तकनीकी सारांश: स्थानीय सत्यापन गैर-परिवहन क्षमता (Non-Transportability) का पता लगाने में असमर्थ है

समस्या विवरण

एजेंटिक AI सिस्टम तेजी से विविध जैविक, नैदानिक और वाणिज्यिक संदर्भों में निष्कर्षों को स्थानांतरित (transport) कर रहे हैं। वर्तमान अत्याधुनिक आर्किटेक्चर (जैसे, Medea) स्थानीय सत्यापन (local verification) पर निर्भर करते हैं: प्रत्येक चरण में यह जांचना कि संस्थाएं (entities) निरूपण योग्य हैं, पैरामीटर संगत हैं, और आउटपुट योजना के साथ सुसंगत हैं। ये जाँचें इसलिए "स्थानीय" हैं क्योंकि वे सीमित संदर्भ स्थान (एकल संदर्भ, जोड़े या त्रिक) पर आधारित होती हैं।

यह शोध एक संरचनात्मक अपूर्णता की पहचान करता है। जबकि स्थानीय जाँच विशिष्ट प्रकार की त्रुटियों का पता लगा सकती है, वे संरचनात्मक गैर-परिवहन क्षमता (structural non-transportability) के प्रति अंधी होती हैं। यह एक ऐसी स्थिति के रूप में प्रकट होता है जहाँ एक एजेंट प्रत्येक स्थानीय सत्यापन जाँच को पास कर लेता है, फिर भी एक ऐसा निष्कर्ष प्रस्तुत करता है जो लिए गए विशिष्ट तर्क पथ (reasoning path) पर निर्भर करता है। यह घटना नेटवर्क मेटा-एनालिसिस में "लूप विसंगति" (loop inconsistency) के समान है, जहाँ प्रत्यक्ष और अप्रत्यक्ष साक्ष्य एक बंद लूप के भीतर व्यक्तिगत रूप से सुसंगत होते हैं लेकिन संयुक्त रूप से असंगत होते हैं।

कार्यप्रणाली

सैद्धांतिक ढांचा

लेखक समस्या को बीजगणितीय टोपोलॉजी (algebraic topology) और शीफ थ्योरी (sheaf theory) का उपयोग करके मॉडल करते हैं:

1. संदर्भ स्थल (Context Site): निर्णय-प्रासंगिक स्थितियों का स्थान $X$ संदर्भों के एक परिमित सेट $\mathcal{U} = \{U_i\}$ द्वारा कवर किया गया है। नेर्व (nerve) $N(\mathcal{U})$ का निर्माण किया जाता है जहाँ वर्टिकल (vertices) संदर्भों का प्रतिनिधित्व करते हैं, किनारे (edges) ओवरलैप (साक्ष्य सेतु) का प्रतिनिधित्व करते हैं, और त्रिकोण (triangles) ट्रिपल ओवरलैप का प्रतिनिधित्व करते हैं।
2. साक्ष्य कोचेन (Evidence Cochain): साक्ष्य को एक वास्तविक-मान वाले 1-कोचेन $\omega \in C^1(N(\mathcal{U}); \mathbb{R})$ के रूप में मॉडल किया गया है, जो प्रत्येक ओवरलैप को एक मापा गया कंट्रास्ट आवंटित करता है।
3. एजेंटिक ट्रांसपोर्ट के रूप में पथ एकीकरण (Path Integration): एक एजेंट एंकर $a$ से लक्ष्य $t$ तक एक दावे को स्थानांतरित करते समय पथ एकीकरण करता है: $\hat{\theta}_t = \theta_a + \langle \omega, \gamma \rangle$, जहाँ $\gamma$ नेर्व में एक पथ है।
4. हॉज डिकंपोजिशन (Hodge Decomposition): 1-कोचेन के स्थान को तीन घटकों में ऑर्थोगोनल रूप से विभाजित किया गया है:
   • ग्रेडिएंट (Gradient, $g = \delta_0 \beta$): प्रति-संदर्भ उपकरण ऑफसेट। इसे पुन: अंशांकन (recalibration) द्वारा हटाया जा सकता है।
   • कर्ल (Curl, $c \in \text{im}(\delta_1)^\top$): स्थानीय विसंगतियां जो ट्रिपल ओवरलैप पर पता योग्य हैं (गैर-शून्य $\delta_1 c$)।
   • हारमोनिक (Harmonic, $h \in H^1$): दोनों $\delta_1$ और $\delta_0^\top$ के कर्नेल में घटक। यह प्रथम चेच कोहोमोलॉजी क्लास (Čech cohomology class) $[\omega] \in H^1$ का प्रतिनिधित्व करता है।

मुख्य सैद्धांतिक परिणाम

• पथ स्वतंत्रता (Path Independence): स्थानांतरित अनुमान तब पथ-स्वतंत्र होता है जब साक्ष्य कोचेन सटीक (exact) हो ($\omega \in \text{im } \delta_0$)।
• होलोनमी (Holonomy): दो तर्क पथों के बीच का असहमति/मतभेद ठीक वही है जो कोहोमोलॉजी क्लास $[\omega]$ की होलोनमी है।
• स्थानीय सत्यापन की अंधापन: सिम्प्लेक्स (edges, triangles) पर समर्थित कोई भी निरंतरता जाँच (consistency check) एक सटीक कोचेन और एक हारमोनिक घटक द्वारा विचलित कोचेन के बीच अंतर नहीं कर सकती है। चूंकि हारमोनिक घटक $\delta_1 h = 0$ को संतुष्ट करते हैं, वे सभी ट्रिपल-ओवरलैप जाँचों को पास कर लेते हैं, फिर भी वे पथों के बीच गैर-शून्य असहमति उत्पन्न करते हैं।
• अवरोध का तंत्र (Mechanism of Obstruction): हारमोनिक घटक प्रभाव संशोधन (effect modification) और ओवरलैप-विशिष्ट जनसंख्या संरचना (सिम्पसन का विरोधाभास - Simpson's paradox - एक नेटवर्क पर) के संयोजन से उत्पन्न होता है। यदि प्रभाव संशोधन अनुपस्थित है, तो हारमोनिक ऊर्जा मशीन परिशुद्धता तक शून्य हो जाती है।

प्रस्तावित विधि: Ks.etra

लेखक Ks.etra (Ksetra) प्रस्तावित करते हैं, जो एक प्रक्रिया है:

1. संदर्भ स्थल का निर्माण करता है और साक्ष्य कोचेन को संकलित करता है।
2. लीस्ट स्क्वायर्स के माध्यम से $\omega$ को ग्रेडिएंट, कर्ल और हारमोनिक भागों में विभाजित करता है।
3. ट्राइएज (Triage):
   • प्रमुख ग्रेडिएंट $\to$ उपकरणों को पुन: अंशांकित करें।
   • प्रमुख कर्ल $\to$ पुनः मापन या विचार-विमर्श को पुनः चलाएं (स्थानीय विसंगति)।
   • प्रमुख हारमोनिक $\to$ संरचनात्मक अवरोध; कवरेज को परिष्कृत करना होगा (स्तरीकरण/stratification)।
4. गेटिंग (Gating): सिस्टम निर्णय लेने से बचता है (abstain) यदि हारमोनिक ऊर्जा $\|\omega_h\|$ एक सीमा से अधिक हो जाती है। अभिधारणा (abstention) के बाद, यह सबसे बड़े होलोनमी को वहन करने वाले विशिष्ट चक्र को डेटा-संग्रह निर्देश के रूप में आउटपुट करता है।

परिणाम

सिमुलेशन अध्ययन

लेखक ने दो डोमेन में सिमुलेशन आयोजित किए:

1. फार्मा RWE: संदर्भ (CKD स्टेज $\times$ देखभाल सेटिंग) द्वारा परिभाषित। एट्रिब्यूट स्पेस अनुबंध योग्य (contractible) है; $H^1$ केवल साक्ष्य अंतराल से उत्पन्न होता है।
2. उपभोक्ता क्रेडिट: संदर्भ (क्षेत्र $\times$ मैक्रोइकॉनोमिक रिजीम) द्वारा परिभाषित। रिजीम अक्ष चक्रीय (expansion $\to$ recovery) है, जो संरचनात्मक रूप से एक टोपोलॉजिकल अवरोध बनाता है।

मुख्य निष्कर्ष:

• भविधिक शक्ति (Predictive Power): उस यांत्रिक मॉडल में जहाँ होलोनमी प्रभाव संशोधन से उत्पन्न होती है, दोनों हारमोनिक और कर्ल ऊर्जाएं इष्टतम अनुमानक की अपरिहार्य त्रुटि (irreducible error) के तुलनीय रूप से भविष्य कहने वाली हैं (स्पियरमैन $\rho \approx 0.37$ हारमोनिक के लिए और $0.33$ कर्ल के लिए)। यह सहसंबंध इसलिए उत्पन्न होता है क्योंकि एक एकल गुप्त कारण (प्रभाव संशोधन) दोनों घटकों को उत्पन्न करता है। हालांकि, अन्य घटकों पर स्थितिजन्य नियंत्रण (conditioning) के बाद भी हारमोनिक ऊर्जा स्वतंत्र भविष्य कहने वाला मूल्य बनाए रखती है (आंशिक $\rho \approx 0.19$), जबकि कर्ल नहीं करता है। दोनों के बीच परिचालन अंतर उनके उपाय (remedy) द्वारा परिभाषित है (कर्ल के लिए पुनः मापन बनाम हारमोनिक के लिए परिष्करण), न कि केवल उनके भविष्य कहने वाले मूल्य द्वारा।
• पथ निर्भरता (Path Dependence): दोनों हारमोनिक और कर्ल घटक पथ-निर्भरता (तर्क पथों में प्रसार) की भविष्यवाणी करते हैं, लेकिन केवल हारमोनिक ही अन्य घटकों के बिना स्वतंत्र रूप से त्रुटि फ्लोर (error floor) की भविष्यवाणी करता है।
• प्रदर्शन: Ks.etra (हारमोनिक ऊर्जा पर गेटिंग) "रेसिडुअल-गेटेड" बेसलाइन (कुल संघर्ष पर गेटिंग) की तुलना में एरिया अंडर द रिस्क-कवरेज कर्व (AURC) में बेहतर प्रदर्शन करता है, जिससे फार्मा में 0.029 और क्रेडिट में 0.039 की कमी आती है।
• ड्रिफ्ट लागत (Drift Cost): "साइलेंट कोर्सनिंग" (सत्यापन के बिना संदर्भों को समेटना) पूर्ण प्रणालियों में भी महत्वपूर्ण त्रुटि उत्पन्न करता है।

फाइनेंस टेस्ट केस (FX और IFRS 9)

• सटीक F-टेस्ट: लेखक एक वैश्विक दावे के अस्तित्व के लिए एक सटीक F-टेस्ट व्युत्पन्न करते हैं, जो स्वतंत्रता की डिग्री को अंशांकन, स्थानीय सुसंगतता और परिवहन में विभाजित करता है। यह आइसोट्रोपिक शोर के तहत सही आकार (correctly sized) का है।
• FX आर्बिट्राज: एक निर्मित 15-करेंसी कॉम्प्लेक्स में निष्पादन योग्य बाधाओं के साथ, हारमोनिक घटक "लूप आर्बिट्राज" (उन चक्रों पर P&L जो निष्पादन योग्य त्रिकोणों द्वारा भरे नहीं गए हैं) का पता लगाता है जिसे मानक त्रिकोणीय आर्बिट्राज जाँच (कर्ल) मिस कर देती है।
• IFRS 9: एक चक्रीय रिजीम स्पेस पर PD मॉडल इन्वेंट्री पर लागू किया गया, विधि ने 17 स्वतंत्र लूपों की पहचान की जो ऐसी असंगत कहानियों को ले जा सकते हैं जिन्हें युग्म (pairwise) या त्रिक (triple) सत्यापन द्वारा नहीं पकड़ा जा सकता।

महत्व और दावे

यह शोध एक नकारात्मक परिणाम को अपने केंद्रीय योगदान के रूप में प्रस्तुत करता है: सिम्प्लेक्स-समर्थित निरंतरता जाँचों का कोई भी परिवार हारमोनिक अवरोध का पता नहीं लगा सकता। यह स्पष्ट करता है कि वर्तमान एजेंटिक सत्यापन रणनीतियाँ, कार्यान्वयन की गुणवत्ता के बावजूद, एक मौलिक अंध बिंदु (blind spot) रखती हैं।

महत्व:

1. सैद्धांतिक: यह साक्ष्य संश्लेषण में लूप विसंगति को एक संदर्भ साइट के प्रथम कोहोमोलॉजी के रूप में पहचानता है, जो उपचार नेटवर्क से लेकर मनमाने संदर्भ कवरेज तक इस अवधारणा का विस्तार करता है।
2. परिचालन: यह अभिधारणा (abstention) को एक ह्यूरिस्टिक कॉन्फिडेंस स्कोर से बदलकर एक कोहोमोलॉजिकल मात्रा के रूप में पुनर्परिभाषित करता है। एक गैर-शून्य हारमोनिक क्लास केवल एक चेतावनी नहीं है; यह कवरेज को परिष्कृत करने (स्तरीकरण/stratify करने) के लिए एक विशिष्ट निर्देश है, न कि उसी ग्रैनुलैरिटी पर अधिक साक्ष्य एकत्र करने का। कर्ल और हारमोनिक घटकों के बीच का अंतर उनके उपाय (remedy) द्वारा परिभाषित है (पुनः मापन बनाम परिष्करण), न कि केवल उनके भविष्य कहने वाले मूल्य द्वारा।
3. आर्थिक: यह चयनात्मक-जोखिम ज्यामिति (selective-risk geometry) से पोर्टफोलियो परिणामों तक एक पारदर्शी मानचित्रण प्रदान करता है, यह दर्शाता है कि कोहोमोलॉजिकल गेटिंग केवल वहीं आर्थिक रूप से व्यवहार्य है जहाँ गलत प्रतिबद्धता की लागत एक सही प्रतिबद्धता के लाभ से काफी अधिक हो (जैसे, विनियमित चिकित्सीय और क्रेडिट निर्णय)।

सीमाएं और विनम्रता:

• शोध पत्र स्पष्ट रूप से बताता है कि इसमें कोई वास्तविक-डेटा सत्यापन नहीं है। सिमुलेशन सिद्धांत के नियंत्रित सत्यापन हैं।
• हारमोनिक जनरेशन (प्रभाव संशोधन) के लिए तंत्र को मॉडल किया गया है, देखा नहीं गया है।
• लेखक स्वीकार करते हैं कि ओवरलैप में सह-संबंधित त्रुटियां और सही संदर्भ गुणनखंडन (factorisation) का निष्कर्षण खुले प्रश्न हैं जो यहाँ हल नहीं हुए हैं।
• योगदान को एक ब्लाइंड स्पॉट की सैद्धांतिक पहचान और एक प्रस्तावित उपाय के रूप में तैयार किया गया है, जिसमें परिणामों को सिमुलेशन से आगे ले जाने के लिए आवश्यक अगला कदम के रूप में वास्तविक-डेटा सत्यापन (जैसे, प्रकाशित नेटवर्क मेटा-एनालिसिस या Medea के यीस्ट बेंचमार्क का उपयोग करना) का आह्वान किया गया है।