तकनीकी सारांश: LLM टूल रजिस्ट्री में एजेंट-केंद्रित सूचना डिज़ाइन

1. समस्या की परिभाषा

यह शोध पत्र लार्ज लैंग्वेज मॉडल (LLM) टूल रजिस्ट्री (जैसे PulseMCP, Composio) के उभरते पारिस्थितिकी तंत्र में एक महत्वपूर्ण अंतर की पहचान करता है। ये रजिस्ट्रियाँ डी-फैक्टो विज्ञापन मंचों के रूप में कार्य करती हैं जहाँ टूल प्रदाता मुक्त-पाठ (free-text) विवरणों के माध्यम से एजेंट दृश्यता के लिए प्रतिस्पर्धा करते हैं। डिजिटल विज्ञापन उद्योग के विपरीत, जिसने दो दशकों तक माप अवसंरचना (दृश्यता मानक, गुणवत्ता स्कोर) बनाने में समय बिताया है, एजेंट टूल पारिस्थितिकी तंत्र में किसी भी जवाबदेही तंत्र का अभाव है।

मुख्य समस्या सूचना विषमता (information asymmetry) है। सत्यापित गुणवत्ता संकेतों की अनुपस्थिति में, एजेंट क्षमता के प्रॉक्सी के रूप में विवरण की समृद्धि (description richness) पर भरोसा करते हैं। यह "जेनरेटिव इंजन ऑप्टिमाइज़ेशन" (GEO) के लिए एक बाजार बनाता है, जहाँ प्रदाता एजेंट चयन को हेरफेर करने के लिए रणनीतिक रूप से विवरणों को फ्रेम करते हैं। शोध पत्र इस बात की जांच करता है कि क्या मानव-केंद्रित विज्ञापनों में प्रभावी मानक नियामक तंत्र (प्रकटीकरण लेबल, चेतावनियाँ) एजेंटिक सेटिंग्स में स्थानांतरित होते हैं, और बाजार दक्षता को बहाल करने के लिए रजिस्ट्री के संरचनात्मक पुनर्गठन का प्रस्ताव करता है।

2. कार्यप्रणाली

यह अध्ययन पांच LLMs (DeepSeek-V3, o4-mini, GPT-5.4-mini, GPT-5.4-nano, Claude Sonnet 4.6, और GPT-4o) और दस सिंथेटिक कार्य डोमेन (जैसे वेब खोज, ई-कॉमर्स, कोड निष्पादन) में 17,700+ परीक्षणों के संयोजन के साथ एक व्यवस्थित प्रयोगात्मक ढांचे का उपयोग करता है।

प्रयोगात्मक डिज़ाइन

• कार्य: एक टू-अल्टरनेटिव फोर्स्ड-चॉइस (two-alternative forced-choice) कार्य जहाँ एक एजेंट को ठीक दो कार्यात्मक रूप से समान टूलों में से एक को कॉल करना होता, जो केवल विवरण फ्रेमिंग में भिन्न होते हैं।
• मीट्रिक: सिलेक्शन बायस कोएफिशिएंट (SBC), जिसे $P(\text{select optimized}) - 0.5$ के रूप में परिभाषित किया गया है। 0 का SBC संयोग चयन को दर्शाता है; +0.5 अनुकूलित टूल के पूर्ण चयन को दर्शाता है।
• फ्रेमिंग स्तर (L0–L4): विवरण तटस्थ कार्यात्मक विशिष्टताओं (L0) से लेकर सामाजिक प्रमाण (social proof), विशेषणों (superlatives), अधिकार फ्रेमिंग और परिणाम फ्रेमिंग को शामिल करने वाले व्यावसायिक रूप से अनुकूलित संस्करणों (L4) तक विस्तृत हैं।
• प्रकटीकरण हस्तक्षेप (Disclosure Interventions): पूर्वाग्रह को कम करने के लिए चार स्थितियों का परीक्षण किया गया:
  1. बेसलाइन (कोई हस्तक्षेप नहीं)।
  2. विवरणों के साथ [SPONSORED] लेबल जोड़े गए।
  3. स्टार रेटिंग (जैसे, "3/5 स्टार - कमर्शियल पार्टनर")।
  4. सिस्टम-प्रॉम्ट चेतावनियाँ (सामान्य पारदर्शिता जनादेश)।
• पारिस्थितिक वैधता (Ecological Validity): प्रयोग C ने सिंथेटिक निष्कर्षों को मान्य करने के लिए लाइव MCP रजिस्ट्री (जैसे Brave Search बनाम DuckDuckGo) से हूबहू विवरणों का उपयोग किया।
• कानूनी सीमा विश्लेषण: प्रयोग E4 ने "कानूनी अतिशयोक्ति" (FTC-अनुमेय विशेषण) को "निर्मित दावों" (fabricated claims) से अलग किया ताकि चयन पूर्वाग्रह के स्रोत का निर्धारण किया जा सके।

3. मुख्य योगदान

A. रजिस्ट्री डिज़ाइन प्रिस्क्रिप्शन (प्राथमिक योगदान)

पत्र विवरणों को दो अलग-अलग परतों में विभाजित करने के लिए एक संरचनात्मक पृथक्करण का प्रस्ताव करता है:

1. चयन-केंद्रित विवरण (Selection-Facing Description): संरचित, रजिस्ट्री-नियंत्रित, और सभी मूल्यात्मक भाषा से मुक्त। इस परत का उपयोग विशेष रूप से एजेंट चयन के लिए किया जाता है।
2. मार्केटिंग-केंद्रित विवरण (Marketing-Facing Description): प्रदाता-लिखित, जिसमें सभी प्रेरक प्रति (copy) शामिल है, जो केवल चयन के बाद मानव उपयोगकर्ता को प्रदर्शित होती है।
   यह वास्तुकला, प्रपोजिशन 3 पर आधारित, "प्रथम-सर्वश्रेष्ठ कल्याण" (क्षमता के बजाय विवरण के आधार पर टूल का चयन करना) प्राप्त करती है, जो विशिष्ट LLM मॉडल से स्वतंत्र है।

B. एजेंट अटेंशन क्वालिटी स्कोर (AAQS)

लेखक वास्तविक क्षमता और विवरण-संचालित चयन के बीच अंतर करने के लिए AAQS पेश करते हैं:
$$AAKS_i(q) = P(\text{select}_i | q) \times C_i(q)$$
जहाँ $C_i(q)$ एक क्षमता मिलान स्कोर है। चयन की संभावना के सापेक्ष कम AAQS यह दर्शाता है कि टूल "विवरण अनुकूलन पर सवारी कर रहा है" (एजेंट का क्लिकबेट समकक्ष)।

C. रणनीतिक संतुलन विश्लेषण

प्रपोजिशन 1-3 का उपयोग करते हुए गेम-थ्योरेटिक मॉडल के साथ, शोध पत्र प्रोत्साहन संरचना को एक प्रिजनर्स डिलेमा (Prisoner's Dilemma) के रूप में औपचारिक रूप देता है। बिना हस्तक्षेप के, नैश इक्विलिब्रियम यह है कि सभी प्रदाता विवरणों को अनुकूलित करें, जिससे वे सूचनाहीन हो जाते हैं और "विवरण हथियारों की दौड़" (description arms race) पर संसाधन बर्बाद करते हैं। मॉडल सिद्ध करता है कि सामान्यीकरण आवश्यक है (केवल पर्याप्त नहीं) क्योंकि प्रकटीकरण तंत्र इस संतुलन को तोड़ने में विफल रहते हैं।

4. अनुभवजन्य परिणाम

4.1. अनुकूलन प्रभावशीलता

• कुल ट्रैफिक कैप्चर: उपभोक्ता डोमेन (वेब खोज, ई-कॉमर्स) में, पाँच में से चार मॉडलों ने अनुकूलित टूल को $P=1.0$ ($SBC = +0.456$) के साथ चुना जब कोई प्रकटीकरण मौजूद नहीं था।
• प्रमुख विशेषता: विशेषण (जैसे, "सबसे तेज़," "सबसे सटीक") सबसे शक्तिशाली विशेषता है (SBC = +0.35), जो सामाजिक प्रमाण (+0.12) और अधिकार फ्रेमिंग (+0.21) से बेहतर प्रदर्शन करती है।
• डोज़-रिस्पॉन्स (Dose-Response): चयन लाभ अग्रिम रूप से केंद्रित है। तटस्थ (L0) से एक एकल ट्रस्ट सिग्नल (L1) तक का उछाल उपलब्ध होने वाले अधिकांश लाभ (+0.33) को कैप्चर करता है। अतिरिक्त अलंकारिक परतें घटते या नकारात्मक रिटर्न देती हैं।

4.2. प्रकटीकरण तंत्रों की विफलता

प्रकटीकरण हस्तक्षेप विशिष्ट कारणों से संरचनात्मक रूप से विफल रहे:

• सीलिंग इनरशिया (Ceiling Inertia): उन मॉडलों के लिए जो पहले से ही $P \approx 1.0$ पर थे, [SPONSORED] जैसे लेबल का नगण्य प्रभाव पड़ा (उदाहरण के लिए, DeepSeek ने केवल -3 प्रतिशत अंक की गिरावट दिखाई)।
• वास्तुकला संबंधी अंधापन (Architectural Blindness): सिस्टम-प्रॉम्ट चेतावनियों ने पाँच में से चार मॉडलों के लिए शून्य मापने योग्य प्रभाव उत्पन्न किया; चेतावनी फंक्शन-कॉल चयन तर्क तक नहीं पहुँची।
• ओवरकरेक्शन: Claude Sonnet ने [SPONSORED] लेबल को अयोग्य घोषित करने वाला माना, जिससे लेबल किए गए टूल को संयोग स्तर से नीचे दंडित किया गया (SBC $\to$ -0.155)।

4.3. कानूनी अतिशयोक्ति बनाम निर्माण (Puffery vs. Fabrication)

• कानूनी अतिशयोक्ति 100% प्रभाव कैप्चर करती है: FTC-अनुमेय अतिशयोक्ति (व्यक्तिपरक विशेषण, लाभ फ्रेमिंग) अकेले पूर्ण अनुकूलन प्रभाव (SBC = +0.33) उत्पन्न करती है।
• निर्मित दावे शून्य जोड़ते हैं: सांख्यिकी या प्रशंसापत्र जोड़ने से शून्य वृद्धिशील पूर्वाग्रह मिला। फलस्वरूप, निर्मित दावों के खिलाफ भ्रामक विज्ञापन नियमों के FTC प्रवर्तन का एजेंट चयन पर लगभग शून्य प्रभाव होगा, क्योंकि सक्रिय तंत्र संवैधानिक रूप से संरक्षित अतिशयोक्ति है।

4.4. पारिस्थितिक साक्ष्य

लाइव रजिस्ट्री विवरणों (जैसे Brave Search बनाम DuckDuckGo) के साथ प्रारंभिक परीक्षणों ने सिंथेटिक पैटर्न की पुष्टि की, जिसमें SBC मान +0.30 से +0.46 के बीच थे, जो सुझाव देते हैं कि यह घटना सिंथेटिक डेटा का आर्टिफैक्ट नहीं है।

5. महत्व और दावे

शोध पत्र का तर्क है कि समस्या एजेंट की "तर्कहीनता" नहीं बल्कि एक दोषपूर्ण सूचना वातावरण है। एक ऐसी रजिस्ट्री में जहाँ सत्यापित गुणवत्ता संकेतों का अभाव है, विवरण की समृद्धि एकमात्र उपलब्ध प्रॉक्सी है, जिससे एजेंट व्यावसायिक फ्रेमिंग के प्रति तर्कसंगत रूप से प्रतिक्रियाशील होते हैं।

• नियामक निहितार्थ: वर्तमान नियामक दृष्टिकोण (प्रकटीकरण) एजेंटिक चयन के खिलाफ संरचनात्मक रूप से अप्रभावी हैं। समाधान के लिए बेहतर एजेंट संरेखण के बजाय तंत्र डिजाइन (mechanism design) (रजिस्ट्री सामान्यीकरण) की आवश्यकता है।
• आर्थिक प्रभाव: अनुकूलित प्रदाता ~83% ट्रैफिक (50% निष्पक्ष हिस्से के मुकाबले) कैप्चर करता है, जो प्रदाताओं के लिए एक विशाल, अन-मोनिटाइज्ड आर्बिट्राज अवसर और उपयोगकर्ताओं के लिए कल्याण की हानि पैदा करता है।
• डिज़ाइन शिफ्ट: शोध पत्र निष्कर्ष निकालता है कि रजिस्ट्री को चयन के लिए "विज्ञापन प्लेटफार्मों" से बदलकर "संरचित डेटा रिपॉजिटरी" में विकसित होना चाहिए, मार्केटिंग प्रति को चयन के बाद मानव उपभोग के लिए आरक्षित करना चाहिए। यह बदलाव पूर्वाग्रह को समाप्त करता है, सामाजिक बर्बादी (हथियारों की दौड़) को कम करता है, और एजेंट की प्राथमिकताओं (एजेंटों ने न्यूट्रल प्रोज़ के बजाय संरचित प्रारूपों को प्राथमिकता दी) के साथ संरेखित होता है।

लेखक एजेंट-केंद्रित सूचना डिज़ाइन में भविष्य के कार्य का समर्थन करने के लिए अपना बेंचमार्क और विश्लेषण कोड जारी करते हैं, इस बात पर जोर देते हुए कि संरचनात्मक हस्तक्षेप के बिना, टूल चयन बाजार जवाबदेह और अक्षम बना रहेगा।