Mitigating Anchoring Bias in LLM-Based Agents for Energy-Efficient 6G Autonomous Networks

तकनीकी सारांश: ऊर्जा-कुशल 6G स्वायत्त नेटवर्क के लिए LLM-आधारित एजेंटों में एंकरिंग बायस (Anchoring Bias) को कम करना

समस्या विवरण
6G नेटवर्क की ओर संक्रमण लेवल 4 और लेवल 5 स्वायत्तता की आवश्यकता को दर्शाता है, जिसके लिए जटिल, गतिशील नेटवर्क स्लाइसिंग और संसाधन ऑर्केस्ट्रेशन को प्रबंधित करने के लिए लार्ज लैंग्वेज मॉडल (LLM) एजेंटों को तैनात करने की आवश्यकता है। हालाँकि, यह शोध पत्र ऐसे एजेंटिक सिस्टम में एक महत्वपूर्ण भेद्यता की पहचान करता है: एंकरिंग बायस (Anchoring Bias)। ट्वेर्स्की और काह्नमैन द्वारा वर्णित मानवीय संज्ञानात्मक विकृतियों के समान, LLM एजेंट प्रारंभिक ह्यूरिस्टिक प्रस्तावों का सख्ती से पालन करने की प्रवृत्ति रखते हैं। 6G संसाधन वार्ता के संदर्भ में, यह बायस सुरक्षा सुनिश्चित करने के लिए संसाधनों (बैंडविड्थ और CPU) के अत्यधिक प्रावधान (over-provisioning) का कारण बनता है, जिससे गंभीर ऊर्जा अक्षमताएं उत्पन्न होती हैं। इसके अलावा, मल्टी-एजेंट इंटरैक्शन में, ये बायस "कन्वर्सेशनल इको चैम्बर्स" (conversational echo chambers) बना सकते हैं, जिससे समय से पहले विषम, उप-इष्टतम साम्यावस्था (suboptimal equilibria) पर अभिसरण हो जाता है, जो 6G क्षमताओं की पूर्ण क्षमता का दोहन करने में विफल रहता है।

कार्यप्रणाली (Methodology)
लेखक एक नया ढांचा प्रस्तावित करते हैं जो संज्ञानात्मक पूर्वाग्रह न्यूनीकरण (cognitive bias mitigation) को कठोर गणितीय मॉडलिंग और डिजिटल ट्विन (DT) सिमुलेशन के साथ एकीकृत करता है। कार्यप्रणाली के मुख्य घटकों में शामिल हैं:

1. सिस्टम मॉडलिंग और CVaR एकीकरण:
   नेटवर्क को एज कंप्यूटिंग और रेडियो एक्सेस नेटवर्क (RAN) कतारों (queues) के एक क्रॉस-डोमेन सिस्टम के रूप में मॉडल किया गया है। एजेंट पावर खपत को कम करने के लिए संसाधन विभाजन ($b_i, f_i$) के लिए बातचीत करते हैं, जबकि सेवा स्तर समझौतों (SLAs) का अनुपालन सुनिश्चित करते हैं। ट्रैफिक बर्स्ट के विरुद्ध मजबूती सुनिश्चित करने के लिए, एजेंट क्यूइंग थ्योरी (queuing theory) पर आधारित डिजिटल ट्विन का उपयोग करते हैं। महत्वपूर्ण रूप से, एजेंट माध्य विलंबता (mean latency) के बजाय विलंबता वितरण के कंडीशनल वैल्यू एट रिस्क (CVavers - Conditional Value at Risk) (विशेष रूप से URLLC के लिए 99.999वां पर्सेंटाइल) के आधार पर अनुकूलन करते हैं, जिससे सख्त टेल-लेटेंसी गारंटी सुनिश्चित होती है।

2. सैद्धांतिक ढांचा: बाइमोडल कंस्ट्रेंट-अवॉयडेंस यूटिलिटी थ्योरम (Bimodal Constraint-Avoidance Utility Theorem):
   यह शोध पत्र एक प्रमेय (theorem) पेश करता है और सिद्ध करता है जो इष्टतम समाधान से शुरुआती एंकर की दूरी के सापेक्ष उपयोगिता क्षरण (utility degradation) के व्यवहार का वर्णन करता है। यह प्रमेय बातचीत की गतिशीलता में एक फेज ट्रांजिशन (phase transition) की पहचान करता है:

• फेज 1 (व्यवहार्य अभिसरण - Feasible Convergence): जब शुरुआती प्रस्ताव भौतिक क्षमता सीमाओं के भीतर होते हैं, तो उपयोगिता हानि एंकर की दूरी के समानुपाती एक शास्त्रीय रैखिक सीमा (linear bound) का पालन करती है।
• फेज 2 (पेनल्टी रिकवरी - Penalty Recovery): जब शुरुआती प्रस्ताव क्षमता से अधिक हो जाते हैं, जिससे अनिवार्य रियायतें और संभावित SLA उल्लंघन शुरू हो जाते हैं, तो सिस्टम एक ऐसे क्षेत्र में प्रवेश करता है जहाँ उपयोगिता हानि एक इनवर्स रेशनल एनवेलप (inverse rational envelope) के माध्यम से घटती है। प्रमेय यह प्रतिपादित करता है कि रणनीतिक रूप से एक "घाटे" (कम शुरुआती एंकर) के साथ शुरुआत करना एक सुरक्षा बफर बनाता है जो विनाशकारी बाधा उल्लंघन की संभावना को कम करता है, जिससे अपेक्षित उपयोगिता हानि कम हो जाती है।

3. न्यूनीकरण रणनीति: ट्रंकेटेड 3-पैरामीटर वेइबुल डिस्ट्रीब्यूशन (Truncated 3-Parameter Weibull Distribution):
   कठोर वार्ता पैटर्न को तोड़ने के लिए, लेखक नियतकालिक ह्यूरिस्टिक्स (deterministic heuristics) के स्थान पर एक रैंडमाइज्ड एंकरिंग रणनीति प्रस्तावित करते हैं। शुरुआती संसाधन प्रस्ताव एक ट्रंकेटेड 3-पैरामीटर वेइबुल वितरण ($W_{trunc}$) से लिए जाते हैं।

• वितरण भौतिक फ्लोर (न्यूनतम आवश्यकताएं) और सीलिंग (कुल क्षमता) द्वारा सीमित है।
• मोड (mode) को अन्वेषण (exploration) को प्रोत्साहित करने के लिए जानबूझकर सख्त आवश्यकता बेसलाइन से नीचे रखा गया है।
• आकार पैरामीटर ($k$) को प्रत्येक स्लाइस प्रकार के अनुसार अनुकूलित किया जाता है: URLLC के लिए एक कसकर केंद्रित वितरण ($k=5.0$) ताकि सुरक्षा सुनिश्चित हो सके, और eMBB के लिए एक व्यापक वितरण ($k=2.0$) ताकि व्यापक अन्वेषण को बढ़ावा मिले।
• यह दृष्टिकोण एजेंटों को उपयोगिता वक्र (utility curve) के "इनवर्स रेशनल डिके" क्षेत्र का सक्रिय रूप से अन्वेषण करने के लिए मजबूर करता है, जिससे वे SLA बाधाओं की सीमाओं का सुरक्षित रूप से उपयोग कर सकें।

4. कार्यान्वयन:
   इस ढांचे को एक हल्के, स्थानीय रूप से होस्ट किए गए 1B-पैरामीटर वाले LLM (otel-llm-1b-it) का उपयोग करके कार्यान्वित किया गया है ताकि O-RAN नॉन-रियल-टाइम RAN इंटेलिजेंट कंट्रोलर (non-RT RIC) के परिचालन समय-सीमा के साथ संगतता सुनिश्चित की जा सके।

प्रमुख परिणाम
विभेदित ट्रैफिक प्रोफाइल (eMBB और URLLC) के साथ 200 स्वतंत्र परीक्षणों का अनुभवजन्य सत्यापन निम्नलिखित परिणामों को दर्शाता है:

• सिद्धांत का सत्यापन: प्रयोगात्मक डेटा ने बाइमोडल कंस्ट्रेंट-अवॉयडेंस यूटिलिटी थ्योरम की पुष्टि की। डेटा स्पष्ट रूप से अनुमानित रैखिक शासन (लीनियर रिजीम - व्यवहार्य एंकर) और इनवर्स रेशनल डिके शासन (बाधित एंकर) में विभाजित हुआ, जो यह दर्शाता है कि रणनीतिक "लो-बॉलिंग" (कम प्रस्ताव देना) बाधित वातावरण में उपयोगिता हानि को कम करता है।
• ऊर्जा दक्षता: रैंडमाइज्ड वेइबुल रणनीति ने कठोर ओवर-प्रोविजनिंग को सफलतापूर्वक समाप्त कर दिया, जिससे नियतकालिक बेसलाइन रणनीतियों की तुलना में 25% तक वैश्विक ऊर्जा बचत प्राप्त हुई।
• SLA अनुपालन: इस आक्रामक ऊर्जा अनुकूलन के बावजूद, सिस्टम ने 99.999वां पर्सेंटाइल URLLC विलंबता को सख्ती से 10ms से नीचे बनाए रखा। रैंडमाइज्ड रणनीति ने टेल-रिस्क बाधाओं का उल्लंघन किए बिना दक्षता को अधिकतम करने के लिए उपलब्ध SLA स्लैक (जिसके परिणामस्वरूप थोड़ी उच्च औसत विलंबता होती है) का उपयोग किया।
• विलंबता प्रदर्शन: 1B-पैरामीटर मॉडल के उपयोग के परिणामस्वरूप 0.95 सेकंड का औसत LLM रिस्पॉन्स टाइम प्राप्त हुआ, जो गैर-RT RIC कंट्रोल लूप्स की सब-सेकंड आवश्यकताओं के साथ इसकी अनुकूलता की पुष्टि करता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह कार्य संज्ञानात्मक मनोविज्ञान और नेटवर्क स्वचालन को जोड़कर टिकाऊ, स्वायत्त 6G नेटवर्क के लिए एक मौलिक स्तंभ स्थापित करता है। इसका प्राथमिक महत्व निम्नलिखित है:

• संज्ञानात्मक डी-बायसिंग (Cognitive De-biasing): यह प्रदर्शित करना कि विशिष्ट, गणितीय रूप से बंधे रैंडमाइजेशन रणनीतियां महत्वपूर्ण बुनियादी ढांचे में अंतर्निहित LLM संज्ञानात्मक पूर्वाग्रहों को प्रभावी ढंग से कम कर सकती हैं।
• सैद्धांतिक अंतर्दृष्टि: बाधित मल्टी-एजेंट वार्ता में उपयोगिता क्षरण की द्वि-शासन (dual-regime) प्रकृति का पहला कठोर प्रमाण प्रदान करना, जो इस धारणा को चुनौती देता है कि शुरुआती एंकर का करीब होना हमेशा बेहतर परिणाम देता है।
• व्यावहारिक व्यवहार्यता: यह सिद्ध करना कि जटिल, इंटेंट-ड्रिवन, ज़ीरो-टच नेटवर्क ऑर्केस्ट्रेशन को गोपनीयता-संरक्षित, स्थानीय रूप से होस्ट किए गए छोटे LLMs (1B पैरामीटर्स) का उपयोग करके प्राप्त किया जा सकता है, न कि विशाल, क्लाउड-निर्भर मॉडलों पर निर्भर रहकर। यह दृष्टिकोण इसे वास्तविक समय के एज पर तैनाती के लिए कम्प्यूटेशनल रूप से व्यवहार्य बनाता है जबकि सख्त SLA गारंटी और महत्वपूर्ण ऊर्जा कटौती सुनिश्चित करता है।