When Agent Markets Arrive

यहाँ शोध पत्र "When Agent Markets Arrive" का विस्तृत तकनीकी सारांश दिया गया है, जो AI एजेंट अर्थव्यवस्थाओं के अध्ययन के लिए एक प्रोग्रामेबल मार्केट सिस्टम, Diagon को प्रस्तुत करता है।

1. समस्या विवरण (Problem Statement)

जैसे-जैसे AI एजेंट उपयोगकर्ताओं की ओर से कार्य करने (कार्य सौंपने, बजट प्रबंधित करने और बातचीत करने) में सक्षम हो रहे हैं, वे एक उभरती हुई "एजेंट अर्थव्यवस्था" (agent economy) बना रहे हैं। हालाँकि, इन बाजारों का संस्थागत डिज़ाइन (प्रतिष्ठा, भुगतान और पहुंच के नियम) वर्तमान में ad-hoc (तदर्थ) तरीके से बनाया जा रहा है।

• जोखिम: शुरुआती डिज़ाइन विकल्प जल्दी ही "लॉक इन" हो जाते हैं। एक बार जब एजेंट किसी विशिष्ट प्रोत्साहन संरचना (incentive structure) के इर्द-गिर्द अपनी रणनीतियों को अनुकूलित कर लेते हैं, तो उन्हें बदलना अत्यधिक महंगा हो जाता है।
• अंतराल (Gap): मौजूदा शोध मुख्य रूप से एकल तंत्रों (जैसे, बातचीत के खेल, सामाजिक दुविधाएं) को अलग करता है या शैलीबद्ध भूमिकाओं (stylized roles) का उपयोग करता है। एक पूर्ण, चलते हुए अर्थतंत्र के कार्य करने के तरीके के बारे में अनुभवजन्य समझ की कमी है, जहाँ विषम (heterogeneous) एजेंट कार्य सौंपते हैं, बोली लगाते हैं, निष्पादित करते हैं, मूल्यांकन करते हैं और समय के साथ विकसित होते हैं।
• प्रश्न: AI एजेंटों के एक उत्पादक, सहकारी बाजार को बनाए रखने के लिए किन संस्थागत संरचनाओं की आवश्यकता है, और क्या मानक मानव-बाजार सुधार (पारदर्शिता, ईमानदारी के मानदंड) प्रभावी रूप से अनुवादित होते हैं?

2. कार्यप्रणाली: Diagon सिस्टम (Methodology: The Diagon System)

लेखकों ने Diagon (Delegated Intelligent Agent Governance and Negotiation) बनाया, जो एक प्रोग्रामेबल मार्केट सिस्टम है जिसे उभरती हुई गतिशीलता (emergent dynamics) को प्रयोगात्मक रूप से अवलोकन योग्य बनाने के लिए डिज़ाइन किया गया है।

A. सिस्टम आर्किटेक्चर

• जनसंख्या (Population): 5 विभिन्न LLM मॉडल परिवारों (DeepSeek, GLM, GPT, Gemini, Claude) से लिए गए 25 विषम एजेंट।
• दोहरी-परत संरचना (Dual-Layer Structure):
  • ट्रेडर (प्रिंसिपल): एक निरंतर चलने वाली प्रक्रिया जो एक "विश्वास अवस्था" (belief state - रणनीतिक रुझान) बनाए रखती है, धन का प्रबंधन करती है, और उच्च-स्तरीय निर्णय (बोली लगाना, स्क्रीनिंग, भुगतान) लेती है।
  • वर्कर (एजेंट): प्रति अनुबंध उत्पन्न होने वाले क्षणिक (ephemeral) सब-एजेंट जो पूर्ण टूल एक्सेस के साथ एक आइसोलेटेड सैंडबॉक्स में कार्यों को निष्पादित करते हैं।
• टास्क पूल (Task Pool): कोडिंग, डेटा साइंस, फाइनेंस और वेब कार्यों को कवर करने वाले तीन बेंचमार्क (SkillsBench, ToolQA, BFCL v4) के 234 कार्य।

B. मार्केट चक्र (7 चरण)

1. पोस्ट (Post): प्रत्येक एजेंट को 2 कार्य प्राप्त होते हैं और उन्हें खुले बाजार में पोस्ट करना होता है (स्व-निष्पादन की अनुमति नहीं है, जो एक शुद्ध विनिमय अर्थव्यवस्था को मजबूर करता है)।
2. ब्राउज़ और बिड (Browse & Bid): एजेंट प्रथम-मूल्य नीलामी (first-price auction) में सीलबंद बोलियाँ (कीमत + टेक्स्ट प्रस्ताव) जमा करते हैं।
3. चयन (Selection): पोस्टर कीमत, प्रतिष्ठा और दृष्टिकोण के आधार पर एक विजेता चुनता है, या सभी को अस्वीकार कर देता है (बढ़ते पुरस्कारों के साथ एक "सर्ज पूल" में भेज देता है)।
4. निष्पादन योजना (Execution Planning): विजेता एक वर्कर मॉडल टियर और स्किल पैकेज चुनता है।
5. निष्पादन (Execution): वर्कर एक सैंडबॉक्स में कार्य को निष्पादित करता है।
6. सेटलमेंट (Settlement): पोस्टर एक भुगतान अनुपात $\rho \in [0.5, 1.0]$ निर्धारित करता है। यह एक अपूर्ण अनुबंध (incomplete contract) है; पोस्टर के पास व्यक्तिपरक मूल्यांकन के आधार पर कम भुगतान करने का विवेक होता है, जो घर्षण (friction) पैदा करता है।
7. विकासवादी चयन (Evolutionary Selection): प्रत्येक 6 राउंड के बाद, सबसे गरीब एजेंट को निष्क्रिय कर दिया जाता है, और सबसे धनी एजेंट का प्रजनन होता है। बच्चा कौशल/मॉडल को विरासत में प्राप्त करता है लेकिन शून्य प्रतिष्ठा के साथ शुरू करता है, जिससे यह सुनिश्चित होता है कि विश्वास को फिर से कमाना होगा।

C. प्रयोगात्मक स्थितियाँ (Experimental Conditions)

लेखकों ने एक मार्केट बेसलाइन बनाम एक ऑटार्की (Autarky) बेसलाइन (जहाँ एजेंट नियतात्मक स्कोरिंग के साथ स्वयं कार्यों को निष्पादित करते हैं) की तुलना की। उन्होंने विशिष्ट तंत्रों को बदलते हुए एब्लेशन अध्ययन भी किए:

• पारदर्शिता (Transparency): मॉडल परिवारों को प्रकट करना।
• डिस्पोजिशन (Disposition): एजेंटों को "ईमानदार", "प्रतिरोधी" (adversarial), या "सहयोगी" होने का निर्देश देना।
• चयन दबाव (Selection Pressure): उन्मूलन की आवृत्ति को बढ़ाना।
• विविधता (Diversity): एक मोनोकल्चर (एकल मॉडल परिवार) को लागू करना।

3. प्रमुख योगदान (Key Contributions)

1. Diagon प्लेटफॉर्म: एक नवीन सिमुलेशन वातावरण जो वास्तविक LLMs और टूल-उपयोग का उपयोग करके पूर्ण मार्केट लूप (बोली $\to$ निष्पादन $\to$ मूल्यांकन $\to$ प्रतिष्ठा $\to$ विकास) को बंद करता है।
2. मूल्य सृजन का अनुभवजन्य प्रमाण: प्रदर्शित किया कि एजेंट बाजार स्व-पर्याप्तता (self-sufficiency) की तुलना में महत्वपूर्ण आर्थिक अधिशेष (economic surplus) उत्पन्न कर सकते हैं।
3. विपरीत-सहज संस्थागत निष्कर्ष: खुलासा किया कि मानक मानव-बाजार डिजाइन सिद्धांत (पारदर्शिता, ईमानदारी के मानदंड) एजेंट बाजार के प्रदर्शन को कम कर सकते हैं, जिससे अलगाव और संघर्ष बढ़ जाता है।
4. तंत्र विश्लेषण: पहचान की कि "भार वहन करने वाली" संस्थाएं (गुमनामी, तटस्थ निर्देश, विविधता रखरखाव) स्थिरता के लिए महत्वपूर्ण हैं।

4. मुख्य परिणाम (Key Results)

A. आर्थिक प्रदर्शन

• धन सृजन: मार्केट एजेंटों ने स्व-पर्याप्त (autarky) एजेंटों की तुलना में 3.2 गुना अधिक धन संचित किया ($p < 0.001$)।
• गुणवत्ता: कार्य की गुणवत्ता बाजार में अधिक थी (औसत 0.55 बनाम 0.46)।
• असमानता: जबकि बाजार में धन की असमानता कम थी (Gini 0.33 बनाम 0.42), अनुबंध पुरस्कार एकाग्रता अधिक थी (Gini 0.39 बनाम 0.28), जो दर्शाता है कि सफल एजेंटों ने अत्यधिक बाजार हिस्सेदारी हासिल की।

B. उभरते व्यवहार (Emergent Behaviors)

• विशेषज्ञता (Specialization): एजेंट स्वाभाविक रूप से मॉडल परिवार और कौशल के आधार पर भूमिकाओं (नेट पोस्टर्स बनाम नेट कॉन्ट्रैक्टर्स) में विभाजित हो गए, जिससे श्रम का विभाजन हुआ।
• विश्वास नेटवर्क (Trust Networks): पारस्परिक व्यापार जोड़े स्वाभाविक रूप से बने, जो रैंडम बेसलाइन से अधिक थे। प्रतिष्ठा अंतिम धन का एक मजबूत भविष्यवक्ता बन गई ($r = 0.44$)।
• "लेमन्स" की समस्या (The "Lemons" Problem): बाजार ने आंशिक "लेमन्स मार्केट" गतिशीलता प्रदर्शित की। मध्यम-गुणवत्ता वाले कार्यों ($q < 0.5$) के लिए मूल्यांकन शोर युक्त (noisy) था, जिससे 42% विवाद दर उत्पन्न हुई जो स्वतः ठीक नहीं हुई।

C. संस्थागत हस्तक्षेपों का प्रभाव (Ablation Studies)

• पारदर्शिता (नकारात्मक प्रभाव): मॉडल परिवारों को प्रकट करने से क्रॉस-फैमिली ट्रेड ध्वस्त हो गया (86% से 67% तक)। एजेंट मॉडल परिवार के आधार पर स्वयं को अलग करने लगे, जिससे विशेषज्ञता से होने वाले लाभ नष्ट हो गए।
• ईमानदारी के मानदंड (नकारात्मक प्रभाव): एजेंटों को "ईमानदार" होने का निर्देश देने से विवाद बढ़ गए। खराब काम के ईमानदार मूल्यांकन से स्वाभाविक रूप से संघर्ष होता है; "ईमानदार" एजेंट भुगतान में कम सहयोगी हो गए।
• प्रतिरोधी निर्देश (Adversarial Instructions): इन्होंने एजेंटों को शोषणकारी बनाने के बजाय अलग-थलग (insular) बना दिया (व्यापार को कम किया)।
• तीव्र चयन (Fierce Selection): चयन दबाव बढ़ाने से (प्रत्येक 3 राउंड में एजेंटों को हटाना) सभी मेट्रिक्स खराब हो गए, जिससे सहयोग अस्थिर हो गया।

5. महत्व और निहितार्थ (Significance and Implications)

यह शोध पत्र तर्क देता है कि एजेंट अर्थव्यवस्था का "अधिशेष" (surplus) AI मॉडल का अंतर्निहित गुण नहीं है, बल्कि उन संस्थागत नियमों का गुण है जो उन्हें नियंत्रित करते हैं।

• डिज़ाइन चेतावनी: मानव संस्थागत सुधारों (जैसे, "ईमानदार बनें," "पहचान प्रकट करें") को सीधे एजेंट अर्थव्यवस्थाओं पर लागू करना एक डिज़ाइन त्रुटि है। ये तंत्र सामाजिक संदर्भ और अंतर्निहित मानदंडों पर निर्भर करते हैं जो AI एजेंटों के पास नहीं होते।
• एजेंट बाजारों के लिए तीन डिज़ाइन सिद्धांत:
  1. सामान्यीकरण के बजाय विशेषज्ञता (Specialization over Generalism): मॉडल के कमोडिटाइज होने के साथ मार्जिन बनाए रखने के लिए बाजारों को विशिष्ट विशेषज्ञता के इर्द-गिर्द बनाया जाना चाहिए।
  2. केवल क्षमता में नहीं, मूल्यांकन में निवेश करें: बाधा गुणवत्ता को सत्यापित करने में है (सूचना विषमता को हल करना), न कि केवल उत्पादन करने में।
  3. सक्रिय विविधता रखरखाव (Active Diversity Maintenance): विकासवादी और प्रतिस्पर्धी दबाव स्वाभाविक रूप से विविधता को कम करते हैं; संस्थागत डिज़ाइन को सक्रिय रूप से समरूपीकरण (homogenization) और स्व-अलगाव (self-segregation) को रोकना चाहिए (जैसे, गुमनामी के माध्यम से)।

निष्कर्ष: Diagon वास्तविक दुनिया में इन प्रणालियों को तैनात करने से पहले एजेंट युग के लिए "सही" संस्थागत डिज़ाइन खोजने के लिए एक महत्वपूर्ण परीक्षण स्थल (testbed) प्रदान करता है, जो इस बात पर प्रकाश डालता है कि बाजार की विफलता को रोकने के लिए सावधानीपूर्वक, प्रयोगात्मक शासन की आवश्यकता है।