Theorist Toolbox: Tools for Agent Based LLM-assisted economic theory Research

तकनीकी सारांश: थ्योरिस्ट टूलबॉक्स (Theorist Toolbox) – आर्थिक सिद्धांत के लिए एक सत्यापित प्रोटोकॉल

1. समस्या विवरण
यह शोध पत्र आर्थिक अनुसंधान में एक संरचनात्मक विषमता को संबोधित करता है: अनुभवजन्य अर्थशास्त्रियों (empirical economists) को साझा उपकरण (पैकेज, प्रतिकृति संग्रह, मार्गदर्शिकाएँ) विरासत में मिलते हैं, जबकि सिद्धांतकार (theorists) अक्सर व्यक्तिगत अनुशासन पर निर्भर करते हुए अलगाव में काम करते हैं, न कि साझा बुनियादी ढांचे पर। अब जब लार्ज लैंग्वेज मॉडल्स (LLMs) गैर-तुच्छ गणितीय व्युत्पन्न (mathematical derivations) उत्पन्न करने में सक्षम हैं, तो मशीन-सहायता प्राप्त सिद्धांत के लिए प्राथमिक बाधा 'उत्पादन' से बदलकर 'विश्वास' (trust) पर आ गई है। LLMs प्रवाहपूर्ण और आत्मविश्वासी, फिर भी गलत प्रमाण उत्पन्न कर सकते हैं (जैसे, ex-ante अपेक्षाओं को ex-post गुणों के रूप में समझना, या बजट संतुलन के लिए रद्दीकरण (cancellations) को भ्रमित करना)। मूल समस्या यह है कि बिना उनके आउटपुट पर भरोसा किए, आर्थिक सिद्धांत के लिए LLMs का उपयोग कैसे किया जाए, विशेष रूप से उन क्षेत्रों में जहाँ औपचारिक सत्यापन (formal verification) जैसे कि प्रूफ़ असिस्टेंट्स (Lean आदि) अभी मानक नहीं हैं।

2. कार्यप्रणाली: सत्यापन-प्रथम प्रोटोकॉल (Verification-First Protocol)
लेखक एक "सत्यापन-प्रथम" प्रोटोकॉल का प्रस्ताव करते हैं, जिसे तीन पुन: प्रयोज्य विधियों (Claude Code कौशल) के रूप में स्थापित किया गया है जो एक ही अक्ष (axis) पर भिन्न होते हैं: सत्यापन की तीव्रता और स्रोत। ये तीनों विधियाँ एक ही आधार मॉडल (Claude Opus 4.8) का उपयोग करती हैं, लेकिन उनके सत्यापन तंत्र अलग-अलग हैं:

• विधि 1: एकल अनुशासित पास (Single Disciplined Pass)। एक एकल मॉडल एक सख्त लेखन अनुशासन के तहत एक पूर्ण प्रमाण उत्पन्न करता है (कोई अलंकारिक अंतराल नहीं, संकेतों का स्पष्ट औचित्य, सिद्ध बनाम अनुमानित दावों के बीच अंतर)। सत्यापन केवल आंतरिक निरंतरता और सीमाओं के स्व-फ्लैगिंग तक सीमित है।
• विधि 2: प्रतिकूल युग्म (Adversarial Pair)। एक प्रतिकूल वर्कफ़्लो जहाँ Claude Opus 4.8 एक परिणाम प्रस्तावित करता है, और दूसरा स्वतंत्र मॉडल (OpenAI Codex/gpt-5.5) एक शत्रुतापूर्ण सत्यापनकर्ता (hostile verifier) के रूप में कार्य करता है जो दावे को खंडित करने का प्रयास करता है। एक मानव लेखक निष्कर्षों का वर्गीकरण (triage) करता है, वास्तविक प्रति-उदाहरणों और 'फॉल्स पॉजिटिव' के बीच अंतर करता है। इसमें संख्यात्मक मोंटे कार्लो (Monte Carlo) जाँच भी शामिल है।
• विधि 3: बहु-एजेंट प्रोजेक्ट (Multi-Agent Project)। "AI सह-गणितज्ञ" (Zheng et al., 2026) से प्रेरित एक संरचित अनुसंधान वर्कफ़्लो। यह समस्या को कार्यधाराओं (साहित्य, प्रमाण, कोडिंग) में विभाजित करता है जिसमें एक स्थायी "समीक्षक द्वार" (reviewer gate) होता है। यह "स्ट्रिक्ट मोड" में संचालित होता है, जिसमें प्रत्येक अंतराल को \unproven{} टैग के साथ चिह्नित करना आवश्यक है। उप-लक्ष्यों को पूर्ण माना जाने से पहले एक समीक्षक द्वार को उन्हें अनुमोदित करना होता है। यह कठोर जाँच के लिए विधि 2 को एक घटक के रूप में समाहित करता है।

3. टेस्टबेड (कार्यकारी उदाहरण)
इस प्रोटोकॉल का मूल्यांकन गैन्स-कोमिनर्स (Gans–Kominers, 2026) के ग्रेड इन्फ्लेशन (grade inflation) मॉडल पर आधारित एक एकल ओपन मैकेनिज्म-डिज़ाइन समस्या पर किया गया है।

• संदर्भ: यह मॉडल छात्र प्रदर्शन को $P_{ic} = a_i - d_c + \epsilon_{ic}$ के रूप में मानता है, जहाँ $a_i$ क्षमता है और $d_c$ पाठ्यक्रम की कठिनाई है। 'eigengrade' एस्टिमेटर नामांकन नेटवर्क के ग्राफ लैपलेसियन (graph Laplacian) का उपयोग करके क्षमता को पुनः प्राप्त करता है।
• अंतराल (The Gap): जबकि 'eigengrades' रणनीतिक तटस्थता (strategic neutrality) प्राप्त करते हैं, वे सूचनात्मक बाह्यता (informational externality) को आंतरिक नहीं करते हैं: प्रत्येक नामांकन या ग्रेडिंग निर्णय सभी की क्षमता के अनुमान की सटीकता को प्रभावित करता है (जो लैपलेसियन के छद्म व्युत्क्रम (pseudoinverse) के ट्रेस, $tr(L^+)$ द्वारा नियंत्रित होता है)।
• प्रश्न: क्या एक ऐसा तंत्र डिज़ाइन किया जा सकता है जो इस बाह्यता को आंतरिक करे (ग्राफ की "प्रभावी प्रतिरोध" (effective resistance) की कीमत तय करना) ताकि सत्य रिपोर्टिंग या कुशल नामांकन प्रेरित किया जा सके, जबकि बजट संतुलन और प्रशिक्षकों के लिए मौद्रिक संख्यात्मक (monetary numeraire) के अभाव की बाधाएं मौजूद हों?

4. विधि द्वारा मुख्य परिणाम

• एकल पास (P1): इसने नामांकन बाह्यता को आंतरिक करने के लिए एक ग्रोव्स ट्रांसफर (Groves transfer - ट्यूशन क्रेडिट/प्राथमिकता में) का उपयोग करते हुए एक पॉलिश किया हुआ, छात्र-पक्ष नामांकन तंत्र तैयार किया। इसने बजट संतुलन की असंभवता (Green–Laffont) को सही ढंग से पहचाना लेकिन इसमें कोई संख्यात्मक सत्यापन नहीं था।
• प्रतिकूल युग्म (P2): इसने एक प्रशिक्षक-पक्ष पिगुवियन ट्रांसफर (Pigouvian transfer) तैयार किया जो प्रभावी ग्रेडिंग को प्रमुख रणनीतियों (dominant strategies) में लागू करता है। महत्वपूर्ण रूप से, प्रतिकूल सत्यापनकर्ता ने प्रारंभिक प्रस्ताव में तीन महत्वपूर्ण त्रुटियों को पकड़ा:
  1. एक ex-post प्रोत्साहन-तटस्थता दावे को गलत सिद्ध किया (दिखाया कि यह केवल अपेक्षा (expectation) में सत्य है)।
  2. यह सिद्ध किया कि एक बजट-संतुलित प्रमुख-रणनीति ट्रांसफर असंभव है (एक गैर-शून्य मिश्रित व्युत्पन्न के माध्यम से)।
  3. इस दावे को सुधारा कि प्रथम-मोमेंट की सटीकता के लिए 'लीव-वन-आउट' एस्टिमेटर आवश्यक था (दिखाया कि मानक एस्टिमेटर में पहले से ही यह गुण मौजूद था)।
• बहु-एजेंट प्रोजेक्ट (P3): इसने रिपोर्ट स्पेस में "मुद्रा-मुक्त" (money-free) तंत्रों का एक सूट तैयार किया। इसने P1 के समान ही 'इफेक्टिव-रेसिस्टेंस कर्नेल' को गहन मार्जिन (ग्रेडिंग निष्ठा) पर व्युत्पन्न किया। समीक्षक द्वार ने पीयर प्रेडिक्शन (peer prediction) का उपयोग करने के एक उप-लक्ष्य को खारिज कर दिया (जो निजी संकेतों को निकालने में विफल रहा) और एक सशर्त अस्तित्व परिणाम (एक कॉम्पैक्ट एक्शन बॉक्स की आवश्यकता) के लिए मजबूर किया। इसके आउटपुट ने स्पष्ट रूप से अप्राप्त दायित्वों (unproven obligations) को सूचीबद्ध किया।

5. तीन प्रेक्षित घटनाएँ (Observed Phenomena)
तीनों रन के तुलनात्मक अध्ययन से तीन हस्तांतरणीय निष्कर्ष प्राप्त हुए:

1. अभिसरण खोज (Convergent Discovery): P1 (छात्र मार्जिन) और P3 (प्रशिक्षक मार्जिन) ने, अलग-अलग फ्रेमिंग के साथ स्वतंत्र रूप से कार्य करते हुए, ठीक उसी गणितीय वस्तु को व्युत्पन्न किया: $\|\Pi L^+ b_e\|^2$। यह अभिसरण इस विश्वास को बढ़ाता है कि यह वस्तु समस्या की एक विशेषता है, न कि मॉडल का कोई कृत्रिम प्रभाव।
2. प्रतिकूल सत्यापन भार वहन करने वाला है (Adversarial Verification is Load-Bearing): प्रतिकूल युग्म (P2) ने तीन गलत दावों को पकड़ा जिन्हें एक एकल पास शिप कर देता। सत्यापन तंत्र सजावटी नहीं था; यह शुद्धता के लिए आवश्यक था।
3. चमक (Polish) कठोरता (Rigor) नहीं है: सबसे अधिक "परिष्कृत दिखने वाला" आउटपुट (P1) सबसे कम सत्यापित था। सबसे अधिक "खुरदरा" (raggedest) आउटपुट (P3), जो फ्लैग्स और अप्राप्त दायित्वों से भरा था, सबसे अधिक विश्वसनीय था क्योंकि इसने स्पष्ट रूप से नाम लिया कि वह क्या नहीं जानता था।

6. महत्व और दावे
यह शोध पत्र एक नए प्रमेय या बेंचमार्क स्कोर के बजाय एक व्यावहारिक प्रोटोकॉल का दावा करता है। इसका महत्व निम्नलिखित में निहित है:

• डिज़ाइन चर को बदलना: यह तर्क देना कि मशीन-सहायता प्राप्त सिद्धांत के लिए, महत्वपूर्ण डिज़ाइन विकल्प मॉडल की क्षमता नहीं बल्कि बाहरी सत्यापन तंत्र है।
• एक यथार्थवादी डिलिवरेबल को परिभाषित करना: लक्ष्य एक प्रमाणित प्रमेय (जिसके लिए औपचारिककरण अभी उपलब्ध नहीं है) नहीं है, बल्कि एक "अनुशासित अनुसंधान सीमा" है: एक सत्यापित कोर, कार्यशील तंत्र, ईमानदार नकारात्मक परिणाम और खुले प्रश्नों का एक स्पष्ट बहीखाता।
• पद्धतिगत हस्तांतरण: यह प्रोटोकॉल किसी भी आर्थिक सिद्धांत समस्या पर लागू होने के लिए डिज़ाइन किया गया है जहाँ आप "हाथ-पैर हिलाने" (hand-waving) की अनुमति दिए बिना मशीन सहायता चाहते हैं।

लेखक स्पष्ट रूप से सीमाओं को नोट करता है: साक्ष्य एक विशिष्ट मॉडल पेयरिंग के साथ एक ऑपरेटर द्वारा चलाए गए एकल कार्यकारी उदाहरण पर आधारित है। रिपोर्ट की गई घटनाएँ संभावना और व्यवहार के प्रदर्शन हैं, न कि सफलता की मापी गई दरें। शोध पत्र निष्कर्ष निकालता है कि बाहरी सत्यापन, मॉडल के आत्मविश्वास के बजाय, मशीन-सहायता प्राप्त आर्थिक सिद्धांत के लिए आवश्यक सुरक्षा कवच है।