🤖 machine learning

The Honest Quorum Problem: Epistemic Byzantine Fault Tolerance for Agentic Infrastructure

यह शोध पत्र एपिस्टेमिक बायज़ेंटाइन फॉल्ट टॉलरेंस (EBFT) प्रस्तुत करता है, जो एजेंटिक इंफ्रास्ट्रक्चर के लिए एक नया कंसेंसस फ्रेमवर्क है जो प्रोटोकॉल-अनुपालन एजेंटों के बीच सह-संबंधित तर्क त्रुटियों (correlated reasoning errors) को ध्यान में रखने के लिए पारंपरिक फॉल्ट टॉलरेंस का विस्तार करके "ऑनेस्ट कोरम प्रॉब्लम" को संबोधित करता है, जिससे अमान्य एंडोर्समेंट और अनुपयोगी सपोर्ट पर कॉन्फिडेंस-इंडेक्स्ड बाउंड्स के माध्यम से सिमेंटिक वैधता और लाइवनेस सुनिश्चित की जाती है।

मूल लेखक: Jun He, Deying Yu

प्रकाशित 2026-07-20

📖 9 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jun He, Deying Yu

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 एक ऐसी दुनिया है जहाँ कंप्यूटर केवल कैलकुलेटर की तरह कठोर, पूर्व-लिखित निर्देशों का पालन नहीं करते, बल्कि छोटे, तर्क करने वाले कर्मचारियों की तरह कार्य करते हैं। ये "एजेंटिक" (agentic) कंप्यूटर एक अस्त-व्यस्त स्थिति को देख सकते हैं, एक नीति पढ़ सकते हैं, और तय कर सकते हैं कि आगे क्या करना है। लेकिन यहाँ एक पेंच है: क्योंकि वे संभाव्यता आधारित तर्क (probabilistic reasoning) का उपयोग करते हैं (जैसे खेल में सबसे अच्छी चाल का अनुमान लगाना), वे कभी-कभी एक "स्मार्ट" गलती कर सकते हैं। वे सभी नियमों का पूरी तरह से पालन कर सकते हैं, सही फॉर्म भर सकते हैं, और समय पर जवाब दे सकते हैं, फिर भी कुछ खतरनाक करने का निर्णय ले सकते हैं।

इन डिजिटल कर्मचारियों को नियंत्रण में रखने के लिए, हम बाइजेंटाइन फॉल्ट टॉलरेंस (Byzantine Fault Tolerance) नामक प्रणाली का उपयोग करते हैं। इसे एक अत्यंत सख्त वोटिंग क्लब के रूप में सोचें। क्लब का नियम सरल है: जब तक सदस्य एक निश्चित संख्या में "हाँ" वोट देते हैं, निर्णय अंतिम है। पारंपरिक रूप से, हमने माना था कि यदि कोई सदस्य "बुरा आदमी" (सिस्टम को तोड़ने वाला गद्दार) नहीं है, तो वह हमेशा सही चीज़ पर वोट देगा। लेकिन क्या होगा यदि "अच्छे लोग" एक ही पाठ्यपुस्तक, एक ही शिक्षक और एक ही अध्ययन मार्गदर्शिका का उपयोग कर रहे हैं? वे गलत उत्तर पर सहमत हो सकते हैं, इसलिए नहीं कि वे गद्दार हैं, बल्कि इसलिए क्योंकि उन्होंने एक ही गलती सीखी है। यह वह डरावनी नई समस्या है जिसे यह शोध पत्र संबोधित करता है: ईमानदार, नियम का पालन करने वाले कंप्यूटरों का एक समूह एक आपदा पर सहमत होता है।

द ऑनेस्ट कोरम प्रॉब्लम: जब अच्छे लोग गलत चीज़ पर सहमत होते हैं

यह शोध पत्र, जिसका शीर्षक द ऑनेस्ट कोरम प्रॉब्लम (The Honest Quorum Problem) है, भविष्य के एआई (AI) और कंप्यूटर नेटवर्क के लिए एक बहुत ही विशिष्ट सिरदर्द में गहराई से उतरता है। यह पूछता है: क्या होता है जब ईमानदार, नियम का पालन करने वाले एआई एजेंट सभी एक ऐसी चीज़ करने के लिए सहमत हो जाते हैं जो वास्तव में एक बहुत बुरा विचार है?

पुराने दिनों में, कंप्यूटर विज्ञान में हमारे पास एक सुरक्षा जाल था जिसे बाइजेंटाइन फॉल्ट टॉलरेंस (BFT) कहा जाता था। कल्पना कीजिए कि जनरलों का एक समूह यह तय करने की कोशिश कर रहा है कि किले पर हमला करना है या नहीं। कुछ जनरल गद्दार (बाइजेंटाइन दोष) हो सकते हैं जो दूसरों को धोखा देने की कोशिश करते हैं। BFT नियम कहता है: "जब तक हमारे पास पर्याप्त ईमानदार जनरल हैं, हम गद्दारों को अनदेखा कर सकते हैं और एक सुरक्षित निर्णय ले सकते हैं।" मुख्य धारणा यह थी कि "ईमानदार" जनरल हमेशा सही उत्तर जानते होंगे।

लेकिन इस शोध पत्र के लेखक बताते हैं कि एआई के युग में यह धारणा टूट गई है। वे एक नया शब्द पेश करते हैं जिसे एपिस्टेमिक फॉल्ट (Epistemic Fault) कहा जाता है। "एपिस्टेमिक" का अर्थ है "ज्ञान से संबंधित"। एक एपिस्टेमिक फॉल्ट तब होता है जब एक एआई एजेंट पूरी तरह से ईमानदार होता है—वह प्रोटोकॉल का पालन करता है, डिजिटल हस्ताक्षर करता है, और झूठ नहीं बोलता—लेकिन उसका तर्क गलत होता है।

"ऑनेस्ट कोरम" (Honest Quorum) परिदृश्य
कल्पना कीजिए कि क्लाउड सर्वर में बदलाव को मंजूरी देने के लिए सात एआई एजेंटों (वैलिडेटर्स) की एक समिति है।

सेटअप: एक एजेंट सुझाव देता है, "आइए इस उपयोगकर्ता को हमारा सारा डेटा डिलीट करने की क्षमता दें।"
जाल: सातों एजेंट "ईमानदार" हैं। वे गद्दार नहीं हैं। वे सभी नियमों का पालन कर रहे हैं। लेकिन, वे सभी एक ही डेटासेट पर प्रशिक्षित हैं, एक ही सर्च टूल्स का उपयोग करते हैं, और उनकी एक जैसी "कमियां" (blind spots) हैं।
परिणाम: सातों एजेंट "हाँ" वोट देते हैं। वे एक पूर्ण कोरम (Quorum) बनाते हैं (एक बहुमत)। सिस्टम कहता है, "बहुत बढ़िया! हमारे पास एक प्रमाण पत्र है! इसे कर दो!"
आपदा: सिस्टम सारा डेटा डिलीट कर देता है। प्रोटोकॉल पूरी तरह से काम कर रहा था, लेकिन निर्णय का अर्थ गलत था।

यह शोध पत्र इसे ऑनेस्ट कोरम प्रॉब्लम कहता है। यह एक ऐसी विफलता है जहाँ सिस्टम तकनीकी रूप रूप से "सही" है (सभी सहमत हैं, हस्ताक्षर वैध हैं) लेकिन अर्थपूर्ण रूप से "टूटा हुआ" है (कार्रवाई खतरनाक है)।

नया समाधान: EBFT

लेखक एक नया सुरक्षा मॉडल प्रस्तावित करते हैं जिसे एपिस्टेमिक बाइजेंटाइन फॉल्ट टॉलरेंस (EBFT) कहा जाता है। केवल सिर गिनने के बजाय, EBFT यह मापने की कोशिश करता है कि यह कितनी संभावना है कि ईमानदार एजेंट एक ही गलती करेंगे।

वे इस जोखिम को प्रबंधित करने के लिए दो नए "बजट" पेश करते हैं:

सेफ्टी बजट ( $e_\delta$ ): यह इस सीमा पर है कि कितने ईमानदार एजेंट एक बुरे विचार पर गलत तरीके से सहमत हो सकते हैं।
- उपमा: कल्पना कीजिए कि आप एक पेंटिंग का न्याय करने के लिए कला समीक्षकों की एक टीम को काम पर रख रहे हैं। आप जानते हैं कि कभी-कभी, अच्छे समीक्षक भी एक नकली पेंटिंग से मूर्ख बन सकते हैं। सेफ्टी बजट पूछता है: "अधिकतम कितने समीक्षक एक ही समय में एक ही नकली पेंटिंग से मूर्ख बन सकते हैं?" यदि आपकी टीम बहुत छोटी है, या यदि वे सभी एक ही आर्ट स्कूल में गए थे, तो वह संख्या बहुत अधिक हो सकती है, और आप उनके वोट पर भरोसा नहीं कर सकते।
लाइवनेस बजट ( $u_\epsilon$ ): यह इस सीमा पर है कि कितने ईमानदार एजेंट वोट देने में विफल हो सकते हैं (भ्रमित होकर, टाइम आउट होकर, या उत्तर देने से इनकार करके)।
- उपमा: यदि बहुत से समीक्षक बहुत व्यस्त हैं, भ्रमित हैं, या वोट देने से डर रहे हैं, तो आप निर्णय नहीं ले पाएंगे। यह बजट मापता है कि सिस्टम के रुक जाने से पहले आप कितने "अनुपस्थित" या "मुझे नहीं पता" को सहन कर सकते हैं।

व्यवहार में यह कैसे काम करता है

शोध पत्र चीजों को सुरक्षित रखने के लिए एक दो-चरणीय प्रक्रिया का सुझाव देता है:

चरण 1: कैलिब्रेशन (द "टेस्ट ड्राइव")
इससे पहले कि आप अपनी एआई समिति को वास्तविक निर्णय लेने दें, आपको उनका परीक्षण करना होगा। आप उन्हें अभ्यास के लिए कुछ समस्याएं देते हैं जहाँ आप जानते हैं कि सही उत्तर क्या है।

आप जाँचते हैं: "वे कितनी बार गलत उत्तर पर सहमत हुए?" (यह आपको सेफ्टी बजट देता है)।
आप जाँचते हैं: "वे कितनी बार अटक गए या उत्तर देने से इनकार कर दिया?" (यह आपको लाइवनेस बजट देता है)।
महत्वपूर्ण रूप से, आप जाँचते हैं कि क्या वे वास्तव में विविध (diverse) हैं। यदि आपके पास सात एजेंट हैं, लेकिन वे सभी एक ही "मस्तिष्क" (मॉडल) और एक ही "लाइब्रेरी" (रिट्रीवल सोर्स) का उपयोग करते हैं, तो वे संभवतः एक साथ विफल होंगे। शोध पत्र का तर्क है कि केवल सात अलग-अलग नाम होना पर्याप्त नहीं है; आपको यह साबित करने की आवश्यकता है कि उनमें एक जैसी छिपी हुई कमजोरियां नहीं हैं।

चरण 2: रनटाइम (द "रियल डील")
जब कोई वास्तविक अनुरोध आता है, तो सिस्टम पहले परीक्षण परिणामों की जाँच करता है।

यदि अनुरोध ऐसा दिखता है जिस पर समिति का परीक्षण नहीं किया गया है, या यदि परीक्षण परिणाम दिखाते हैं कि समिति बहुत जोखिम भरी है, तो सिस्टम कहता है, "नहीं, मैं इस पर वोट नहीं करूँगा।" यह शायद किसी इंसान को हस्तक्षेप करने के लिए कह सकता है।
यदि अनुरोध सुरक्षित है और समिति तैयार है, तो यह वोटों की गिनती करता है। लेकिन अब, "पासिंग स्कोर" (थ्रेशोल्ड) उन टेस्ट बजटों के आधार पर गणना किया जाता है, न कि केवल एक साधारण गणितीय सूत्र जैसे "आधे से अधिक" के आधार पर।

शोध पत्र क्या कहता है (और क्या नहीं कहता)

लेखक अपने दावों के बारे में बहुत सावधान हैं। वे सिद्ध करते हैं कि:

केवल सहमति होना (सभी का एक ही तरह से वोट देना) यह गारंटी नहीं देता कि निर्णय सुरक्षित है।
आप इस समस्या को ठीक करने के लिए सरल गणित (जैसे पुराना "3f + 1" नियम) पर भरोसा नहीं कर सकते। आपको एआई के तर्क के जोखिम को मापने की आवश्यकता है।
आपको यह मापने के लिए एक विशिष्ट "कैलिब्रेशन" प्रक्रिया की आवश्यकता है कि एआई एजेंट कितनी बार सह-संबंधित (correlated) गलतियाँ करते हैं।

वे यह दावा नहीं करते कि उनके पास कोई जादुई समाधान है जो एआई को पूरी तरह से सुरक्षित बना देता है। वे स्वीकार करते हैं कि:

यदि एआई एजेंटों के बीच छिपे हुए संबंध हैं (जैसे कि एक ही प्रशिक्षण डेटा या एक ही क्लाउड प्रदाता), तो वे अभी भी उन तरीकों से एक साथ विफल हो सकते हैं जिनकी हम भविष्यवाणी नहीं कर सकते।
यह प्रणाली अतिरिक्त कदम और समय (लेटेंसी) जोड़ती है क्योंकि आपको कार्य करने से पहले परीक्षण और सत्यापन करना होता है।
"बजट" परीक्षण के आधार पर अनुमान हैं। यदि एआई अपडेट होता है या दुनिया बदलती है, तो आपको सब कुछ फिर से टेस्ट करना होगा।

मुख्य निष्कर्ष

शोध पत्र का मुख्य संदेश एक चेतावनी और एक मार्गदर्शिका है। यह हमें चेतावनी देता है कि बुद्धिमान, तर्क करने वाले एआई के युग में, केवल "ईमानदार" होना पर्याप्त नहीं है। ईमानदार एजेंटों का एक समूह एक आपदा के लिए वोट दे सकता है यदि वे सभी एक जैसा सोचते हैं।

इसे ठीक करने के लिए, हम केवल वोटों को नहीं गिन सकते। हमें सहमति की गुणवत्ता को मापना होगा। हमें जानना होगा: "क्या ये एजेंट वास्तव में स्वतंत्र हैं, या वे केवल एक ही गलती के सात क्लोन हैं?" इन नए "बजटों" का उपयोग करके और एजेंटों को वोट देने से पहले कड़ाई से परीक्षण करके, हम सुरक्षित सिस्टम बना सकते हैं भले ही एजेंट अपूर्ण हों। यह इस विश्वास से हटकर है कि "अच्छे लोग" हमेशा सही होंगे, बल्कि यह सिद्ध करने की ओर है कि "अच्छे लोग" एक ही समय में गलत नहीं होंगे।

तकनीकी सारांश: द ऑनेस्ट कोरम प्रॉब्लम और एपिस्टेमिक बायज़ेंटाइन फॉल्ट टॉलरेंस

1. समस्या विवरण: द ऑनेस्ट कोरम प्रॉब्लम (The Honest Quorum Problem)

यह शोध पत्र एक वितरित प्रणाली (distributed system) में एक महत्वपूर्ण विफलता मोड की पहचान करता है जहाँ "एजेंटिक" (agentic) वैलिडेटर्स—वे प्रतिभागी जो सिमेंटिक निर्णय लेने के लिए स्टोकेस्टिक (stochastic), सीखी गई (learned), या जनरेटिव रीजनिंग का उपयोग करते हैं—एक नियतात्मक (deterministic) सर्वसम्मति प्रोटोकॉल के भीतर संचालित होते हैं।

शास्त्रीय बायज़ेंटाइन फॉल्ट टॉलरेंस (BFT) में, प्रणाली यह मानती है कि "बायज़ेंटाइन" (स्वेच्छा से दोषपूर्ण) नोड्स के एक सीमित सेट के बाहर का कोई भी प्रतिभागी "ईमानदार" (honest) है, जिसका अर्थ है कि वे प्रोटोकॉल के ट्रांज़िशन या वैलिडेशन सेमेंटिक्स को सही ढंग से लागू करते हैं। ऑनेस्ट कोरम प्रॉब्लम इस विभाजन को कमजोर करती है। यह एक ऐसी स्थिति का प्रस्ताव करती है जहाँ एक कोरम (quorum) वैलिडेटर्स:

प्रोटोकॉल-अनुपालक (Protocol-compliant) हैं: वे सही ढंग से प्रमाणीकरण करते हैं, टाइमआउट के भीतर प्रतिक्रिया देते हैं, वोटिंग प्रोटोकॉल का पालन करते हैं, और इक्विवोकेशन (विरोधाभासी संदेशों पर हस्ताक्षर करना) नहीं करते हैं।
सिमेंटिक रूप से गलत (Semantically incorrect) हैं: प्रोटोकॉल अनुपालन के बावजूद, वे सामूहिक रूप से एक ऐसे स्टेट ट्रांज़िशन का समर्थन करते हैं जो एप्लिकेशन-लेवल इनवेरिएंट (जैसे, अनधिकृत राइट एक्सेस देना) का उल्लंघन करता है।

इस विफलता को एपिस्टेमिक फॉल्ट (epistemic fault) कहा जाता है। पारंपरिक बायज़ेंटाइन दोषों के विपरीत, एपिस्टेमिक दोष वैलिडेटर्स की रीजनिंग प्रक्रियाओं की स्टोकेस्टिक प्रकृति से उत्पन्न होते हैं। कई प्रोटोकॉल-अनुपालक वैलिडेटर्स सामूहिक रूप से विफल हो सकते हैं क्योंकि वे अंतर्निहित निर्भरताओं जैसे कि मॉडल वंशावली (model lineage), ट्रेनिंग डिस्ट्रीब्यूशन, प्रॉम्प्ट पैटर्न, रिट्रीवल स्रोत, टूलचेन, या प्रोवाइडर इंफ्रास्ट्रक्चर को साझा करते हैं। फलस्वरूप, नाममात्र की पहचान विविधता (identity diversity) एपिस्टेमिक स्वतंत्रता की गारंटी नहीं देती है।

यह शोध पत्र स्थापित करता है कि प्रोटोकॉल समझौता (protocol agreement) सिमेंटिक वैधता (semantic validity) का संकेत नहीं देता है, और सिमेंटिक वैधता निष्पादन सुरक्षा (execution safety) का संकेत नहीं देती है। एक सिस्टम एक अमान्य ट्रांज़िशन के लिए एक सुव्यवस्थित सर्टिफिकेट बना सकता है यदि उस विशिष्ट अमान्य क्लास का समर्थन करने वाले प्रोटोकॉल-अनुपालक वैलिडेटर्स का संकेंद्रण कोरम थ्रेशोल्ड से अधिक हो जाता है।

2. कार्यप्रणाली: एपिस्टेमिक बायज़ेंटाइन फॉल्ट टॉलरेंस (EBFT)

इसे संबोधित करने के लिए, यह शोध पत्र एपिस्टेमिक बायज़ेंटाइन फॉल्ट टॉलरेंस (EBFT) को परिभाषित करता है, जो "पोस्ट-डिटरमिनिस्टिक डिस्ट्रीब्यूटेड सिस्टम्स" (PDDS) के लिए एक फॉल्ट-टॉलरेंस मॉडल है—ऐसे सिस्टम जहाँ स्टोकेस्टिक सिमेंटिक जजमेंट के चारों ओर नियतात्मक समन्वय (deterministic coordination) कार्य करता है।

मुख्य परिभाषाएँ

EBFT पारंपरिक बायज़ेंटाइन फॉल्ट बाउंड ( $f$ ) को दो कॉन्फिडेंस-इंडेक्स्ड मात्राओं के साथ बढ़ाता है जो प्रोटोकॉल-अनुपालक वैलिडेटर्स ( $H$ ) के व्यवहार को सीमित करती हैं:

$e_\delta$ (सिमेंटिक-सेफ्टी बजट): बायज़ेंटाइन सेट के बाहर प्रोटोकॉल-अनुपालक वैलिडेटर्स द्वारा कोहेरेंट इनवैलिड एंडोर्समेंट (coherent invalid endorsement) के भार पर एक सीमा। यह इस जोखिम को मापता है कि क्या पर्याप्त ईमानदार वैलिडेटर्स एक अमान्य ट्रांज़िशन पर गलत तरीके से सहमत हो जाएंगे।
$u_\epsilon$ (लाइवनेस बजट): प्रोटोकॉल-अनुपालक वैलिडेटर्स से अनुपयोगी समर्थन (unusable support) पर एक सीमा। इसमें गलत अस्वीकार (false rejections), अभ्यावेदन (abstentions), टाइमआउट, डाइवर्जेंट आउटपुट, या कैनोनिकलाइजेशन विफलताएं शामिल हैं जो एक वैध उम्मीदवार को सर्टिफिकेट बनाने से रोकती हैं।

ये बजट एक विशिष्ट वर्कलोड डोमेन $D$ पर परिभाषित हैं और घटनाओं $E_\delta$ और $U_\epsilon$ पर सशर्त हैं, जो क्रमशः $1-\delta$ और $1-\epsilon$ की संभावनाओं के साथ बनी रहती हैं।

थ्रेशोल्ड व्युत्पत्ति (Threshold Derivation)

शोध पत्र सर्टिफिकेट-थ्रेशोल्ड स्थितियों ( $q$ ) को व्युत्पन्न करता है जो सुरक्षा, समझौते और लाइवनेस की आवश्यकताओं को अलग करती है:

सिमेंटिक सर्टिफिकेट वैधता: एक अमान्य उम्मीदवार को सर्टिफिकेट बनाने से रोकने के लिए, थ्रेशोल्ड को इस प्रकार संतुष्ट करना चाहिए कि $q > f + e_\delta$ हो। यह सुनिश्चित करता है कि भले ही सभी बायज़ेंटाइन नोड्स ( $f$ ) और अधिकतम अनुमत कोहेरेंट गलत एंडोर्समेंट्स ( $e_\delta$ ) एक अमान्य ट्रांज़िशन के लिए वोट करें, वे कोरम तक नहीं पहुँच पाएंगे।
समझौता (Agreement): विरोधाभासी सर्टिफिकेट को रोकने के लिए, थ्रेशोled को $2q - N > f$ (या $q > (N+f)/2$ ) को संतुष्ट करना चाहिए। महत्वपूर्ण रूप से, यह स्थिति केवल बायज़ेंटाइन बाउंड $f$ पर निर्भर करती है। क्योंकि EBFT में प्रोटोकॉल-अनुपालक वैलिडेटर्स इक्विवोकेट नहीं करते हैं, वे समझौते को खतरा नहीं पहुँचाते हैं, भले ही वे एपिस्टेमिक रूप से दोषपूर्ण हों।
लाइवनेस (Liveness): यह सुनिश्चित करने के लिए कि एक वैध उम्मीदवार सर्टिफिकेट प्राप्त कर सके, थ्रेशोल्ड को $q \le N - f - u_\epsilon$ को संतुष्ट करना चाहिए। यह सुनिश्चित करता है कि ईमानदार वैलिडेटर्स से उपलब्ध उपयोगी समर्थन थ्रेशोल्ड को पूरा करने के लिए पर्याप्त है।

शोध पत्र यह सिद्ध करता है कि एक व्यवहार्य पूर्णांक थ्रेशोल्ड $q$ तभी मौजूद होता है जब सिस्टम का आकार $N$ विशिष्ट जनसंख्या असमानताओं (जैसे, $N > 2f + e_\delta + u_\epsilon$ ) को संतुष्ट करता है।

कैलिब्रेशन और विविधता

शोध पत्र इस बात पर जोर देता है कि "विविधता" (अलग-अलग मॉडल, प्रोवाइडर, या प्रॉम्प्ट) सुरक्षा का प्रमाण नहीं है। इसके बजाय, विविधता त्रुटियों के अपर-टेल कंसंट्रेशन (upper-tail concentration) को कम करने का एक तंत्र है। कार्यप्रणाली के लिए एक विशिष्ट समिति कॉन्फ़िगरेशन के लिए $e_\delta$ और $u_\epsilon$ का अनुभवजन्य (empirically) अनुमान लगाने के लिए ऑफलाइन कैलिब्रेशन की आवश्यकता होती है।

रिस्क प्रोफाइल: कैलिब्रेशन के दौरान एक हस्ताक्षरित रिस्क प्रोफाइल जेनरेट किया जाता है, जो डोमेन, कमेटी, थ्रेशोल्ड और प्रोवेनेंस (मॉडल वर्ज़न, प्रॉम्प्ट, टूल्स) को निर्दिष्ट करता है।
रनटाइम एडमिशन: रनटाइम पर, सिस्टम यह जाँचता है कि क्या अनुरोध कैलिब्रेटेड डोमेन के भीतर आता है और क्या रिस्क प्रोफाइल वैध है। यदि अनुरोध वैध है, तो सिस्टम आइसोलेटेड वैलिडेशन पैकेज डिस्पैच करता है। एक सर्टिफिकेट तभी बनता है जब एंडोर्समेंट्स की संख्या पूर्व-कैलिब्रेटेड थ्रशहोल्ड $q$ को पूरा करती है।
पुनः कैलिब्रेशन (Recalibration): मॉडल अपडेट, वर्कलोड शिफ्ट, या नए कॉमन-मोड फेल्योर के पता चलने पर प्रोफाइल्स को समाप्त या रद्द किया जाना चाहिए।

3. मुख्य योगदान

ऑनेस्ट कोरम प्रॉब्लम का औपचारिककरण: शोध पत्र एक विफलता मोड को परिभाषित करता है जहाँ प्रोटोकॉल-अनुपालक, गैर-इक्विवोकेटिंग वैलिडेटर्स सहसंबद्ध (correlated) एपिस्टेमिक त्रुटियों के कारण सामूहिक रूप से एक सिमेंटिक रूप से अमान्य ट्रांज़िशन का समर्थन करते हैं।
EBFT की परिभाषा: यह एक फॉल्ट मॉडल पेश करता है जो मनमाने बायज़ेंटाइन व्यवहार को प्रोटोकॉल-अनुपालक वैलिडेटर्स के कॉन्फिडेंस-इंडेक्स्ड सिमेंटिक बजट ( $e_\delta$ और $u_\epsilon$ ) से अलग करता है।
थ्रेशोल्ड प्रमेय (Threshold Theorems): यह PDDS में सिमेंटिक सर्टिफिकेट वैधता, समझौते और लाइवनेस के लिए आवश्यक और पर्याप्त शर्तों को व्युत्पन्न करता है। विशेष रूप से, यह सिद्ध करता है कि समझौता केवल बायज़ेंटाइन बाउंड पर निर्भर करता है, जबकि सुरक्षा और लाइवनेस एपिस्टेमिक बजट पर निर्भर करते हैं।
विविधता-जागरूक आश्वासन (Diversity-Aware Assurance): यह विविधता को स्वतंत्रता की गारंटी के बजाय एक चर (variable) के रूप में पुनर्गठित करता जिसे अमान्य एंडोर्समेंट के अपर-टेल कंसंट्रेशन को कम करने के लिए मापा जाना चाहिए। यह कैलिब्रेशन और एडवर्सरियल टेस्टिंग के माध्यम से इन बजटों का अनुमान लगाने के लिए एक कार्यप्रणाली को रेखांकित करता है।

4. परिणाम और सैद्धांतिक सीमाएँ

असंभवता परिणाम (Impossibility Results): शोध पत्र सिद्ध करता है कि अतिरिक्त सिमेंटिक ग्राउंडिंग (जैसे, वैलिडिटी ओरकल, ट्रस्टेड वेरिफायर, या कैलिब्रेटेड कंसंट्रेशन बाउंड) के बिना, केवल समझौते संकेतों (agreement signals) पर निर्भर कोई भी प्रोटोकॉल सिमेंटिक सर्टिफिकेट वैधता की गारंटी नहीं दे सकता है। यदि सिमेंटिक त्रुटियों का वितरण अनियंत्रित है, तो एक अमान्य उम्मीदवार संभाव्यता एक के साथ किसी भी काउंट-आधारित सर्टिफिकेट नियम को संतुष्ट कर सकता है।
कॉमन-मोड फेल्योर फ्लोर (Common-Mode Failure Floor): यदि वैलिडेटर्स का एक उपसमूह एक लेटेंट कॉमन-मोड फेल्योर (जैसे, समान मॉडल वेट्स) साझा करता है, तो असुरक्षित सर्टिफिकेट की संभावना उस कॉमन-मोड इवेंट की संभावना के बराबर होती है, चाहे वैलिडेटर्स की संख्या कुछ भी हो।
थ्रेशोल्ड व्यवहार्यता (Threshold Feasibility): शोध पत्र $q$ चुनने के लिए सटीक पूर्णांक सूत्र प्रदान करता है ताकि $e_\delta$ और $u_\epsilon$ के तहत सिमेंटिक वैधता, समझौता और लाइवनेस को एक साथ संतुष्ट किया जा सके। यह दिखाता है कि केवल शास्त्रीय $3f+1$ फॉर्मूला को रीवेट करना पर्याप्त नहीं है; सिस्टम को स्पष्ट रूप से $e_\delta$ और $u_\epsilon$ को ध्यान में रखना चाहिए।

5. महत्व और दावे

यह शोध पत्र EBFT को एजेंटिक इंफ्रास्ट्रक्चर के लिए एक सैद्धांतिक ढांचे के रूप में स्थापित करता है, जहाँ स्वायत्त एजेंट (LLMs, रीजनिंग सिस्टम) वितरित कंट्रोल प्लेन में भाग लेते हैं। इसका प्राथमिक महत्व है:

समझौते को सिमेंटिक्स से अलग करना: यह स्पष्ट रूप से "प्रोटोकॉल समझौते" (एक ही लॉग एंट्री तय करना) और "सिमेंटिक वैधता" (एंट्री सुरक्षित/सही होना) के बीच के अंतर को मॉडल करता है।
एपिस्टेमिक जोखिम को मापना: यह सहसंबद्ध सिमेंटिक विफलताओं के गुणात्मक दावों ("विविधता") से आगे बढ़कर मात्रात्मक सीमाओं (quantitative bounds) की ओर बढ़ता है।
सुरक्षा को संचालित करना (Operationalizing Safety): यह एक दो-चरणीय एडमिशन प्रक्रिया (ऑफलाइन कैलिब्रेशन + रनटाइम एडमिशन) का प्रस्ताव करता है जो सिस्टम को कठोर, संभावabilistic सुरक्षा गारंटी बनाए रखते हुए स्टोकेस्टिक वैलिडेटर्स का उपयोग करने की अनुमति देता है।

लेखक विनम्रतापूर्वक कहते हैं कि यह कार्य ओपनकेज (OpenKedge) अनुसंधान कार्यक्रम के भीतर एक "पोजिशनिंग" है, न कि उत्पाद का विवरण। वे यह दावा नहीं करते कि वे सिमेंटिक शुद्धता को नियतात्मक रूप से हल करते हैं, बल्कि यह कि वे एक फॉल्ट मॉडल और थ्रेशोल्ड थ्योरी प्रदान करते हैं जहाँ सिमेंटिक जजमेंट स्वाभाविक रूप से स्टोकेस्टिक है। इनके गारंटी कैलिब्रेशन की वैधता, वर्कलोड डोमेन की स्थिरता और अनुमानित बजट की सटीकता पर सशर्त हैं।