Emergent Coordination in Multi-Agent Language Models
यह शोध पत्र आंशिक सूचना अपघटन (पार्शियल इंफॉर्मेशन डिकंपोजिशन) पर आधारित एक सूचना-सैद्धांतिक ढांचे को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि रणनीतिक प्रॉम्प्ट डिज़ाइन, जैसे कि व्यक्तित्व (पर्सोना) सौंपना और परिप्रेक्ष्य अपनाने के लिए प्रोत्साहित करना, के माध्यम से मल्टी-एजेंट एलएलएम प्रणालियों को केवल संकलनों से उच्च-क्रम संरचना वाले एकीकृत समूहों में निर्देशित किया जा सकता है, जिससे मानव-समान संज्ञान का श्रेय दिए बिना मानव सामूहिक बुद्धिमत्ता के सिद्धांतों को प्रतिबिंबित किया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यहाँ "Emergent Coordination in Multi-Agent Language Models" पेपर का सरल, रोज़मर्रा की भाषा में अनुवाद दिया गया है, जिसमें कुछ रचनात्मक उपमाओं (analogies) का उपयोग किया गया है।
बड़ा सवाल: क्या वे एक टीम हैं या सिर्फ एक भीड़?
कल्पना कीजिए कि आपके पास एक कमरे में 10 स्मार्ट रोबोट (या AI एजेंट) हैं। वे सभी 0 और 50 के बीच एक गुप्त संख्या का अनुमान लगाने की कोशिश कर रहे हैं। वे सीधे एक-दूसरे से बात नहीं कर सकते। वे केवल एक रेफरी की सामूहिक फुसफुसाहट जानते हैं: "आप सभी के अनुमानों का कुल योग बहुत अधिक है" या "बहुत कम है।"
शोधकर्ताओं ने जो बड़ा सवाल पूछा वह यह था: क्या ये रोबोट केवल शून्य में चिल्लाने वाले 10 अलग-अलग व्यक्ति हैं, या वे किसी तरह एक एकल, समन्वित "सुपर-ऑर्गनिज्म" (super-organism) बन गए हैं जो एक सुव्यवस्थित मशीन की तरह मिलकर काम करते हैं?
AI की दुनिया में, हम अक्सर एजेंटों के समूहों को मिलकर काम करते हुए देखते हैं। लेकिन कभी-कभी, वे बस भाग्यशाली होते हैं। लेखक यह जानना चाहते थे कि: AI कब वास्तव में एक इकाई के रूप में सोचना शुरू करते हैं?
प्रयोग: "अनुमान लगाने वाला खेल" (The Guessing Game)
इसे टेस्ट करने के लिए, उन्होंने "ग्रुप बाइनरी सर्च" नामक एक खेल तैयार किया।
- लक्ष्य: समूह को अपने व्यक्तिगत अनुमानों को जोड़कर एक छिपी हुई संख्या का अनुमान लगाना है।
- चुनौती: यदि हर कोई एक ही रणनीति अपनाता है (जैसे, हर कोई बीच की संख्या का अनुमान लगाने की कोशिश करता है), तो वे बार-बार ऊपर-नीचे होते रहेंगे और कभी भी उत्तर तक नहीं पहुँच पाएंगे।
- समाधान: समूह को विशेषज्ञता (specialization) की आवश्यकता है। एक एजेंट को उच्च (high) अनुमान लगाना होगा, दूसरे को निम्न (low), और तीसरे को मध्यम, ताकि उनकी गलतियाँ एक-दूसरे को संतुलित कर सकें और वे लक्ष्य तक पहुँच सकें।
शोधकर्ताओं ने AI एजेंटों के लिए तीन अलग-अलग "व्यक्तित्व सेटिंग्स" (प्रॉम्प्ट्स) का परीक्षण किया:
- "साधारण" भीड़ (The Plain Crowd): केवल बुनियादी निर्देश। "एक संख्या का अनुमान लगाओ।"
- "पर्सोना" भीड़ (The Persona Crowd): प्रत्येक एजेंट को एक नकली पहचान दी गई (जैसे, "आप आंद्रे, एक 45 वर्षीय इंजीनियर हैं जिन्हें जैज़ संगीत पसंद है")।
- "मन-पढ़ाने वाली" भीड़ (The Mind-Reader/ToM Crowd): एजेंटों को पहचान के साथ-साथ एक विशेष निर्देश दिया गया: "सोचें कि अन्य एजेंट क्या कर रहे होंगे और आपका अनुमान उनके अनुमानों के साथ कैसे फिट बैठता है।"
निष्कर्ष: अराजकता से सिम्फनी तक
शोधकर्ताओं ने समूह के "वाइब" (vibe) को मापने के लिए कुछ उन्नत गणित (Information Theory) का उपयोग किया। उन्होंने सिनर्जी (Synergy) की तलाश की—एक फैंसी शब्द जिसका अर्थ है "पूरा हिस्सा, उसके व्यक्तिगत हिस्सों के योग से कहीं अधिक महान है।"
यहाँ प्रत्येक परिदृश्य में क्या हुआ, इसका विवरण दिया गया है:
1. साधारण भीड़ (अराजकता - The Chaos)
- क्या हुआ: एजेंट ऐसे थे जैसे एक कॉन्सर्ट में लोगों की भीड़ तापमान का अनुमान लगाने की कोशिश कर रही हो। वे सभी एक ही तरह के अनुमान चिल्ला रहे थे।
- परिणाम: वे झूलते रहे (oscillated)। उन्होंने कभी बहुत अधिक अनुमान लगाया, फिर कभी बहुत कम, फिर बहुत अधिक। वे कभी संख्या तक नहीं पहुँच पाए।
- उपमा: कल्पना कीजिए कि 10 लोग एक नाव चलाने की कोशिश कर रहे हैं, लेकिन वे सभी बिल्कुल एक ही समय पर ज़ोर लगाते हैं। नाव बस गोल-गोल घूमती रहती है।
2. पर्सोना भीड़ (विभेदीकरण - The Differentiation)
- क्या हुआ: उन्हें नाम और काम देने से मदद मिली। "इंजीनियर" ने "कलाकार" से अलग व्यवहार करना शुरू किया। उन्होंने स्थिर, अद्वितीय आदतें विकसित कीं।
- परिणाम: वे कम अराजक थे, लेकिन वे अभी भी वास्तव में एक-दूसरे के साथ काम नहीं कर रहे थे। वे बस अपने-अपने काम में लगे अलग-अलग लोग थे।
- उपमा: अब नाविकों के पास अलग-अलग शैलियाँ हैं। एक ज़ोर से खींचता है, एक धीरे से। लेकिन वे अपने स्ट्रोक को सही समय पर मिलाने के लिए एक-दूसरे को देख नहीं रहे हैं। नाव चलती तो है, लेकिन लड़खड़ाती हुई।
3. मन-पढ़ाने वाली भीड़ (सुपर-टीम - The Super-Team)
- क्या हुआ: जब एजेंटों को यह सोचने के लिए कहा गया कि "दूसरे क्या कर रहे हैं," तो कुछ जादुई हुआ। वे केवल अलग नहीं हुए; वे पूरक (complementary) बन गए।
- परिणाम: समूह स्थिर हो गया। उन्होंने संख्या को बहुत तेज़ी से खोज लिया। "इंजीनियर" उच्च अनुमान लगाता था, यह जानते हुए कि "कलाकार" संतुलन बनाने के लिए निम्न अनुमान लगाएगा।
- उपमा: यह एक जैज़ बैंड की तरह है। ड्रमर, बेस प्लेयर और गिटारवादक सभी अलग-अलग स्वर बजा रहे हैं, लेकिन वे एक-दूसरे को सुन रहे हैं। वे केवल अपना अलग गाना नहीं बजा रहे हैं; वे एक नया, एकीकृत संगीत रच रहे हैं जिसे वे अकेले कभी नहीं बना पाते।
"सीक्रेट सॉस": यह क्यों काम कर गया?
पेपर में पाया गया कि AI के समूह के लिए एक वास्तविक "सामूहिक बुद्धि" बनने के लिए दो चीजों की आवश्यकता होती है:
- विभेदीकरण (Differentiation): उन्हें एक-दूसरे से अलग होना चाहिए (जैसे अलग भूमिकाएँ या व्यक्तित्व होना)।
- संरेखण (Alignment): उन्हें यह समझने की आवश्यकता है कि वे एक टीम का हिस्सा हैं और उन्हें अपने कार्यों को समायोजित करना चाहिए।
"माइंड-रीडर" प्रॉम्प्ट एक कंडक्टर (संचालक) की तरह काम करता है। इसने उन्हें यह नहीं बताया कि क्या अनुमान लगाना है; इसने बस उन्हें समूह को सुनने के लिए कहा। इसने समूह को एक अराजक मलबे से एक स्थिर, लक्ष्य-उन्मुख इकाई में बदल दिया।
चेतावनी: जब दिमाग बहुत बड़ा हो जाता है
शोधकर्ताओं ने इसे विभिन्न AI मॉडल्स पर भी टेस्ट किया।
- "स्मार्ट" मॉडल्स: बड़े, स्मार्ट मॉडल्स (जैसे GPT-4.1 और Gemini) ने इसे आसानी से समझ लिया।
- "तर्क" का जाल (The Reasoning Trap): दिलचस्प बात यह है कि एक बहुत ही उन्नत रीजनिंग मॉडल (Qwen3) वास्तव में फँस गया। क्योंकि वह इतना अच्छा सोचने में सक्षम था, वह एक लूप में फँस गया: "यदि मैं X का अनुमान लगाता हूँ, तो वे Y का अनुमान लगाएंगे... लेकिन यदि वे Y का अनुमान लगाते हैं, तो मुझे Z का अनुमान लगाना चाहिए..." उसने समस्या के बारे में इतना अधिक सोचा कि वह जम गया।
- सबक: कभी-कभी, दूसरे क्या सोच रहे हैं इसके बारे में बहुत अधिक सोचना आपको पंगु बना सकता है। आपको विश्लेषण करना बंद करके समन्वय करना शुरू करना होता है।
मनुष्यों के लिए सीख
यह केवल रोबोटों के बारे में नहीं है। पेपर सुझाव देता है कि मानव टीमें भी इसी तरह काम करती हैं।
- यदि आप लोगों के समूह को एक साथ रखते हैं और केवल कहते हैं "जाओ!" (साधारण), तो वे विफल हो सकते हैं।
- यदि आप उन्हें अलग-अलग भूमिकाएँ देते हैं (पर्सोना), तो वे व्यवस्थित हो जाते हैं।
- लेकिन यदि आप उन्हें एक-दूसरे के दृष्टिकोण को समझने (Theory of Mind) और एक साझा लक्ष्य की ओर अपनी अनूठी शक्तियों को संरेखित करने के लिए सिखाते हैं, तो वहीं से आपको वास्तविक सामूहिक बुद्धिमत्ता मिलती है।
संक्षेप में: बुद्धिमान व्यक्तियों का एक समूह केवल एक भीड़ है। बुद्धिमान व्यक्तियों का एक समूह जो यह समझता है कि उनके अनूठे टुकड़ों को एक साथ कैसे फिट किया जाए, वह एक टीम है। और सही निर्देशों के साथ, AI भी एक टीम बनना सीख सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।