🤖 machine learning

The Contagion Tensor: A Framework for Measuring Output-Distribution Coupling in Multi-Agent LLM Systems -- and Auditing the Claims It Enables

यह शोध पत्र कॉन्टैजन टेंसर (Contagion Tensor) और कपलिंग एम्प्लीफिकेशन फैक्टर (CAF) को मल्टी-एजेंट LLM सिस्टम में एजेंटों, मोडैलिटीज़ और समय के बीच आउटपुट-डिस्ट्रीब्यूशन कपलिंग को मापने और उसे गलत सिद्ध करने के लिए एक मात्रात्मक ढांचे के रूप में प्रस्तुत करता है, जिसे सिमुलेशन और रियल-API प्रयोगों के माध्यम से मान्य किया गया है जो वास्तविक कपलिंग प्रभावों को डिज़ाइन आर्टिफैक्ट्स से अलग करते हैं।

मूल लेखक: Zewen Liu

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zewen Liu

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 लोगों (AI एजेंटों) से भरी एक कमरा है जो आपस में बातें कर रहे हैं। कभी-कभी, वे एक जैसा सोचने लगते हैं। कभी-कभी, वे एक ही जैसी बातें कहने लगते हैं। कभी-कभी, यदि आप उन्हें केवल टेक्स्ट के बजाय एक तस्वीर दिखाते हैं, तो वे पूरी तरह से अलग, अधिक अराजक (chaotic) तरीके से प्रतिक्रिया दे सकते हैं।

लंबे समय तक, इन AI समूहों का अध्ययन करने वाले वैज्ञानिकों के पास एक समस्या थी: वे देख तो सकते थे कि चीजें हो रही हैं, लेकिन वे ठीक से यह माप नहीं सकते थे कि एजेंट एक-दूसरे के व्यवहार को कितना "पकड़" (catch) रहे हैं। यह मौसम को केवल यह कहकर वर्णित करने जैसा था कि "यह तूफानी लग रहा है" बिना किसी थर्मामीटर के।

यह शोध पत्र एक नया "थर्मामीटर" पेश करता है जिसे Contagion Tensor कहा जाता है और एक विशिष्ट रीडिंग जिसे Coupling Amplification Factor (CAF) कहा जाता है। यह कैसे काम करता है, यहाँ सरल रूप में दिया गया है:

1. "Contagion Tensor" (एक 3D मानचित्र)

Contagion Tensor को एक विशाल, 3D स्प्रेडशीट के रूप में सोचें।

एक तरफ विभिन्न प्रकार के इनपुट (टेक्स्ट बनाम चित्र) को ट्रैक करती है।
दूसरी तरफ यह ट्रैक करती है कि कमरे में कितने एजेंट हैं।
तीसरी तरफ समय (वे कितनी देर से बात कर रहे हैं) को ट्रैक करती है।

इस स्प्रेडशीट का प्रत्येक सेल इस बात को मापता है कि एक AI का उत्तर "रैंडम" या "न्यूट्रल" होने से कितना दूर भटक गया है। यदि कोई AI एक विशेष प्रकार के उत्तर की ओर भारी रूप से झुकने लगता है, तो वह सेल चमकने लगता है। यह मानचित्र शोधकर्ताओं को यह देखने में मदद करता है कि "संक्रमण" (contagion) वास्तव में कहाँ और कब हो रहा है।

2. "CAF" (थर्मामीटर की रीडिंग)

उस 3D मानचित्र से, लेखकों ने एक सरल संख्या बनाई जिसे CAF (Coupling Amplification Factor) कहा जाता है। इसे एक "Chaos Score" के रूप में समझें।

CAF = 1.0: एजेंट स्वतंत्र रूप से कार्य कर रहे हैं। वे एक लाइब्रेरी में अजनबियों की तरह हैं; वे एक-दूसरे को प्रभावित नहीं कर रहे हैं।
CAF > 1.0: एजेंट एक-दूसरे की विचित्रता (weirdness) को बढ़ा रहे हैं। वे पार्टी में दोस्तों के एक समूह की तरह हैं जो एक साथ मिलकर और ज़ोर से हंसने लगते हैं।
CAF < 1.0: एजेंट शांत हो रहे हैं और एक जैसे बन रहे हैं। वे एक ऐसे गायक दल (choir) की तरह हैं जिन्होंने इतना अभ्यास किया है कि वे सभी बिल्कुल एक जैसा सुनाई देते हैं।

3. बड़ी खोज: "जादुई ट्रिक"

लेखकों ने 8 अलग-अलग परिदृश्यों के साथ एक बड़ा प्रयोग चलाया। शुरू में, परिणाम अद्भुत लग रहे थे:

जब एजेंटों ने टेक्स्ट के माध्यम से बात की, तो वे शांत हो गए (CAF < 1)।
जब एजेंटों ने चित्रों को देखा, तो वे बेकाबू हो गए और एक-दूसरे को बढ़ाते चले गए (CAF > 1)।

ऐसा लगा जैसे चित्र एक "सुपर-कनेक्टर" थे जिसने AI एजेंटों को टेक्स्ट की तुलना में बहुत अधिक मजबूती से एक-दूसरे को प्रभावित करने के लिए प्रेरित किया।

लेकिन फिर, उन्होंने प्लग निकाल दिया।

लेखकों को एहसास हुआ कि उनके कंप्यूटर सिमुलेशन में एक छोटी सी "खामी" (एक विशिष्ट कोड मॉड्यूल) थी जो छवियों के साथ टेक्स्ट की तुलना में अलग व्यवहार करती थी। उन्होंने उस मॉड्यूल को बंद (OFF) कर दिया और प्रयोग को फिर से चलाया।

परिणाम: "इमेज सुपर-कनेक्टर" प्रभाव गायब हो गया! इमेज के परिणाम "अराजक" (1.40) से गिरकर "शांत" (0.87) हो गए, जो टेक्स्ट के परिणामों के बिल्कुल समान था।

सबक: वह "जादू" वास्तविक नहीं था। वह उनके अपने सिमुलेशन की एक डिज़ाइन दोष (design flaw) थी। यह साबित करता है कि उनके नए टूल का मूल्य क्या है: इसने उन्हें किसी और के द्वारा देखे जाने से पहले एक नकली खोज को पकड़ने में मदद की।

4. असली AI के साथ परीक्षण (रियलिटी चेक)

यह सुनिश्चित करने के लिए कि उनका टूल केवल नकली खामियों को खोजने के लिए नहीं है, उन्होंने वास्तविक API का उपयोग करके वास्तविक AI मॉडल (DeepSeek और GPT-4o-mini) के साथ परीक्षण किया।

टेक्स्ट परिणाम: जब वास्तविक AI एजेंट टेक्स्ट के माध्यम से बात कर रहे थे, तो वे स्वतंत्र रहे (CAF ≈ 1.0)। यदि उनके व्यक्तित्व विविध थे, तो वे वास्तव में एक दूसरे के अधिक समान हो गए (CAF < 1), जैसे एक गायक दल सामंजस्य (harmony) ढूंढ रहा हो।
इमेज परिणाम: जब उन्होंने वास्तविक विज़न क्षमताओं (वास्तविक JPEG छवियों को देखते हुए) वाले वास्तविक AI का उपयोग किया, तो "सुपर-कनेक्टर" प्रभाव पुनः प्रकट हुआ। CAF उछलकर 1.72 हो गया।

इसने पुष्टि की कि जबकि सिमुलेशन में एक खामी थी, विचार वास्तविक था: वास्तविक चित्र AI एजेंटों को टेक्स्ट की तुलना में एक-दूसरे के व्यवहार को बहुत अधिक मजबूती से प्रभावित करते हैं।

5. यह क्यों महत्वपूर्ण है (द "ऑडिट" प्रोटोकॉल)

इस शोध पत्र का सबसे महत्वपूर्ण हिस्सा केवल संख्याएँ नहीं हैं; यह पद्धति (method) है।

लेखक सभी AI शोध के लिए एक नया नियम प्रस्तावित करते हैं: द एब्लेशन प्रोटोकॉल (The Ablation Protocol)।
इससे पहले कि आप दावा करें कि कोई नया AI व्यवहार "इमर्जेंट" (समूह का एक जादुई गुण) है, आपको:

उस विशिष्ट कोड भाग की पहचान करनी चाहिए जो इसे कारण दे सकता है।
उस भाग को बंद (OFF) करना चाहिए।
परीक्षण को फिर से चलाना चाहिए।
यदि प्रभाव गायब हो जाता है, तो स्वीकार करें कि यह केवल एक डिज़ाइन आर्टिफैक्ट था, जादू नहीं।

सारांश

यह शोध पत्र AI के क्षेत्र को एक पैमाना (ruler) देता है जिससे यह मापा जा सके कि AI एजेंट एक-दूसरे को कितना प्रभावित करते हैं। उन्होंने अपने स्वयं के सिमुलेशन में एक नकली खोज को खोजने के लिए उस पैमाने का उपयोग किया (यह साबित करने के लिए कि पैमाना काम करता है) और फिर एक वास्तविक खोज खोजने के लिए इसका उपयोग किया: वास्तविक चित्र AI एजेंटों को टेक्स्ट की तुलना में बहुत तेज़ी से एक-दूसरे के व्यवहार को "पकड़ने" में मदद करते हैं।

यह वैज्ञानिकों के लिए एक आह्वान है कि वे अनुमान लगाना बंद करें और मापना शुरू करें, और हमेशा यह जाँचें कि क्या उनके अपने उपकरण उन भ्रमों को पैदा कर रहे हैं जिन्हें वे देख रहे हैं।

तकनीकी सारांश: संक्रामकता टेंसर (Contagion Tensor) और कपलिंग प्रवर्धन कारक (Coupling Amplification Factor)

समस्या विवरण
जैसे-जैसे मल्टी-एजेंट लार्ज लैंग्वेज मॉडल (LLM) सिस्टम चैटबॉट एन्सेम्बल्स, रिट्रीवल-ऑगमेंटेड सिस्टम्स और सोशल सिमुलेशन में प्रचलित हो रहे हैं, उनके आउटपुट वितरण (output distributions) बार-बार होने वाले आदान-प्रदान के माध्यम से विकसित होते हैं। इस क्षेत्र में एक महत्वपूर्ण अंतराल मौजूद है: जबकि सिंगल-मॉडल बायस प्रोब्स (जैसे BBQ, StereoSet) और गुणात्मक केस स्टडीज उपलब्ध हैं, आउटपुट वितरण विभिन्न मोडैलिटीज (modalities), एजेंटों और समय के बीच कैसे युग्मित (couple) होते हैं, इसे मापने के लिए कोई सिद्धांतिक, पुन: प्रयोज्य मापन ढांचा नहीं है। विशेष रूप से, समुदाय के पास यह निर्धारित करने के लिए कोई मीट्रिक नहीं है कि क्या दूसरी मोडैलिटी जोड़ने से कपलिंग प्रवर्धित होती है, क्या मेमोरी से टेम्पोरल पर्सिस्टेंस (temporal persistence) बढ़ता है, या क्या कुछ स्थितियों पर अंशांकन (calibration) अन्य स्थितियों पर वैधता की गारंटी देता है। ऐसे ढांचे के बिना, उभरते व्यवहारों (emergent behaviors) या बायस प्रसार के दावे गुणात्मक रूप से वर्णनात्मक और मात्रात्मक रूप से असत्यापनीय (un-falsifiable) रह जाते हैं।

कार्यप्रणाली: संक्रामकता टेंसर और CAF परिवार
यह शोध पत्र संक्रामकता टेंसर (Contagion Tensor) ( $T \in \mathbb{R}^{M \times N \times T}$ ) पेश करता है, जो एक मापन ढांचा है जहाँ प्रत्येक सेल $T[m, n, t]$ , एक एजेंट के आउटपुट वितरण ( $w_{n,t}^m$ ) और एक समान संदर्भ वितरण ( $w_0$ ) के बीच जेन्सन-शैनन डायवर्जेंस (Jensen-Shannon Divergence - JSD) को दर्शाता है। यह टेंसर मोडैलिटीज ( $M$ ), एजेंटों ( $N$ ), और समय चरणों ( $T$ ) के माध्यम से वितरण विचलन (distributional drift) को कैप्चर करता है।

इस टेंसर से, लेखक कपलिंग प्रवर्धन कारक (Coupling Amplification Factor - CAF) प्राप्त करते हैं, जो अनुपात-आधारित मीट्रिक्स का एक परिवार है जिसे निम्नानुसार परिभाषित किया गया है:
$CAF = \frac{E[T_{condition}]}{E[T_{baseline}]}$
जहाँ $E[T]$ टेंसर प्रविष्टियों की प्रत्याशा (expectation) है। CAF एक इकाई-रहित (unitless), बेसलाइन-संदर्भित अनुपात है जहाँ:

$CAF > 1$: प्रवर्धित कपलिंग (amplified coupling) को इंगित करता है।
$CAF = 1$: स्वतंत्र सुपरपोजिशन (independent superposition) को इंगित करता है।
$CAF < 1$: आउटपुट अभिसरण (output convergence/homogenization) को इंगित करता है।

यह ढांचा चार पूर्ववर्ती विरोधाभासी मीट्रिक्स (जिन्हें पूर्व कार्य में $\Gamma$ प्रतीकों द्वारा दर्शाया गया था) को एक एकल नोटेशन और चार वेरिएंट्स के साथ एकीकृत करता है:

$CAF_{base}$ : पूर्ण-एक्सिस संदर्भ (मोडैलिटी $\times$ एजेंट संख्या $\times$ समय)।
$CAF_{net}$ : एजेंट-स्तरीय कपलिंग (स्पेक्ट्रल रेडियस दावों के स्थान पर)।
$CAF_{cross}$ : क्रॉस-मोडल कपलिंग।
$CAF_{temp}$ : टेम्पोरल पर्सिस्टेंस (temporal persistence)।

कठोरता सुनिश्चित करने के लिए, शोध पत्र एक मोडैलिटी-एब्लेशन प्रोटोकॉल (modality-ablation protocol) का उपयोग करता है: उन कोड मॉड्यूल की पहचान करना जो डिज़ाइन द्वारा प्रभाव उत्पन्न कर सकते हैं, उन्हें सभी सीड्स (seeds) और पैरामीटर्स को स्थिर रखते हुए अक्षम करना, और फिर से मापना। यह वास्तविक कपलिंग को डिज़ाइन आर्टिफैक्ट्स (design artifacts) से अलग करता है।

प्रमुख परिणाम
इस ढांचे को $2 \times 2 \times 2$ फुल-फैक्टोरियल सिमुलेशन डिज़ाइन में स्थापित किया गया और वास्तविक API प्रयोगों (DeepSeek-Chat और GPT-4o-mini) के विरुद्ध मान्य किया गया।

सिमुलेशन आर्टिफैक्ट डिटेक्शन: डिफॉल्ट मापदंडों के तहत, इमेज कंडीशंस ने सुपर-लीनियर कपलिंग ( $CAF \approx 1.40$ ) प्रदर्शित की, जबकि टेक्स्ट कंडीशंस ने सब-लीनियर कपलिंग ( $CAF \approx 0.84$ ) दिखाई। हालांकि, इमेज-विशिष्ट नॉइज़ और स्ट्रक्चरल शिफ्ट्स के लिए जिम्मेदार एकल मॉड्यूल को अक्षम करने के बाद, सभी इमेज कंडीशंस सब-लीनियर मानों ( $CAF \approx 0.87$ ) पर गिर गईं, जिसमें औसत बदलाव $\Delta = -0.53$ देखा गया। टेक्स्ट कंडीशंस अपरिवर्तित रहीं। इसने यह सिद्ध किया कि स्पष्ट "मोडैलिटी द्विभाजन" (modality bifurcation) सिमुलेशन के परटर्बेशन मॉड्यूल का एक आर्टिफैक्ट था, न कि एजेंटों का कोई अंतर्निहित गुण।
रियल-API वैलिडेशन:
- टेक्स्ट कंडीशंस: यूनिफॉर्म पर्सोना के तहत, टेक्स्ट-ओनली BOUNDARY SYNC संचार ने DeepSeek-Chat और GPT-4o-mini दोनों में $CAF \approx 1.0$ उत्पन्न किया, जो आइसोलेशन के सापेक्ष कोई मापने योग्य कपलिंग नहीं दर्शाता है।
- पर्सोना विविधता: जब एजेंटों को विविध पर्सोना दिए गए, तो टेक्स्ट कंडीशंस अभिसरित हुईं ($CAF = 0.88$), जो आउटपुट होमोजेनाइजेशन (homogenization) को दर्शाता है न कि विचलन को।
- रियल विजन: GPT-4o-mini पर एक इन-मॉडल तुलना ने खुलासा किया कि वास्तविक विजन इनपुट (C5) ने एक सांख्यिकीय रूप से महत्वपूर्ण सुपर-लीनियर प्रभाव ($CAF = 1.72$, 95% CI [1.700, 1.733]) उत्पन्न किया, जो टेक्स्ट-ओनली कंडीशंस ($CAF = 1.02$) के विपरीत था। यह इस गुणात्मक भविष्यवाणी को मान्य करता है कि इमेज मोडैलिटीज कपलिंग को संचालित करती हैं, हालांकि कृत्रिम इंजेक्शन के कारण परिमाण भिन्न होता है।
मीट्रिक तुलना: शोध पत्र दिखाता है कि सरल मीट्रिक्स (एंट्रॉपी रेश्यो, वेरिएंस रेश्यो) और पेयरवाइज म्यूचुअल इंफॉर्मेशन, टेक्स्ट और इमेज कंडीशंस के बीच अंतर करने में विफल रहते हैं, जबकि CAF सफलतापूर्वक श्रेणी-स्तरीय संरचनात्मक अंतरों को कैप्चर करता है।

महत्व और दावे
यह शोध पत्र दो विशिष्ट योगदान देता है, जिन्हें विशिष्ट उभरते हुए घटनाक्रमों की खोज करने के बजाय मापन और ऑडिटिंग के उपकरण प्रदान करने के रूप में विनम्रतापूर्वक प्रस्तुत किया गया है:

मापन-उपकरण स्तर (Measurement-Instrument Level): CAF परिवार आउटपुट-डिस्ट्रीब्यूशन कपलिंग के लिए पहला मात्रात्मक, सत्यापन योग्य मीट्रिक प्रदान करता है। एक बेसलाइन-संदर्भित अनुपात का उपयोग करके, यह शोधकर्ताओं को यह निर्धारित करने की अनुमति देता है कि देखे गए प्रभाव वास्तविक हैं या स्वयं मापन उपकरण के आर्टिफैक्ट्स हैं।
कार्यप्रणाली स्तर (Methodology Level): शोध पत्र मल्टी-एजेंट LLM सिमुलेशन के लिए एक हस्तांतरणीय एब्लेशन प्रोटोकॉल (ablation protocol) प्रस्तावित करता। यह प्रोटोकॉल शोधकर्ताओं को यह सत्यापित करने के लिए विशिष्ट मॉड्यूल की पहचान करने, उन्हें अक्षम करने और पुनः मापने की आवश्यकता देता है कि कथित उभरते व्यवहार डिज़ाइन आर्टिफैक्ट्स नहीं हैं।

लेखकों का तर्क है कि क्षेत्र की तत्काल आवश्यकता एक और मीट्रिक नहीं, बल्कि यह सत्यापित करने का एक अनुशासन है कि देखे गए कपलिंग प्रभाव वास्तविक हैं। इस ढांचे का मूल्य यह प्रकट करने की क्षमता में निहित है कि पिछले "खोज" (जैसे मोडैलिटी द्विभाजन) आर्टिफैक्ट्स थे, और वास्तविक विजन-सक्षम मॉडलों में सुपर-लीनियर कपलिंग प्रभाव का पता लगाने में इसकी सफलता में है। शोध पत्र निष्कर्ष निकालता है कि किसी घटना को मापने योग्य बनाना—और उन मापों का ऑडिट करने के उपकरण प्रदान करना—स्वयं में एक वैज्ञानिक योगदान है, भले ही प्रारंभिक माप उपकरण के बारे में अधिक जानकारी देते हों।