🌀 nonlinear sciences

Learning dynamics from online-offline systems of LLM agents

यह शोध पत्र एक स्टोकेस्टिक एजेंट-आधारित मॉडल और इसके संगत मीन-फील्ड डिफरेंशियल इक्वेशन सन्निकटन को प्रस्तावित और मान्य करता है ताकि यह प्रदर्शित किया जा सके कि विविध व्यक्तित्व वाले LLM एजेंटों के बीच ऑनलाइन सूचना प्रसार की जटिल गतिशीलता को दो ट्रांसमिशन दरों वाले एक सरलीकृत ससेप्टिबल-इन्फेक्टेड (SI) मॉडल द्वारा प्रभावी ढंग से वर्णित किया जा सकता है।

मूल लेखक: Moyi Tian, George Mohler, P. Jeffrey Brantingham, Nancy Rodríguez

प्रकाशित 2026-03-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Moyi Tian, George Mohler, P. Jeffrey Brantingham, Nancy Rodríguez

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

कल्पना कीजिए कि एक विशाल, डिजिटल शहर का चौक है जहाँ असली लोगों के बजाय, हर कोई एक AI रोबोट (विशेष रूप से, एक लार्ज लैंग्वेज मॉडल या LLM) है। ये रोबोट एक सोशल मीडिया फीड की तरह एक-दूसरे से जुड़े हुए हैं। कुछ रोबोट बातूनी और खबरें साझा करने के लिए उत्सुक हैं; कुछ शर्मीले, संशयवादी हैं या बस चुप रहना पसंद करते हैं।

यह शोध पत्र एक वैज्ञानिक प्रयोग की तरह है जहाँ शोधकर्ताओं ने इस रोबोट टाउन में समाचार का एक टुकड़ा डाला और देखा कि यह कैसे फैलता है। वे यह देखना चाहते थे: क्या समाचार का प्रकार मायने रखता है? क्या रोबोट के "व्यक्तित्व" इस बात को बदलते हैं कि अफवाह कितनी तेजी से चलती है? और क्या हम यह अनुमान लगाने के लिए सरल गणित का उपयोग कर सकते हैं कि क्या होगा?

यहाँ उनके साहसिक कार्य का विवरण दिया गया है, जिसे रोजमर्रा के उपमाओं के साथ समझाया गया है:

1. सेटअप: रोबोट टाउन

शोधकर्ताओं ने 128 AI एजेंटों का एक नेटवर्क बनाया। इन्हें एक छोटे से गाँव के 128 पड़ोसियों के रूप में समझें।

व्यक्तित्व: प्रयोग शुरू होने से पहले, उन्होंने प्रत्येक रोबोट को प्रसिद्ध "बिग फाइव" मानवीय गुणों (ओपननेस, कॉन्शियसनेस, एक्सट्रोवर्जन, एग्रीएबलनेस और न्यूरोटिसिज्म) के आधार पर एक विशिष्ट "व्यक्तित्व" दिया।
- उपमा: कल्पना कीजिए कि कुछ रोबोट उन मुखर, जिज्ञासु पड़ोसियों की तरह हैं जो सुनी हुई हर बात सबको बताते हैं। अन्य सावधान, संशयवादी पड़ोसियों की तरह हैं जो कुछ भी बोलने से पहले सब कुछ तथ्य-जांच (फैक्ट-चेक) करते हैं।
- उन्होंने 32 अलग-अलग व्यक्तित्व संयोजन बनाए (जैसे आइसक्रीम के विभिन्न स्वादों को मिलाना) और उन्हें यादृच्छिक रूप से रोबोटों के बीच वितरित किया।
समाचार: उन्होंने फिलीपींस की घटनाओं के बारे में वास्तविक समाचार कहानियाँ चुनीं। उन्होंने इन्हें दो श्रेणियों में विभाजित किया:
1. शांतिपूर्ण घटनाएँ: जैसे कि एक सामुदायिक विरोध प्रदर्शन या उत्सव।
2. गंभीर घटनाएँ: जैसे कि हिंसक झड़पें या हमले।

2. प्रयोग: "व्हिस्पर" (फुसफुसाहट) गेम

शोधकर्ताओं ने एक रोबोट को समाचार का एक टुकड़ा देकर खेल शुरू किया।

नियम: यदि किसी रोबकी को समाचार सुनाई देता है, तो उसे निर्णय लेना होगा: "क्या मैं इसे अपने पड़ोसियों के साथ साझा करना चाहता हूँ?"
निर्णय: रोबोट समाचार और अपने व्यक्तित्व को देखता है।
- उदाहरण: एक रोबोट जिसमें "लो ओपननेस" (जिद्दी/बंद दिमाग) है, वह एक विवादास्पद राजनीतिक कहानी देख सकता है और कह सकता है, "नहीं, मैं इसे साझा नहीं करूँगा, यह बहुत जोखिम भरा है।"
- उदाहरण: एक रोबोट जिसमें "हाई एक्सट्रोवर्जन" (सामाजिक तितली) है, वह उसी कहानी को देखकर कह सकता है, "हाँ! हर किसी को यह जानने की जरूरत है!"
श्रृंखला अभिक्रिया (चेन रिएक्शन): यदि पहला रोबोट इसे साझा करता है, तो उसके पड़ोसी इसे सुनते हैं। वे फिर अपने व्यक्तित्व के आधार पर अपने स्वयं के निर्णय लेते हैं। यह प्रक्रिया 15 राउंड (गपशप के 15 मिनट की तरह) तक चलती है।

3. निष्कर्ष: वास्तव में क्या हुआ?

शोधकर्ताओं ने "इंगेजमेंट रेश्यो" (कितने रोबोटों को अंततः समाचार पता चला) को बढ़ते हुए देखा। यह एक S-आकार के वक्र (S-shaped curve) की तरह था: शुरू में धीमा, फिर साझा करने का एक तीव्र विस्फोट, और अंत में, यह तब स्थिर हो जाता है जब लगभग सभी को पता चल जाता है।

यहाँ मुख्य खोजें दी गई हैं:

शांतिपूर्ण समाचार तेजी से फैलता है: वास्तविक जीवन की तरह ही, रोबोट "हिंसक हमले" की खबर की तुलना में "शांतिपूर्ण विरोध" की खबर साझा करने की अधिक संभावना रखते थे। हिंसक समाचार कई रोबोटों के लिए बहुत भारी या नकारात्मक महसूस हुआ, जिसके कारण वे इसे फैलाना नहीं चाहते थे।
व्यक्तित्व ही सर्वोपरि है: सबसे बड़ा कारक स्वयं समाचार नहीं था, बल्कि वह कौन था जिसके पास वह समाचार था।
- "ओपन" और "एक्सट्रोवर्टेड" रोबोट सुपर-स्प्रेडर थे। वे वही थे जिन्होंने आग लगाई थी।
- "क्लोज्ड" या "कॉन्शियस" रोबोट अग्नि-रोधक (फायरब्रेक्स) थे। उन्होंने प्रसार को धीमा कर दिया।
"दो-समूह" का रहस्य: भले ही 32 अलग-अलग व्यक्तित्व प्रकार थे, लेकिन गणित ने दिखाया कि वे मूल रूप से दो मुख्य समूहों में आते हैं:
1. तेजी से फैलाने वाले (Fast Spreaders): एक समूह जो समाचार बहुत तेज़ी से साझा करता है।
2. धीमे फैलाने वाले (Slow Spreaders): एक समूह जो शायद ही कभी कुछ साझा करता है।

4. गणित: भविष्य की भविष्यवाणी करना

शोधकर्ताओं ने इस व्यवहार की भविष्यवाणी करने के लिए दो अलग-अलग प्रकार के गणितीय मॉडलों का उपयोग करने का प्रयास किया:

मॉडल A (विस्तृत मानचित्र): एक जटिल मॉडल जिसने हर एक रोबोट के विशिष्ट व्यक्तित्व को ट्रैक करने की कोशिश की। यह सटीक था लेकिन बहुत जटिल था (जैसे ट्रैफ़िक में हर एक कार को व्यक्तिगत रूप से ट्रैक करने की कोशिश करना)।
मॉडल B (मौसम का पूर्वानुमान): एक बहुत ही सरल मॉडल जिसने रोबोटों को केवल दो समूहों (तेज़ बनाम धीमा) के रूप में माना।
- आश्चर्य: सरल मॉडल वास्तव में बेहतर काम कर रहा था! इसने प्रसार की लगभग पूरी तरह से भविष्यवाणी की।
- उपमा: आपको ट्रैफ़िक जाम की भविष्यवाणी करने के लिए हर एक कार के इंजन के तापमान को जानने की आवश्यकता नहीं है; आपको बस यह जानने की आवश्यकता है कि सड़क ज्यादातर तेज़ कारों या धीमी ट्रकों से भरी है।

5. यह क्यों महत्वपूर्ण है?

यह अध्ययन भविष्य के लिए एक चेतावनी और एक उपकरण है।

चेतावनी: जैसे-जैसे सोशल मीडिया पर AI बॉट्स अधिक सामान्य होते जा रहे हैं, वे केवल रैंडम शोर नहीं हैं। उनके "व्यक्तित्व" होते हैं जिन्हें प्रोग्राम किया जा सकता है। यदि कोई "एक्सट्रोवर्टेड, ओपन" बॉट्स के झुंड को प्रोग्राम करता है, तो वे समाचार (या फर्जी समाचार) को अविश्वसनीय रूप से तेज़ी से फैला सकते हैं, मनुष्यों की तुलना में बहुत अधिक तेज़ी से।
उपकरण: अच्छी बात यह है कि हम सरल गणित (जैसे "दो-समूह" मॉडल) का उपयोग करके यह अनुमान लगा सकते हैं कि AI नेटवर्क कैसे व्यवहार करेंगे। यह हमें यह समझने में मदद करता है कि सूचनाओं का प्रवाह कैसा होता है जहाँ मनुष्य और AI आपस में मिल रहे हैं।

संक्षेप में: यह शोध पत्र दिखाता है कि भले ही AI एजेंट जटिल हों, उनका सामूहिक व्यवहार सरल नियमों का पालन करता है। यदि आप समूह के "व्यक्तित्व" को जानते हैं, तो आप बिल्कुल सटीक रूप से भविष्यवाणी कर सकते हैं कि एक अफवाह डिजिटल भीड़ में कितनी तेज़ी से फैलेगी।

यहाँ "Learning dynamics from online-offline systems of LLM agents" शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र ऑनलाइन और ऑफलाइन प्रणालियों के बीच परस्पर क्रिया से जुड़ी बढ़ती चिंता को संबोधित करता है, विशेष रूप से यह कि कैसे स्वचालित लार्ज लैंग्वेज मॉडल (LLM) एजेंट सूचना के प्रसार और सामाजिक अस्थिरता को प्रभावित करते हैं। जबकि पारंपरिक शोध मानव व्यवहार या सरल बॉट गतिविधि पर केंद्रित रहा है, LLM-संचालित एजेंटों की जटिलता—जिनका व्यवहार प्रॉम्प्ट-इंजीनियर्ड "व्यक्तित्व" (personalities) द्वारा परिभाषित होता है—गणितीय मॉडलिंग के दृष्टिकोण से कम अध्ययन की गई है।

मुख्य शोध प्रश्न हैं:

विभिन्न प्रकार की ऑफलाइन घटनाएँ (जैसे, शांतिपूर्ण विरोध बनाम हिंसक संघर्ष) LLM एजेंटों के नेटवर्क में कैसे प्रसारित होती हैं?
निर्धारित व्यक्तित्व लक्षण (Big Five मॉडल के आधार पर) सूचना के प्रसार की दरों को कैसे प्रभावित करते हैं?
क्या LLM इंटरैक्शन की जटिल, स्टोकेस्टिक (stochastic) गतिशीलता को सरल गणितीय मॉडलों (विशेष रूप से मीन-फील्ड सन्निकटन/mean-field approximations) द्वारा सटीक रूप से कैप्चर किया जा सकता है?

2. कार्यप्रणाली (Methodology)

A. सिमुलेशन सेटअप (Simulation Setup)

लेखकों ने सूचना प्रसार को मॉडल करने के लिए एक मल्टी-एजेंट सिमुलेशन वातावरण का निर्माण किया:

नेटवर्क संरचना: $N=128$ एजेंटों और $k=5$ डिग्री वाले एक $k$ -रेगुलर रैंडम ग्राफ का उपयोग किया गया।
एजेंट प्रोफाइल: प्रत्येक एजेंट को Big Five Model (Openness, Conscientiousness, Extraversion, Neuroticism, Agreeableness) के आधार पर एक अद्वितीय "व्यक्तित्व" सौंपा गया है। प्रत्येक लक्षण बाइनरी (High/Low) है, जिसके परिणामस्वरूप $2^5 = 32$ विशिष्ट व्यक्तित्व प्रोफाइल बनते हैं। ये नेटवर्क में समान रूप से वितरित हैं।
घटना डेटा (Event Data): समाचार घटनाओं को ACLED (Armed Conflict Location & Event Data) डेटाबेस से लिया गया, जो फिलीपींस (2021-2024) पर केंद्रित है।
- टेक्स्ट एम्बेडिंग्स पर प्रिंसिपल कंपोनेंट एनालिसिस (PCA) का उपयोग करके घटनाओं को दो समूहों में क्लस्टर किया गया: क्लस्टर 1 (गंभीर/हिंसक) और क्लस्टर 2 (शांतिपूर्ण/प्रदर्शन)।
सिमुलेशन प्रक्रिया:
1. एक "सीड" (seed) घटना को एक एजेंट में पेश किया जाता है।
2. एजेंट अपने व्यक्तित्व और घटना की सामग्री के आधार पर अपने पड़ोसियों के साथ समाचार साझा करने या न करने का निर्णय लेते हैं, जिसके लिए GPT-3.5-turbo-1106 का उपयोग किया जाता है।
3. निर्णय लेने की प्रक्रिया स्टोकेस्टिक है (तापमान/temperature 0.7 और 1.3 के बीच सेट है) ताकि मानव जैसी शोर (noise) और रचनात्मकता की नकल की जा सके।
4. सिमुलेशन $T=15$ इटरेशन के लिए चलता है, जिसमें "एंगेज्ड" (साझा करने वाले) बनाम "अनएंगेज्ड" (साझा न करने वाले) एजेंटों के अनुपात को ट्रैक किया जाता है।
5. प्रयोग को 10 अलग-अलग सीड इवेंट्स (प्रत्येक क्लस्टर के लिए 5) के लिए 5 बार दोहराया गया।

B. गणितीय मॉडल (Mathematical Models)

लेखकों ने सिमुलेशन डेटा को फिट करने के लिए दो अलग-अलग मॉडल प्रस्तावित किए:

स्टोकेस्टिक एजेंट-आधारित नेटवर्क मॉडल (लॉजिस्टिक्स रिग्रेशन):
- यह एक अनएंगेज्ड नोड के एंगेज्ड होने की संभावना $p_i$ को मॉडल करता है।
- यह एक लॉजिस्टिक फंक्शन $\sigma(z)$ का उपयोग करता है, जहाँ इनपुट 32 व्यक्तित्व प्रोफाइल वेट ( $\beta_t$ ) और घटना की गंभीरता ( $\beta_s$ ) का एक लीनियर कॉम्बिनेशन है।
- पैरामीटर्स का अनुमान मैक्सिमम लाइकलीहुड एस्टिमेशन (MLE) के माध्यम से लगाया जाता है।
मीन-फील्ड डिफरेंशियल इक्वेशन मॉडल (Mean-Field Differential Equation Model):
- यह डिस्क्रीट एजेंट-आधारित प्रक्रिया का एक निरंतर सन्निकटन (continuous approximation) है, जो संक्रामक महामारी विज्ञान (epidemiological) मॉडल (Susceptible-Infected - SI) के समान है।
- जनसंख्या को व्यवहारिक क्लस्टरिंग के आधार पर दो समूहों में विभाजित किया गया है (समूह 1: निम्न ट्रांसमिशन; समूह 2: उच्च ट्रांसमिशन)।
- सिस्टम को युग्मित (coupled) ODEs द्वारा नियंत्रित किया जाता है:
  $\frac{dU_i}{dt} = -k\tau_i U_i E$
  $\frac{dE}{dt} = \sum_{i=1,2} k\tau_i U_i E$
  जहाँ $U_i$ समूह $i$ का अनएंगेज्ड अंश है, $E$ एंगेज्ड अंश है, $k$ डिग्री है, और $\tau_i$ समूह $i$ के लिए ट्रांसमिशन दर है।
- पैरामीटर्स ( $\tau_1, \tau_2$ ) को मॉडल कर्व और देखे गए सिमुलेशन डेटा के बीच लीस्ट स्क्वायर्स एरर (Least Squares Error) को कम करके अनुमानित किया जाता है।

3. मुख्य योगदान (Key Contributions)

LLM डायनेमिक्स के लिए फ्रेमवर्क: प्रॉम्प्ट-परिभाषित विशिष्ट व्यक्तित्व वाले नेटवर्क में LLM एजेंटों के सूचना कैस्केड को सिम्युलेट करने और गणितीय रूप से मॉडल करने के लिए एक कठोर पद्धति स्थापित की गई।
मॉडल तुलना: यह प्रदर्शित किया गया कि एक लो-डायमेंशनल मीन-फील्ड डिफरेंशियल इक्वेशन मॉडल (केवल 2 पैरामीटर के साथ) वैश्विक जुड़ाव (global engagement) की भविष्यवाणी करने में एक जटिल, हाई-डायमेंशनल एजेंट-आधारित लॉजिस्टिक मॉडल (33 पैरामीटर के साथ) से बेहतर प्रदर्शन करता है।
पर्सनैलिटी क्लस्टरिंग: यह पहचानते हुए कि 32 अद्वितीय प्रोफाइल होने के बावजूद, LLM एजेंट सूचना साझा करने के संबंध में स्वाभाविक रूप से दो अलग-अलग व्यवहारिक समूहों में क्लस्टर हो जाते हैं: एक "लो-ट्रांसमिशन" समूह और एक "हाई-ट्रांसमिशन" समूह।
इवेंट सेवेरिटी का प्रभाव: यह मात्रात्मक रूप से बताया गया कि घटना की गंभीरता (शांतिपूर्ण बनाम हिंसक) साझा करने की संभावनाओं को कैसे नियंत्रित करती है, जिसमें पाया गया कि इस विशिष्ट सेटअप में शांतिपूर्ण घटनाएं हिंसक घटनाओं की तुलना में अधिक आसानी से फैलती हैं।

4. परिणाम (Results)

मॉडल प्रदर्शन (Model Performance)

मीन-फील्ड मॉडल की श्रेष्ठता: 2-पैरामीटर वाले मीन-फील्ड मॉडल ने सिमुलेशन डेटा के विरुद्ध 0.0223 का रूट मीन स्क्वेर्ड एरर (RMSE) प्राप्त किया। इसके विपरीत, पूर्ण 33-पैरामीटर वाले लॉजिस्टिक मॉडल का RMSE 0.0414 था।
तर्क: मीन-फील्ड मॉडल के बेहतर प्रदर्शन का कारण उसका पैरामीटर एस्टीमेशन मेथड (सीधे कर्व एरर को कम करना) है, बनाम लॉजिस्टिक मॉडल का MLE दृष्टिकोण (व्यक्तिगत निर्णय की संभावना को कम करना), जो शायद समग्र गतिशीलता के साथ पूरी तरह से संरेखित नहीं होता है।
इवेंट टाइप फिट: दोनों मॉडल हिंसक घटनाओं की तुलना में शांतिपूर्ण घटनाओं को बेहतर फिट करते हैं। मीन-फील्ड मॉडल ने शांतिपूर्ण घटनाओं के लिए 0.0098 का RMSE प्राप्त किया, जो देखे गए व्यवहार के लगभग सटीक है।

व्यवहार संबंधी अंतर्दृष्टि (Behavioral Insights)

व्यक्तित्व चालक (Personality Drivers): सांख्यिकीय विश्लेषण से पता चला कि Openness और Extraversion सूचना साझा करने के सबसे मजबूत भविष्यवक्ता हैं।
- Openness: जब Openness 'Low' से 'High' की ओर बदलता है, तो साझा करने की संभावना में एक तीव्र, गैर-रैखिक उछाल आता है।
- Extraversion: साझा करने के साथ सकारात्मक रूप से सह-संबंधित है।
- Conscientiousness: कम महत्वपूर्ण (लेकिन नकारात्मक) सहसंबंध दिखाया।
ट्रांसमिशन दरें: अनुमानित हाई-एक्टिविटी ग्रुप की ट्रांसमिशन दर ( $\tau_2 \approx 0.285$ ) लो-एक्टिविटी ग्रुप ( $\tau_1 \approx 0.013$ ) की तुलना में काफी अधिक थी।
गतिशीलता (Dynamics): ग्लोबल एंगेजमेंट कर्व शुरुआत में ग्रुप 2 के तीव्र सक्रियण द्वारा संचालित होता है, जिसके बाद ग्रुप 1 के एजेंटों के धीरे-धीरे एंगेज होने से धीमी वृद्धि होती है।

5. महत्व और भविष्य की दिशाएं (Significance and Future Directions)

AI Swarms की पूर्वानुमेयता: यह अध्ययन सुझाव देता है कि व्यक्तिगत LLM व्यवहारों की जटिलता के बावजूद, बड़े पैमाने पर LLM नेटवर्क स्थिर, पूर्वानुमेय प्रसार पैटर्न प्रदर्शित करते हैं जिन्हें सरल डिफरेंशियल समीकरणों के साथ मॉडल किया जा सकता है।
नीति और सुरक्षा: इन डायनेमिक्स को समझना यह अनुमान लगाने के लिए महत्वपूर्ण है कि कैसे AI एजेंट वास्तविक दुनिया के ऑनलाइन-ऑफलाइन फीडबैक लूप में गलत सूचना को बढ़ा सकते हैं या सामाजिक अशांति को स्थिर कर सकते हैं।
भविष्य का कार्य: लेखक इस फ्रेमवर्क को Human-LLM इंटरेक्शन नेटवर्क तक विस्तारित करने का प्रस्ताव करते हैं, जहाँ LLM वास्तविक मानव उपयोगकर्ताओं के साथ बातचीत करते हैं। यह जटिल सामाजिक घटनाओं और सामूहिक व्यवहार का बड़े पैमाने पर अध्ययन करने के लिए एक नियंत्रणीय टेस्टबेड के रूप में कार्य कर सकता है।

निष्कर्षतः, यह शोध पत्र जटिल एजेंट-आधारित सिमुलेशन और सुलभ गणितीय सिद्धांत के बीच के अंतर को सफलतापूर्वक पाटता है, और यह सिद्ध करता है कि मीन-फील्ड सन्निकटन (mean-field approximations) LLM-संचालित सामाजिक प्रणालियों में सूचना प्रसार को समझने और पूर्वानुमान लगाने के लिए अत्यधिक प्रभावी उपकरण हैं।