AI-translated from English; not yet reviewed by a fluent editor.

# खराब गुणवत्ता वाली रिपोर्टों में AI के ग्रिड बहाली फैसलों की जाँच करता है FLARE

> एक नए सिमुलेशन बेंचमार्क में AI एजेंट अक्सर ग्रिड बहाली की संदर्भ योजना जितना अच्छा प्रदर्शन करते हैं। लेकिन उनके सबसे खराब मामले और असुरक्षित स्विच-कार्रवाई के प्रस्ताव स्वतंत्र सुरक्षा जाँच की अहमियत बनाए रखते हैं।

By BIG CHANGE Editorial

Published: 2026-10-19T11:40:34.898Z
Updated: 2026-10-19T11:40:34.898Z
Canonical: https://bigchange.ai/blog/flare-ai-grid-restoration-benchmark-degraded-reports

![Conceptual charcoal miniature of houses and local electricity poles, with an open disconnector prominent in the foreground.](https://bigchange.ai/api/media/file/flare-simulated-feeder-restoration-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual utility, outage, research apparatus or test result is depicted.

शोधकर्ताओं ने [FLARE नाम का सिमुलेशन बेंचमार्क](https://arxiv.org/html/2610.23251v1) बनाया है। यह जाँचता है कि भाषा-मॉडल एजेंट ग्रिड के एक सीमित लेकिन महत्वपूर्ण काम को कैसे संभालते हैं: खराबी वाले हिस्से को पहले ही अलग किए जाने के बाद बिजली बहाल करने का तरीका चुनना। एजेंटों को अपूर्ण या गलत रिपोर्टें मिलती हैं; वे और जानकारी माँग सकते हैं तथा स्विच चलाने के प्रस्ताव दे सकते हैं। भौतिकी पर आधारित एक अलग सुरक्षा तंत्र तय करता है कि जोड़ने वाला स्विच बंद करने का प्रस्ताव सिमुलेट किए गए नेटवर्क में सुरक्षित है या नहीं।

इस शोध के [16 अक्टूबर के प्रीप्रिंट](https://arxiv.org/abs/2610.23251) में पाँच अवलोकन परिस्थितियों में 800 भौतिक मामले और विभिन्न मूल्यांकनों में कुल 78,750 मॉडल एपिसोड दर्ज हैं। यह बहाली के फैसलों और उनके विफल होने के तरीकों की जाँच का एक रास्ता देता है। इसमें किसी बिजली कंपनी के मैदानी परीक्षण या वास्तविक सेवा में मापे गए सुधार की रिपोर्ट नहीं है।

## बड़ा बदलाव

- **क्या बदला:** FLARE केवल किसी उत्तर को अंक देने के बजाय एजेंट के जानकारी जुटाने और स्विच चुनने को सिमुलेशन के विद्युत परिणामों से जोड़ता है। लेखक साफ और सही रिपोर्टों के आधार पर लिए गए फैसलों की तुलना सीमित या त्रुटिपूर्ण रिपोर्टों पर लिए गए फैसलों से कर सकते हैं।
- **यह क्यों मायने रखता है:** ग्रिड शोधकर्ता देख सकता है कि एजेंट कहाँ समय गँवाता है या असुरक्षित स्विच-कार्रवाई सुझाता है, जबकि उस कार्रवाई को लागू होने देने का फैसला एक अलग भौतिक जाँच के पास रहता है। पेपर की खारिज कार्रवाइयाँ दिखाती हैं कि विश्वसनीय लगने वाली योजना खुद अपनी सुरक्षा मंजूरी नहीं बन सकती।
- **आगे किस पर नज़र रखें:** लेखक बिजली कंपनियों के डेटा, मानव ऑपरेटरों के साथ अध्ययन और अधिक पूर्ण विद्युत सत्यापन को भविष्य का काम बताते हैं। इन जाँचों से तय होगा कि खराबी अलग किए जाने के बाद के सिमुलेटेड काम से आगे यह बेंचमार्क निर्णय-सहायता को कितनी जानकारी दे सकता है।

## एजेंट वास्तव में क्या करते हैं

FLARE शुरू होता है **खराबी वाले हिस्से को अलग किए जाने के बाद**, जब वितरण फीडर के कुछ हिस्सों में अब भी बिजली नहीं होती। हर मामले में एजेंट निगरानी रिपोर्ट, ग्राहकों के फोन से मिली जानकारी या खराबी-सूचक की रीडिंग माँग सकता है; निरीक्षण या स्विच परीक्षण का अनुरोध कर सकता है; प्रस्तावित कार्रवाई का सिमुलेशन कर सकता है; खंड-विभाजक स्विच खोल सकता है; जोड़ने वाला स्विच बंद कर सकता है; या रुक सकता है। जोड़ने वाला स्विच बिना बिजली वाले क्षेत्र को दूसरे फीडर से जोड़ सकता है, लेकिन अतिरिक्त माँग से उपकरणों पर ओवरलोड हो सकता है। सिमुलेटेड काम की समय-सीमा 240 मिनट है और टूल कॉल तथा स्विच-कार्रवाइयों की संख्या सीमित है, जैसा कि [बेंचमार्क प्रोटोकॉल](https://arxiv.org/html/2610.23251v1) में बताया गया है।

लेखक CIGRE और SimBench के फीडर नेटवर्क को जर्मनी में मध्यम-वोल्टेज संचालन की मापी गई समय-श्रृंखलाओं के साथ जोड़ते हैं। वे खराबी, अलगाव और स्विच चलाने के परिणामों का सिमुलेशन करते हैं। मुख्य 800 भौतिक मामलों में हर एक के लिए बहाली की व्यवहार्य संदर्भ योजना है। एक मामले के पाँच संस्करण मूल ग्रिड और खराबी को स्थिर रखते हुए एजेंट को दिखाई देने वाली जानकारी बदलते हैं: साफ, विरल, शोरयुक्त, पुरानी या विरोधाभासी नाम की मिश्रित परिस्थिति। आखिरी परिस्थिति निगरानी का दायरा भी घटाती है और कई त्रुटि-दर बढ़ाती है, इसलिए इसके नतीजे केवल विरोधाभासी रिपोर्टों का असर अलग नहीं कर सकते। पेपर के परिशिष्ट के अनुसार पुरानी SCADA जानकारी की उम्र वर्तमान अवस्था की रीडिंग पर लगा लेबल है, पुरानी भौतिक अवस्थाओं को फिर से चलाना नहीं।

## औसत स्कोर मुश्किल मामले छिपा देते हैं

शोधकर्ताओं ने एक ही कार्य-इंटरफेस और निर्धारक डिकोडिंग के साथ निर्देशों का पालन करने के लिए समायोजित पाँच मॉडलों का मूल्यांकन किया। उनका माप, *सामान्यीकृत रिग्रेट*, हर एपिसोड के भारित बिजली-कटौती खर्च की तुलना उस भौतिक मामले के लिए मिली सर्वोत्तम व्यवहार्य संदर्भ योजना और कुछ भी न करने से करता है। शून्य का मतलब संदर्भ जितना खर्च; एक का मतलब किसी भी कार्रवाई के बिना रहने से बेहतर नहीं। खर्च में ग्राहक कितनी देर बिना बिजली रहते हैं, यह शामिल है, और ग्राहक वर्गों को अलग भार दिया जाता है। इसलिए अंत में कितने प्रतिशत ग्राहकों की बिजली बहाल हुई, इससे पूरा परिणाम नहीं बताया जा सकता।

मुख्य अवलोकन परिस्थितियों में, [पेपर की तालिका 2](https://arxiv.org/html/2610.23251v1) Qwen 2.5-7B के लिए औसत रिग्रेट 0.082 से Qwen 2.5-3B के लिए 0.148 तक बताती है। हर मॉडल की माध्यिका शून्य है, यानी उसके कम-से-कम आधे एपिसोड संदर्भ खर्च के बराबर रहे। फिर भी 95वें पर्सेंटाइल का रिग्रेट 0.814 से 1.000 तक है। इसलिए औसत उन कम संख्या वाले एपिसोडों को छिपा देता है जिनके नतीजे सिमुलेटेड कटौती में बिजली बहाल न करने के खर्च के करीब हैं। ये बेंचमार्क के स्कोर हैं, ग्राहकों की वास्तविक बिजली कटौती के माप नहीं।

इस तुलना में मॉडल के अधिक पैरामीटर लगातार फायदा नहीं देते: Qwen 2.5-7B ने परीक्षण किए गए Qwen 2.5-14B और चार-बिट Mistral Small 24B विन्यासों से बेहतर औसत और 95वें पर्सेंटाइल रिग्रेट पाया। पेपर यह भी बताता है कि शोरयुक्त अवलोकनों में उसके आदर्शीकृत पारंपरिक FLISR संदर्भ ने 0.054 और ग्रीडी पद्धति ने 0.060 स्कोर किया, जबकि उस परिस्थिति के सर्वोत्तम भाषा मॉडल ने 0.089 पाया। ये संदर्भ बेंचमार्क के समान समय-नियमों और स्कोर के तहत चले; नतीजे वास्तविक संचालन वाली प्रणालियों की सामान्य रैंकिंग स्थापित नहीं करते।

## सुरक्षा तंत्र ने वे प्रस्ताव पकड़े जिन्हें मॉडलों को लागू नहीं करना चाहिए

जोड़ने वाले स्विच को बंद करने का प्रस्ताव सिमुलेटेड ग्रिड बदलने से पहले FLARE भौतिक अवस्था की एक परीक्षण-प्रति पर जाँचता है कि क्या इससे नेटवर्क की संरचना का उल्लंघन होगा, अलग की गई खराबी पर फिर से बिजली पहुँचेगी या AC पावर-फ्लो की सीमाएँ टूटेंगी। इस जाँच में ऐसी जानकारी इस्तेमाल होती है जो एजेंट को नहीं दी जाती। खारिज प्रस्ताव फिर भी समय लेता है, लेकिन नेटवर्क नहीं बदलता।

इसके बाद शोधकर्ताओं ने सुरक्षा तंत्र द्वारा खारिज 15,706 कार्रवाइयाँ नेटवर्क की प्रतिलिपि अवस्थाओं पर फिर चलाईं। उनके अनुसार 15,142, यानी 96.4%, से भौतिक सीमाओं का उल्लंघन होता। खारिज 8,165 कार्रवाइयों में तापीय ओवरलोड मिला, और उल्लंघन की श्रेणियों को एक-दूसरे से ओवरलैप करने की अनुमति थी। एपिसोडों में वास्तव में लागू कार्रवाइयों से गंभीर विफलताएँ न होना सुरक्षा तंत्र के हस्तक्षेप को दर्शाता है; इससे यह नहीं दिखता कि मॉडलों ने अपने आप सुरक्षित कार्रवाइयाँ चुनीं।

शोधकर्ताओं के लिए उपयोगी अंतर एजेंट की सुझाई योजना की गुणवत्ता और असुरक्षित प्रस्ताव को लागू होने से रोकने वाली स्वतंत्र जाँच के बीच है। FLARE दोनों को सामने लाता है। इसका संतुलित धनात्मक-अनुक्रम पावर-फ्लो मूल रूप से तीन-फेज या शॉर्ट-सर्किट सत्यापन नहीं देता, और लेखक बिजली कंपनियों के डेटा तथा मानव ऑपरेटरों के साथ अध्ययन की जरूरत बताते हैं। अध्ययन खराबी को अलग करने के बाद की सिमुलेटेड बहाली का मूल्यांकन करता है, किसी स्वायत्त बिजली-कंपनी नियंत्रक या वास्तविक बहाली समय में साबित बदलाव का नहीं।

## स्रोत और आगे पढ़ने के लिए

- [FLARE: कम गुणवत्ता वाले अवलोकनों के साथ फीडर बहाली के लिए भाषा-मॉडल एजेंटों का भौतिकी-आधारित मूल्यांकन](https://arxiv.org/html/2610.23251v1)। BHVSP Subrahmanyam और Neeraj Choudhary, arXiv v1, 16 अक्टूबर 2026 को जमा किया गया। पूरा प्रीप्रिंट कार्य की परिभाषा, सिमुलेटेड मामलों की रचना, स्कोरिंग, मॉडल नतीजे, सुरक्षा तंत्र का विश्लेषण और बताई गई सीमाएँ देता है। यह लेखकों का मूल्यांकन है, किसी बिजली कंपनी का मैदानी अध्ययन या स्वतंत्र पुनरावृत्ति नहीं।
- [FLARE का arXiv रिकॉर्ड](https://arxiv.org/abs/2610.23251)। शीर्षक, लेखक, संस्करण और जमा करने का समय पुष्ट करता है तथा मुख्य नतीजे संक्षेप में बताता है। यह रिकॉर्ड कोई अतिरिक्त मैदानी सत्यापन नहीं देता।
- [FLARE कोड रिपॉजिटरी](https://github.com/dr-pandit-69/FLARE-neurips)। लेखकों की सार्वजनिक कोड, विन्यास और समेकित नतीजों की रिपॉजिटरी, 19 अक्टूबर 2026 को देखी गई। इसके README के अनुसार बड़ी ग्रिड आधार-संरचनाएँ, बनाए गए डेटा-पैनल, मॉडल वेट और हर एपिसोड के आउटपुट वहाँ नहीं रखे गए हैं; BIG CHANGE ने बेंचमार्क को चलाया या पुनरुत्पादित नहीं किया।

## Sources

- [FLARE: कम गुणवत्ता वाले अवलोकनों के साथ फीडर बहाली के लिए भाषा-मॉडल एजेंटों का भौतिकी-आधारित मूल्यांकन, arXiv v1 पूरा पाठ](https://arxiv.org/html/2610.23251v1) — मुख्य विधियाँ, तालिकाएँ 1–4, नतीजे और सीमाएँ। लेखकों का सिमुलेटेड मूल्यांकन; बिजली कंपनी का मैदानी सत्यापन या स्वतंत्र पुनरावृत्ति नहीं।
- [arXiv रिकॉर्ड: FLARE](https://arxiv.org/abs/2610.23251) — v1 जमा करने का समय, लेखक, शीर्षक और सारांश के माप पुष्ट करता है; अलग अनुभवजन्य पुष्टि नहीं।
- [FLARE-neurips कोड रिपॉजिटरी](https://github.com/dr-pandit-69/FLARE-neurips) — लेखकों का README कोड, विन्यास और समेकित नतीजों के साथ छोड़ी गई बड़ी ग्रिड आधार-संरचनाओं, बनाए गए पैनलों, वेट और प्रति-एपिसोड आउटपुट का वर्णन करता है। रिपॉजिटरी का होना यह साबित नहीं करता कि BIG CHANGE ने बेंचमार्क चलाया।