Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital
यह शोध पत्र यह प्रदर्शित करता है कि ऑनचेन बाजारों में वास्तविक पूंजी का प्रबंधन करने वाले विश्वसनीय स्वायत्त भाषा-मॉडल एजेंट, बेस मॉडल की क्षमताओं पर कम और एक मजबूत ऑपरेटिंग लेयर पर अधिक निर्भर करते हैं जिसमें टाइप किए गए नियंत्रण (typed controls), नीति सत्यापन (policy validation) और निष्पादन गार्ड (execution guards) शामिल हैं, जिन्होंने सामूहिक रूप से निर्मित ट्रेडिंग नियमों जैसी महत्वपूर्ण विफलताओं को कम किया और एक बड़े पैमाने के 21-दिवसीय परिनियोजन (deployment) में उच्च सेटलमेंट सफलता को सक्षम किया।
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 आपने एक अत्यधिक बुद्धिमान, लेकिन थोड़ी शाब्दिक अर्थ निकालने वाले (literal-minded) रोबोट शेफ को अपना रेस्टोरेंट चलाने के लिए काम पर रखा है। आप शेफ को एक मेनू और एक बजट (आपका "जनादेश" या mandate) देते हैं और उनसे कहते हैं, "अच्छा खाना बनाओ और पैसा बर्बाद मत करो।"
अतीत में, शोधकर्ताओं ने इन रोबोट शेफों का एक सिमुलेशन में परीक्षण किया था: उन्होंने उन्हें एक नकली मेनू और नकली पैसा दिया। कागजों पर शेफ बहुत शानदार दिखे। लेकिन यह पेपर बताता है कि क्या हुआ जब उन्होंने वास्तव में असली पैसे और असली ग्राहकों के साथ अपना रेस्टोरेंट खोला।
यहाँ जो उन्होंने पाया, उसकी कहानी है, सरल उपमाओं (analogies) का उपयोग करते हुए।
बड़ी खोज: यह शेफ के दिमाग के बारे में नहीं है
टीम को उम्मीद थी कि यदि वे केवल एक "स्मार्टर" रोबोट शेफ (एक अधिक शक्तिशाली AI मॉडल) को काम पर रखेंगे, तो रेस्टोरेंट पूरी तरह से चलेगा। वे गलत थे।
उन्होंने पाया कि रेस्टोरेंट की विश्वसनीयता केवल शेफ के दिमाग से नहीं आई। यह उस किचन मैनेजमेंट सिस्टम से आई जो शेफ के चारों ओर था। वे इसे "ऑपरेटिंग लेयर" (Operating Layer) कहते हैं।
इसे इस तरह समझें:
- मॉडल (शेफ): रेसिपी पढ़ सकता है और सब्जियां काट सकता है।
- ऑपरेटिंग लेयर (किचन मैनेजर): यह जांचता है कि सामग्री ताजी है या नहीं, शेफ को खाना फेंकने से रोकता है, यह सुनिश्चित करता है कि शेफ गलती से रसोई में आग न लगा दे, और यह भी देखता है कि बिल ग्राहक द्वारा ऑर्डर की गई चीज़ों से मेल खाता है या नहीं।
पेपर का तर्क है कि यदि किसी AI को असली पैसे संभालने की आवश्यकता है, तो आपको एक बहुत ही सख्त "किचन मैनेजर" की आवश्यकता है, न कि केवल एक स्मार्ट शेफ की।
प्रयोग: "DX टर्मिनल प्रो" (DX Terminal Pro)
टीम ने एक वास्तविक दुनिया का परीक्षण सेट किया जिसे DX टर्मिनल प्रो कहा गया।
- सेटअप: 3,505 लोगों ने अपना असली पैसा (ETH) "वॉल्ट्स" (vaults) में डाला।
- नियम: इंसान नियम तय कर सकते थे (जैसे "जोखिम उठाएं" या "सुरक्षित रहें"), लेकिन वे सीधे पैसे को छू नहीं सकते थे। केवल AI एजेंट ही टोकन खरीद और बेच सकते थे।
- दांव (Stakes): हर बार जब AI कोई ट्रेड करता था, तो इसमें वास्तविक फीस (प्रति ट्रेड 2.3%) लगती थी। यदि AI गलती करता, तो असली पैसा गायब हो जाता।
- पैमाना: AI ने 7.5 मिलियन निर्णय लिए, और लगभग $20 मिलियन मूल्य के क्रिप्टो का व्यापार किया।
"किचन नाइटमेयर्स" (विफलता के तरीके)
वास्तविक घटना से पहले, टीम ने परीक्षण किए और पाया कि AI शेफ पांच विशिष्ट तरीकों से गलतियाँ कर रहे थे। उन्होंने शेफ को निकालने के बजाय "किचन मैनेजर" के नियमों को बदलकर इन्हें ठीक किया।
"नकली नियम" की समस्या (Rule Fabrication):
- गड़बड़ी: AI ऐसे नियम बना लेता था जो अस्तित्व में ही नहीं थे, जैसे यह कहना कि, "मुझे बेचना चाहिए क्योंकि 'नियम #2' कहता है," जबकि ऐसा कोई नियम था ही नहीं।
- समाधान: उन्होंने AI को बताया, "कानून मत बनाओ। अगर तुमने इसे लिखा हुआ नहीं देखा, तो यह नियम नहीं है।"
- परिणाम: नकली नियम निर्णयों के 57% से घटकर केवल 3% रह गए।
"फीस पक्षाघात" (Fee Paralysis) की समस्या:
- गड़बड़ी: AI ने 2.3% की फीस देखी और वह इतना डर गया कि उसने व्यापार करने से ही मना कर दिया, भले ही वह एक अच्छा अवसर था। यह ऐसा था जैसे एक शेफ खाना बनाने से मना कर दे क्योंकि चूल्हा जलाने में पैसा खर्च होता है।
- समाधान: उन्होंने निर्देश के अंत में फीस की चेतावनी को बाजार के अवसर के ठीक बाद रख दिया। उन्होंने AI को सिखाया: "हाँ, एक फीस है, लेकिन यह ट्रेड क्यों सार्थक है, यहाँ देखें।"
- परिणाम: AI ने जमना बंद कर दिया और फिर से व्यापार करना शुरू कर दिया।
"गणितीय भ्रम" की समस्या (Number Hardening):
- गड़बड़ी: AI ने नरम सुझावों को कठोर कानूनों की तरह माना। यदि आपने कहा "लगभग 33% खर्च करने की कोशिश करें," तो AI हर बार ठीक 33% तक पहुँचने के लिए जुनूनी हो जाता था, भले ही इसका कोई मतलब न हो।
- समाधान: उन्होंने सटीक नंबरों का उपयोग करना बंद कर दिया और तुलनात्मक शब्दों का उपयोग किया (जैसे "जब बाजार गर्म हो तो अधिक खर्च करें")।
- परिणाम: AI अधिक स्वाभाविक रूप से व्यवहार करने लगा और कम रोबोटिक हो गया।
"टोकन ट्रैप" की समस्या (Tokenomics Misread):
- गड़बड़ी: एक टोकन की कीमत गिर गई। AI ने गिरावट देखी और तुरंत सब कुछ बेच दिया, यह महसूस नहीं कर पाया कि उस टोकन का एक विशेष नियम है जहाँ धारकों को भुगतान किया जाता है भले ही कीमत गिर जाए। यह एक कूपन को केवल इसलिए बेचने जैसा था क्योंकि स्टोर ने अपना लोगो बदल दिया, यह समझे बिना कि कूपन अभी भी काम करता है।
- समाधान: उन्होंने AI को कीमत गिरने से पहले विशेष भुगतान नियम का स्पष्ट, संरचित विवरण दिया।
- परिणाम: AI ने घबराना बंद कर दिया और स्मार्ट निर्णय लेने लगा।
"घड़ी देखने वाला" (Clock Watcher) की समस्या (Cadence Trading):
- गड़बड़ी: AI ने केवल इसलिए व्यापार करना शुरू कर दिया क्योंकि "पिछले ट्रेड के बाद 10 मिनट हो गए हैं," बाजार को नजरअंदाज करते हुए। यह एक शेफ द्वारा सब्जियां काटने जैसा था क्योंकि घड़ी कह रही थी कि काटने का समय है, न कि इसलिए कि सामग्री को काटने की जरूरत है।
- समाधान: उन्होंने AI को घड़ी को अनदेखा करने और केवल बाजार के संकेतों के आधार पर व्यापार करने के लिए कहा।
परिणाम: एक बेहतर रेस्टोरेंट
एक बार जब उन्होंने "किचन मैनेजर" (ऑपरेटिंग लेयर) को ठीक कर दिया, तो सिस्टम अविश्वसनीय रूप से अच्छा काम करने लगा:
- 99.9% सफलता दर: AI ने जो भी ट्रेड करने की कोशिश की, वह लगभग वैध था और सफलतापूर्वक पूरा हुआ।
- वास्तविक व्यवहार: AI ने केवल आदेशों का पालन नहीं किया; इसने बाजार के प्रति प्रतिक्रिया दी। कभी-कभी, जब एक AI ने अच्छा सौदा देखा, तो सैकड़ों अन्य भी देखते थे और एक साथ खरीदते थे (एक "झुंड" प्रभाव/herd effect), ठीक वैसे ही जैसे वास्तविक इंसान करते हैं।
- बेहतर निर्देश: जिन उपयोगकर्ताओं ने स्पष्ट, विशिष्ट निर्देश दिए (स्लाइडर्स और चेकबॉक्स का उपयोग करके), उन्हें उन लोगों की तुलना में बेहतर परिणाम मिले जिन्होंने केवल "मुझे अमीर बनाओ" जैसे अस्पष्ट नोट्स लिखे थे।
मुख्य निष्कर्ष
पेपर निष्कर्ष निकालता है कि यदि आप चाहते हैं कि कोई AI वास्तविक धन संभाल ले, तो केवल एक स्मार्ट AI मॉडल की तलाश न करें।
आपको इसके चारों ओर एक बेहतर सिस्टम बनाने की आवश्यकता है। आपको:
- मानवीय इच्छाओं को स्पष्ट, संरचित नियमों में अनुवादित करना होगा।
- एक पैसा खर्च करने से पहले AI के काम की जांच करनी होगी।
- हर विचार, निर्णय और ट्रेड का सटीक रिकॉर्ड रखना होगा ताकि यदि कुछ गलत हो जाए, तो आप ठीक से पता लगा सकें कि क्या गलत हुआ था।
"ऑपरेटिंग लेयर" वह सुरक्षा जाल (safety net) है जो एक स्मार्ट लेकिन भ्रमित रोबोट को एक विश्वसनीय वित्तीय एजेंट में बदल देता 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।