Information Leakage at Population Scale: An Evaluation of the Polymarket Insider-Relevant Subpopulation, 2020-2026
यह शोध पत्र 2020 से 2026 तक के 12,708 Polymarket बाजारों में 'इन्फॉर्मेशन लीकेज स्कोर' फ्रेमवर्क का मूल्यांकन करता है, जो यह प्रकट करता है कि इसका प्रभावी अनुप्रयोग रिज़ॉल्यूशन अस्पष्टता और निम्न एंकर-संवेदनशीलता द्वारा गंभीर रूप से सीमित है, जिससे यह सिद्ध होता है कि सूचित प्रवाह (informed flow) का पता लगाने के लिए केवल स्कोर गणना के बजाय रिज़ॉल्यूशन टिपोलॉजी और बेसलाइन सुधार में पद्धतिगत शोधन की आवश्यकता है।
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 Polymarket नामक एक विशाल, वैश्विक सट्टेबाजी हॉल है। लोग हर चीज़ पर दांव लगाते हैं, जैसे "क्या राष्ट्रपति इस बिल पर हस्ताक्षर करेंगे?" से लेकर "क्या यह फिल्म ऑस्कर जीतेगी?" तक। आप जो पेपर पढ़ रहे हैं, वह इस बात की जांच है कि क्या कुछ लोग उन रहस्यों पर दांव लगाकर धोखाधड़ी कर रहे हैं जिन्हें वे बाकी जनता से पहले जान लेते हैं।
लेखक, मैक्सिम नेचेपुरेन्को (Maksym Nechepurenko) ने एक विशेष "झूठ पकड़ने वाला" टूल बनाया है जिसे इन्फॉर्मेशन लीकेज स्कोर (ILS) कहा जाता है। एक पिछले परीक्षण में, यह टूल केवल एक विशिष्ट दांव पर पूरी तरह से काम करता था। यह पेपर पूछता है: क्या यह टूल काम करता है जब हम इसे एक साथ हजारों दावों पर आज़माते हैं?
यहाँ उन्होंने जो पाया, उसकी कहानी सरल रूप में दी गई है।
1. टूल बहुत अधिक चयनात्मक है (द "फिल्टर" समस्या)
लेखक ने इस टूल को 12,708 अलग-अलग सट्टेबाजी बाजारों पर चलाने की कोशिश की। लक्ष्य "चीटर्स" (वे लोग जो अंदरूनी जानकारी पर दांव लगा रहे हैं) को खोजना था।
- परिणाम: यह टूल उन बाजारों में से केवल 88 पर काम कर सका (1% से भी कम)।
- उपमा: कल्पना कीजिए कि आपके पास एक मेटल डिटेक्टर है जिसे एक विशाल मैदान में सोने के सिक्के खोजने के लिए बनाया गया है। आप पूरे मैदान में मशीन घुमाते हैं, लेकिन मशीन केवल 88 जगहों पर ही बीप करती है। क्यों? क्योंकि मशीन को केवल उन सिक्कों के लिए बीप करने के लिए डिज़ाइन किया गया है जो पूरी तरह से गोल और चमकदार हैं।
- असली मुद्दा: अधिकांश सट्टेबाजी के सवाल बहुत अस्पष्ट थे। उदाहरण के लिए, एक दांव पूछ सकता है, "क्या नेता को हटाया जाएगा?" लेकिन "हटाया जाना" का अर्थ बर्खास्त होना, इस्तीफा देना या मृत्यु होना हो सकता है। टूल को काम करने के लिए समय के एक एकल, स्पष्ट क्षण (जैसे कानून पर हस्ताक्षर करने की एक विशिष्ट तिथि) की आवश्यकता होती है। यदि प्रश्न अस्पष्ट है, तो टूल हार मान लेता है।
- आश्चर्य: यहाँ तक कि जब उन्होंने उन 32 प्रसिद्ध मामलों को देखा जहाँ धोखाधड़ी पहले से ही ज्ञात थी, तो टूल केवल एक मामले में काम कर पाया। अन्य 31 मामले टूल को समझने के लिए बहुत अस्पष्ट थे।
2. "घटना" (Event) को सटीक रूप से पकड़ना कठिन है
चीटर को पकड़ने के लिए, टूल को यह जानने की आवश्यकता है कि खबर ठीक कब आई।
- समस्या: टूल ने खबर के टूटने के सटीक सेकंड को खोजने के लिए AI का उपयोग किया। यह केवल 58% बार सही तारीख ही ढूंढ पाया।
- उपमा: यह यह जानने की कोशिश करने जैसा है कि चोर ठीक किस सेकंड में सामने के दरवाजे से अंदर आया। यदि आप सोचते हैं कि वह दोपहर 2:00 बजे आया, लेकिन वास्तव में वह 2:05 बजे आया, तो आपका कैमरा उसे मिस कर देता है।
- परिणाम: क्योंकि टूल समय के प्रति इतना संवेदनशील है, यह केवल उन "साफ" दावों पर काम करता है जहाँ समाचार एक स्पष्ट क्षण (जैसे खेल का स्कोर) में होता है। राजनीतिक या कानूनी दावों पर, टूल भ्रमित हो जाता है।
3. "नेगेटिव" स्कोर केवल गणित थे, धोखाधड़ी नहीं
जब टूल अंततः काम कर पाया, तो इसने ज्यादातर नेगेटिव स्कोर दिए।
- गलतफहमी: शुरू में, लेखक को लगा कि नेगेटिव स्कोर का मतलब लोगों द्वारा सच्चाई के खिलाफ दांव लगाना (एक अजीब तरह की धोखाधड़ी) है।
- सुधार: लेखक को एहसास हुआ कि यह केवल गणित का एक तरीका था।
- उपमा: रॉकेट लॉन्च के लिए काउंटडाउन टाइमर की कल्पना करें। जैसे-जैसे समय बीतता है और रॉकेट अभी तक लॉन्च नहीं होता, लॉन्च होने की संभावना स्वाभाविक रूप से कम हो जाती है। यदि रॉकेट बिल्कुल आखिरी सेकंड में लॉन्च होता है, तो सट्टेबाजी के बाजार की कीमत ऐसी दिखेगी जैसे कि वह बढ़ने से पहले गिर गई हो। टूल ने इस "गिरावट" को देखा और इसे धोखाधड़ी समझ लिया।
- समाधान: लेखक ने एक "बेसलाइन करेक्शन" (प्राकृतिक काउंटडाउन प्रभाव को घटाने जैसा) जोड़ा। इस सुधार के बाद, कुछ "धोखाधड़ी" गायब हो गई, लेकिन एक विशिष्ट प्रकार के दांव (नियामक घोषणाओं) पर, नेगेटिव स्कोर बने रहे। यह सुझाव देता है कि उन विशिष्ट दावों पर, लोग वास्तव में खबर आने से पहले परिणाम के खिलाफ दांव लगा रहे होंगे।
4. "एक ही आकार सबके लिए" वाली धारणा गलत थी
टूल ने माना कि सभी घटनाएं एक स्थिर, अनुमानित दर पर होती हैं (जैसे लगातार गति से गिरती बारिश)।
- निष्कर्ष: डेटा ने दिखाया कि घटनाएं स्थिर दर पर नहीं होती हैं। कभी-कभी वे झटकों (bursts) में होती हैं; कभी-कभी वे लंबा समय लेती हैं।
- उपमा: टूल एक "लगातार बारिश" वाले मॉडल का उपयोग कर रहा था, लेकिन वास्तविक दुनिया "तूफान" के बाद "सूखे" जैसी थी। लेखक को तूफान और सूखे को सही ढंग से संभालने के लिए अपने टूल को एक अधिक लचीले मॉडल (जिसे Weibull कहा जाता है) में बदलना पड़ा।
मुख्य निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि "झूठ पकड़ने वाला" टूल वास्तविक और काम कर रहा है, लेकिन वर्तमान में यह पूरे सट्टेबाजी बाजार पर उपयोग किए जाने के लिए बहुत संकीर्ण है।
- यह अच्छी तरह काम करता है स्पष्ट, अलग घटनाओं पर (जैसे "टीम X मैच जीतेगी?")।
- यह विफल हो जाता है अस्पष्ट, जटिल घटनाओं पर (जैसे "सरकार अपनी नीति बदलेगी?")।
लेखक कहते हैं: "हमने पाया कि टूल काम करता है, लेकिन हमें अस्पष्ट प्रश्नों को संभालने और समय बीतने के गणित को ठीक करने के लिए इसे अपग्रेड करने की आवश्यकता है।" वे इसे भविष्य के पेपर (पेपर 3b) में करने की योजना बना रहे हैं, जिसमें वे अस्पष्ट प्रश्नों को समझने के लिए स्मार्ट AI का उपयोग करेंगे और इस टूल को अन्य तरीकों के साथ जोड़ेंगे जो व्यक्तिगत सट्टेबाजों के वॉलेट को देखते हैं।
संक्षेप में: टूल एक उच्च-सटीक स्नाइपर राइफल है। यदि आपके पास एक स्पष्ट लक्ष्य है, तो यह पूरी तरह से काम करता है। लेकिन सट्टेबाजी का बाजार धुंधले, चलते-फिरते लक्ष्यों से भरा है, इसलिए राइफल उनमें से अधिकांश को चूक जाती है। लेखक अब एक ऐसा स्कोप बनाने की कोशिश कर रहे हैं जो उस धुंध में भी काम कर सके।
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।