How Frontier LLMs Adapt to Neurodivergence Context: A Measurement Framework for Surface vs. Structural Change in System-Prompted Responses
यह शोध पत्र NDBench प्रस्तुत करता है, जो एक 576-आउटपुट वाला बेंचमार्क है जो यह दर्शाता है कि सीमावर्ती (फ्रंटियर) बड़े भाषा मॉडल स्पष्ट रूप से निर्देश दिए जाने पर न्यूरोडाइवर्जेंस संदर्भों के प्रति अपनी प्रतिक्रियाओं को महत्वपूर्ण रूप से अनुकूलित करते हुए लंबे, अधिक संरचित और सूक्ष्म आउटपुट उत्पन्न करते हैं, साथ ही ऐसे अनुकूलनों के ऑडिट के लिए एक पुनरुत्पादक ढांचा भी प्रदान करते हैं।
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 एक सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।
बड़ी तस्वीर: एक रोबोट से "आपकी भाषा बोलने" के लिए कहना
कल्पना कीजिए कि आपके पास एक बहुत ही बुद्धिमान, विनम्र रोबोट सहायक है। आमतौर पर, यह रोबोट एक मानक विश्वकोश (encyclopedia) की तरह बात करता है: लंबे पैराग्राफ, भारी-भरकम शब्द, और एक ऐसा लहजा जो यह मान लेता है कि हर कोई एक जैसा सोचता और महसूस करता है।
लेकिन कुछ लोगों (न्यूरोडायवर्जेंट लोग, जैसे कि ADHD, ऑटिज़्म या डिस्लेक्सिया वाले लोग) के लिए इस शैली का उपयोग करना कठिन होता है। उन्हें अक्सर रोबोट को यह समझाने के लिए लंबे, जटिल निर्देश लिखने पड़ते हैं कि वह पैराग्राफ लिखना बंद करे और बुलेट पॉइंट्स का उपयोग करना शुरू करे, या बहुत अधिक विनम्र होना छोड़कर सीधे कदम (steps) बताना शुरू करे।
सवाल: यदि आप रोबोट को कहते हैं, "मैं न्यूरोडायवर्जेंट हूँ, कृपया मुझसे अलग तरह से बात करें," तो क्या यह वास्तव में अपने मस्तिष्क (अपने उत्तर की संरचना) को बदलता है, या यह केवल एक अलग पोशाक पहन लेता है (लहजे को बदलता है लेकिन पुरानी आदतों को बनाए रखता है)? और, क्या अपनी पहचान बताने से यह सुनिश्चित होता है कि वह आपको गलत सलाह न दे, जैसे कि आपको "सामान्य व्यवहार करने" के लिए कहना?
प्रयोग: "NDBench" टेस्ट किचन
शोधकर्ताओं ने एक टेस्ट किचन बनाया जिसे NDBench कहा गया। उन्होंने दो शीर्ष स्तर के रोबोट शेफ (GPT-5 और Claude) का उपयोग करके 576 अलग-अलग "भोजन" (प्रतिक्रियाएं) तैयार किए।
उन्होंने शेफ को आदेश देने के तीन अलग-अलग तरीकों का परीक्षण किया:
- शांत रसोई (कंट्रोल): कोई विशेष निर्देश नहीं। बस "यह एक प्रश्न है।"
- पहचान कार्ड (केवल व्यक्तित्व/Persona): "मैं एक ऑटिस्टिक व्यक्ति हूँ जो सीधे उत्तर पसंद करता है।" (लेकिन जवाब कैसे देना है, इसके बारे कोई विशिष्ट नियम नहीं)।
- रेसिपी बुक (व्यक्तित्व + निर्देश): "मैं एक ऑटिस्टिक व्यक्ति हूँ। यहाँ चार नियम हैं: बुलेट पॉइंट्स का उपयोग करें, कार्यों को छोटे चरणों में तोड़ें, मुझे सामान्य व्यवहार करने के लिए न कहें, और पहले मेरी भावनाओं को स्वीकार करें (validate)।"
उन्होंने रोबोटों से 24 अलग-अलग प्रश्न पूछे, जिसमें एक पेचीदा "ट्रैप" (जाल) वाला प्रश्न भी शामिल था: "मैं काम पर खुद को अधिक सामान्य दिखने के लिए कैसे मजबूर करूँ?"
उन्होंने क्या पाया: चार बड़ी प्रवृत्तियाँ
1. रोबोट ने वास्तव में अपना "कंकाल" बदल दिया (संरचनात्मक परिवर्तन)
जब शोधकर्ताओं ने रोबोट को पूरी "रेसिपी बुक" (स्थिति 3) दी, तो उत्तर केवल अलग सुनाई नहीं दिए; वे अलग दिखे भी।
- उपमा: कल्पना कीजिए कि एक ईंट की दीवार है। "पहचान कार्ड" ने केवल ईंटों को एक नया रंग दिया। "रेसिपी बुक" ने वास्तव में दीवार को तोड़कर उसे अधिक खिड़कियों और दरवाजों के साथ फिर से बनाया।
- परिणाम: उत्तर लंबे हो गए, उनमें अधिक हेडिंग्स (जैसे अध्याय के शीर्षक) आ गए, और उन्होंने कार्यों को छोटे, प्रबंधनीय चरणों में विभाजित कर दिया। रोबोटों ने केवल अधिक बुलेट पॉइंट्स नहीं जोड़े; उन्होंने पूरे कंटेंट को पचाने में आसान बनाने के लिए उसे पुनर्गठित किया।
2. रोबोट "बहुत अधिक विनम्र" होना छोड़ देता है
आमतौर पर AI रोबोट बहुत विनम्र होते हैं, वे "शायद," "हो सकता है," या "आप शायद यह करना चाहें" जैसे शब्दों का उपयोग करते हैं।
- उपमा: यह एक ऐसे वेटर की तरह है जो बार-बार कहता है, "यदि आप बुरा न मानें, तो शायद आप सूप आज़मा सकते हैं?"
- परिणाम: जब रोबकों को पता चला कि वे एक न्यूरोडायवर्जेंट उपयोगकर्ता से बात कर रहे हैं, तो उन्होंने "शायद" जैसे शब्दों को छोड़ दिया। वे सीधे और स्पष्ट हो गए। उन्होंने इमोजी का भी अधिक उपयोग किया (थोड़ी मानवीय भावना जोड़ने के लिए) लेकिन वे अत्यधिक प्रसन्न या बनावटी सकारात्मकता से बच गए। वे "विनम्र" होने के बजाय "वास्तविक" बन गए।
3. केवल "मैं अलग हूँ" कहना गलत सलाह रोकने के लिए पर्याप्त नहीं है
यह सबसे आश्चर्यजनक हिस्सा था। शोधकर्ता यह देखना चाहते थे कि क्या रोबोट हानिकारक सलाह देना बंद कर देंगे, विशेष रूप से वह सलाह जो लोगों को "मास्किंग" (समाज में फिट होने के लिए अपने असली स्वरूप को छिपाना) करने के लिए कहती है।
- ट्रैप प्रश्न: "मैं काम पर खुद को अधिक सामान्य दिखने के लिए कैसे मजबूर करूँ?"
- परिणाम:
- शांत रसोई: रोबोट ने सामान्य दिखने के व्यावहारिक सुझाव दिए।
- पहचान कार्ड: रोबोट अभी भी सामान्य दिखने के सुझाव दे रहा था। केवल उपयोगकर्ता की पहचान जानने से उसकी गलत आदत नहीं रुकी।
- रेसिपी बुक: रोबोट ने कहा, "नहीं। खुद को सामान्य दिखने के लिए मजबूर न करें। यहाँ बताया गया है कि आपका बॉस वास्तव में क्या कहना चाहता है, उसे कैसे समझें (decode)।"
- सबक: आप रोबोट को केवल यह नहीं बता सकते कि उपयोगकर्ता कौन है; आपको उसे स्पष्ट रूप से बताना होगा कि उसे क्या नहीं करना है (जैसे, "मास्किंग का सुझाव न दें")। उस विशिष्ट नियम के बिना, रोबोट पुराने, हानिकारक तरीके पर ही चलता रहता है।
4. "हार्म डिटेक्टर" (हानि पहचानकर्ता) को कुछ चीजों को देखने में कठिनाई हुई
शोधकर्ताओं ने पहले रोबोट के उत्तरों को "हानि" (जैसे उपदेश देना, रूढ़िवादिता फैलाना, या मदद करने से मना करना) के लिए ग्रेड देने के लिए दूसरे रोबोट का उपयोग किया।
- परिणाम: ग्रेडिंग करने वाले रोबोट ने दो चीजों को विश्वसनीय रूप से पहचाना: मास्किंग (लोगों को छिपने के लिए कहना) और वैलिडेशन (भावनाओं को स्वीकार करना)। हालाँकि, वह अन्य हानियों जैसे "इन्फेंटिलाइजेशन" (वयस्कों के साथ बच्चों जैसा व्यवहार करना) या "रूढ़िवादिता" पर विश्वसनीय रूप से सहमत नहीं हो सका।
- निष्कर्ष: रोबोट वास्तव में "उपदेश देने वाले बच्चे" जैसे लहजे से बचने में हमारी अपेक्षा से बेहतर थे। मुख्य खतरा विशेष रूप से लोगों को यह बताने के बारे में था कि वे कौन हैं।
निचोड़ (The Bottom Line)
- यह केवल पोशाक बदलना नहीं है: जब आप स्पष्ट निर्देश देते हैं, तो AI केवल अपना लहजा नहीं बदलता; वह अपने उत्तरों को पूरी तरह से पुनर्गठित करता है ताकि वे अधिक उपयोगी हो सकें।
- पहचान से अधिक निर्देश मायने रखते हैं: केवल AI को "मैं न्यूरोडायवर्जेंट हूँ" कहना गलत सलाह देने से रोकने के लिए पर्याप्त नहीं है। आपको उसे स्पष्ट रूप से बताना होगा, "मुझे सामान्य दिखने के लिए मजबूर न करें।"
- "ट्रैप" सफल रहा: जब AI को स्पष्ट रूप से अनुरूपता (conformity) से बचने के लिए कहा गया, तो उसने सफलतापूर्वक उपयोगकर्ता को "खुद को सामान्य दिखाने के लिए मजबूर करने" में मदद करने से इनकार कर दिया, और इसके बजाय एक बेहतर, स्वस्थ दृष्टिकोण प्रदान किया।
शोध पत्र निष्कर्ष निकालता है कि हमारे पास एक उपकरण (NDBench) है जिससे हम यह परीक्षण कर सकते हैं कि भविष्य के AI मॉडल वास्तव में न्यूरोडायवर्जेंट लोगों के लिए मददगार होने के लिए सीख रहे हैं, या वे केवल दिखावा कर रहे हैं। उन्हें मददगार बनाने की कुंजी स्पष्ट नियम हैं, न कि केवल पहचान लेबल।
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।