिको हेरचाहको कर्तव्य राम्ररी स्थापित छ, र म Donoghue v Stevenson [1932] AC 562 मा भएको छिमेकीको सिद्धान्तलाई मेरो सुरुवात बिन्दुको रूपमा लिन्छु। नयाँ परिस्थितिहरूमा कर्तव्य थोपर्नु निष्पक्ष, न्यायसंगत र उचित छ कि छैन भन्ने कुरा Caparo Industries plc v Dickman [1990] 2 AC 605 द्वारा नियन्त्रित हुन्छ, तर यी परिस्थितिहरू नयाँ होइनन्। Mr Whitby ले दाबी गरिएका क्षतिहरू अत्यन्त दूरवर्ती छन् भनी पेस गरे। त्यो पेस गरिएको कुराको Hadley v Baxendale (1854) 9 Exch 341 विरुद्ध परीक्षण गरिनुपर्छ।

Mr Okafor र Ms Ellison को प्रमाण कागजातहरूसँगै विचार गरेपछि, म यो कुरामा विश्वस्त छु कि प्रतिवादीलाई त्रुटिको बारेमा थाहा थियो र उसले कारबाही गरेन। दाबी दायित्वमा सफल हुन्छ। क्षतिपूर्तिको मूल्याङ्कन अर्को सुनुवाइमा गरिनेछ। म Ms Raman र Mr Whitby लाई उनीहरूको स्पष्ट र केन्द्रित पेसका लागि धन्यवाद दिन्छु।

चित्र ६नतिजा हेर्न दृश्य बदल्नुहोस्। फैसला र नामहरू काल्पनिक हुन्; उद्धृत गरिएका तीनवटा मुद्दाहरू वास्तविक हुन्।

05

के chatgpt.com, claude.ai र अन्य च्याट वेबसाइटहरूले पनि यस्तै गर्न सक्छन्?

कहिलेकाहीं, हो। यी वेबसाइटहरूमा प्रायः पाइथन इन्टरप्रेटर हुन्छ, जसले मोडेललाई Word वा PowerPoint फाइल खोल्न र कोड प्रयोग गरेर यसको XML सम्पादन गर्न अनुमति दिन्छ।

तर कोड अझै पनि एउटा अस्थिर मोडेलद्वारा लेखिएको हुन्छ, र कुनै पनि कुराले मूलप्रति विरुद्ध परिणामको जाँच गर्दैन। हाम्रो आन्तरिक परीक्षणमा, हामीले प्रायः अप्रत्याशित मेटाइएको र सम्पादन गरिएको कागजातहरू प्राप्त गर्यौं। एउटा चरम अवस्थामा, २० पृष्ठको कागजात कुनै चेतावनी बिना १० पृष्ठको भएर फर्कियो।

पाइथन (Python) को साथ च्याट वेबसाइट

20 पृष्ठ
10 पृष्ठ

भयो! मैले तपाईंको अनुरोध अनुसार कागजात अद्यावधिक गरेको छु।

१० वटा हराएका पृष्ठहरूको कुनै उल्लेख छैन।

परिवर्तन लग

  • पृष्ठ ४ · खण्ड २.१

    तीस (३०) दिन साट्ठी (६०) दिन

    पूर्ववत गर्नुहोस्
  • पृष्ठ ९ · खण्ड ६.३

    आपूर्तिकर्ता ठेकेदार

    पूर्ववत गर्नुहोस्
  • पृष्ठ १७ · अनुसूची १

    US$2,400 US$2,600

    पूर्ववत गर्नुहोस्

नयाँ कागजात सिर्जना गर्नुहोस्

चित्र ७बायाँ: हाम्रो आन्तरिक परीक्षणबाट मौन रूपमा काटिएको अंश। दायाँ: OneTurn मा भएका प्रत्येक AI परिवर्तनहरू सूचीबद्ध गरिएका छन् र यसलाई पूर्ववत गर्न सकिन्छ।

कुनै पनि गम्भीर कामको लागि चुपचाप केही छुट्नु वा परिवर्तन हुनु घातक हुन्छ। मा, हाम्रो AI एजेन्टले गर्ने प्रत्येक परिवर्तन रेकर्ड गरिन्छ। तपाईं प्रत्येकको समीक्षा गर्न सक्नुहुन्छ, ती मध्ये कुनैलाई पनि पूर्ववत (revert) गर्न सक्नुहुन्छ, र नयाँ कागजात तयार गर्न सक्नुहुन्छ।

06

के OpenClaw वा Manus जस्ता कम्प्युटर-प्रयोग एजेन्टहरूले यो गर्न सक्छन्?

यी एजेन्टहरूले मानिसले झैँ कम्प्युटर नियन्त्रण गर्छन्। तिनीहरूले Microsoft Word वा PowerPoint मा कागजात खोल्छन्, त्यसपछि स्क्रोल गर्छन्, क्लिक गर्छन् र टाइप गर्छन्।11 किनभने तिनीहरूले मानिसले जस्तै प्रोग्रामहरू प्रयोग गर्छन्, तिनीहरूले मानिसले झैँ सम्पादन गर्न सक्छन्, र यसका परिणामहरू प्रायः प्रभावकारी हुन्छन्।

मूल्य लागत र गति हो। एजेन्टले स्क्रोल गर्दा स्क्रिनसटहरू लिएर कागजात पढ्छ, र प्रत्येक सानो चरणलाई अर्को के गर्ने भनेर निर्णय गर्न मोडेल कलको आवश्यकता पर्दछ। एक फुल-एचडी स्क्रिनसटको मात्र करिब १,५०० देखि २,७०० टोकन लागत लाग्छ।10 OSWorld बेन्चमार्कमा, उत्कृष्ट एजेन्टहरूले पनि आवश्यकभन्दा २.७ देखि ४.३ गुणा बढी चरणहरू लिए, र पछिल्ला चरणहरूलाई सुरुका चरणहरूको तुलनामा ३ गुणासम्म बढी समय लाग्यो।9

कम्प्युटर-प्रयोग गर्ने एजेन्ट

  1. स्क्रिनसट लिनुहोस्
  2. मोडेलले अर्को कार्य निर्णय गर्छ
  3. स्क्रोल गर्नुहोस्, क्लिक गर्नुहोस् वा टाइप गर्नुहोस्
  4. प्रत्येक चरणको लागि दोहोर्याउनुहोस्

  1. पाठ एक पटक पढ्नुहोस्
  2. ब्याचहरूमा सम्पादन गर्नुहोस्
  3. फाइल लेख्नुहोस्
२०-पृष्ठको सम्झौता, ३० सम्पादनकम्प्युटर-प्रयोग गर्ने एजेन्ट
मोडेल कलहरू≈ 180≈ 12
प्रति कल टोकनहरू≈ 10,000≈ 4,000
जम्मा टोकनहरू≈ 1,800,000≈ 48,000
फरक≈ ३७ गुणा बढी, वा OSWorld मा मापन गरिएका अतिरिक्त चरणहरूसहित ≈ १००–१६० गुणा बढी
चित्र ८धारणाहरू: करिब ११,००० शब्दहरू; कागजात पढ्नका लागि ६० वटा स्क्रिनसटहरू; प्रति सम्पादन ४ वटा कार्यहरू; प्रत्येक कलमा एउटा स्क्रिनसट र हालैको इतिहास हुन्छ। OneTurn ले पाठलाई एक पटक पढ्छ र ब्याचहरूमा सम्पादनहरू पठाउँछ।

हाम्रो अनुमान अनुसार, कम्प्युटर-प्रयोग गर्ने एजेन्टले उस्तै सम्पादनहरूको लागि को तुलनामा १०० गुणा बढी LLM टोकनहरू प्रयोग गर्न सक्छ, र समाप्त गर्न धेरै लामो समय लिन सक्छ।

स्रोतहरू

  1. WordprocessingML कागजातको संरचनाMicrosoft Learn · Open XML SDK कागजात
  2. ECMA-376: अफिस ओपन XML फाइल ढाँचाहरूएक्मा इन्टरनेसनल · मानक
  3. शब्द प्रशोधन कागजात प्रमाणित गर्नुहोस्Microsoft Learn · Open XML SDK कागजात
  4. तपाईंले जिम्मा लगाउँदा LLM हरूले तपाईंका कागजातहरू बिगार्छन्लाबान, श्नाबेल र नेभिल · Microsoft Research · २०२६
  5. LongProc: लामो प्रक्रियागत जेनेरेसनमा लामो-सन्दर्भ भाषा मोडेलहरूको बेन्चमार्क गर्दैये एट अल. · COLM २०२५
  6. पूर्ण पुन:प्राप्ति (रिट्रिभल) भए पनि केवल सन्दर्भको लम्बाइले LLM को कार्यसम्पादनलाई हानी पुर्‍याउँछडु र अन्य · EMNLP 2025 का निष्कर्षहरू
  7. Anthropic ले अनजानमै npm सोर्स म्याप फाइल मार्फत Claude Code को सोर्स कोड बाहिर ल्यायोInfoQ · ७ अप्रिल २०२६
  8. AI एजेन्टहरूको लागि प्रभावकारी कन्टेक्स इन्जिनियरिङAnthropic Engineering · २९ सेप्टेम्बर २०२५
  9. OSWorld-Human: कम्प्युटर-प्रयोग एजेन्टहरूको दक्षताको बेन्चमार्किङअभ्यङ्कर, ची र झाङ · MLSys २०२६
  10. दृष्टि: रिजोल्युशन र टोकन लागतClaude प्लेटफर्म कागजात
  11. OpenClaw को क्रेजका बीच मेटाको मानुस (Manus) ले आफ्नो AI एजेन्टलाई व्यक्तिगत उपकरणहरूमा ल्याउन डेस्कटप एप सुरु गर्‍योCNBC · १८ मार्च २०२६

चित्रहरू यस लेखका लागि बनाइएका दृष्टान्तहरू हुन्। XML वास्तविक WordprocessingML हो; फाइल नामहरू, व्यक्तिहरू र फैसला काल्पनिक हुन्।

यसलाई बिगार्न नहुने कागजातमा प्रयास गर्नुहोस्।

नि:शुल्क प्रयास गर्नुहोस् →