जानबूझकर असहमति बड़ी मल्टी-एजेंट टीमों में कोड-रिव्यू को अधिक प्रभावी बनाती है

बड़े मल्टी-एजेंट टीम क्यों अटक जाती हैं

जब LLM-एजेंटों का विकास में बड़े पैमाने पर उपयोग शुरू हुआ, तो कई टीमों ने एक तार्किक, लेकिन हमेशा कारगर न होने वाला रास्ता अपनाया: जितना संभव हो उतने एल्गोरिदमिक "विशेषज्ञ" इकट्ठा करना और उन्हें भूमिकाएँ सौंपना। एक कोड लिखता है, दूसरा कमजोरियाँ खोजता है, तीसरा स्क्रिप्ट की जाँच करता है। समस्या यह है कि हर नया एजेंट कम उपयोगी साबित होता है: पूरे रिपॉजिटरी स्तर के कार्यों पर, समन्वय की लागत "अतिरिक्त हाथों" से होने वाले लाभ से जल्दी ही अधिक हो जाती है।

इसकी प्रतिक्रिया में, एक विपरीत दिशा में आंदोलन शुरू हुआ: एजेंटों को सब-एजेंट में बदल दिया गया — आज्ञाकारी उपकरण जो अनुरोध पर बुलाए जाते हैं और संवाद में शामिल नहीं होते। यह दृष्टिकोण अराजकता से बचाता है, लेकिन साथ ही सामूहिक कार्य के मुख्य संसाधन को भी नष्ट कर देता है: अब कोई भी दूसरों के निर्णयों को चुनौती नहीं देता, और इसलिए त्रुटियाँ बिना ध्यान दिए निकल जाती हैं।

संतुलन बिंदु: न्यूनतम सहयोग

इस सुनहरे मध्य मार्ग की खोज Eric S. Qiu और Joyce Gill ने अपने काम "Adversarial Review: Structured Disagreement for Grounded Agentic Code Review" (arXiv:2608.18167, श्रेणियाँ cs.AI और cs.SE; 16 अगस्त 2026 को प्रस्तुत, ICML 2026 Workshop on DL4C में स्वीकृत) में की। उनकी परिकल्पना सरल है: सब-एजेंट आर्किटेक्चर की सादगी को बनाए रखा जा सकता है, लेकिन इसमें न्यूनतम सहयोग जोड़ा जा सकता है — एक ऐसा नोड जहाँ एजेंटों की राय जानबूझकर टकराई जाती हैं।

परिणाम Adversarial Review (AR) प्रोटोकॉल है। लेखकों ने जानबूझकर एक जटिल पदानुक्रम नहीं बनाया और कई भूमिकाएँ नहीं बढ़ाईं। इसके बजाय, तीन प्रतिभागी काम करते हैं:

• कोडिंग एजेंट कोड में परिवर्तन तैयार करता है;
• रिव्यूअर मूल्यांकन करता है कि ये परिवर्तन कितने सही हैं;
• क्रिटिक कोड का नहीं, बल्कि स्वयं रिव्यू का ऑडिट करता है और उसमें कमजोरियाँ खोजता है।

क्रिटिक केवल यह नहीं कहता "मैं असहमत हूँ" — वह संरचित असहमति प्रस्तुत करता है: वह कोड के विशिष्ट अंशों की ओर इशारा करता है जो रिव्यूअर के निष्कर्षों की पुष्टि नहीं करते। और केवल जब यह चक्र पूरा हो जाता है, तब मुख्य एजेंट को संशोधन करने की अनुमति मिलती है।

परीक्षणों ने क्या दिखाया

असहमति का प्रभाव बेंचमार्क परिणामों में स्पष्ट रूप से देखा जा सकता है।

LiveCodeBench पर, AR ने सभी परीक्षण किए गए तरीकों में सफल पास का उच्चतम प्रतिशत दिखाया। एक महत्वपूर्ण विवरण: इसके लिए तीन एजेंट पर्याप्त थे, जबकि आधार संस्करण, जिसे AR ने बेहतर प्रदर्शन किया, पाँच का उपयोग करता था।

SWE-PRBench पर, सब कुछ और दिलचस्प था। प्रोटोकॉल के भोले संस्करण ने अप्रत्याशित रूप से एक विफलता मोड का खुलासा किया, जिसे लेखकों ने झूठी सर्वसम्मति नाम दिया: एजेंट एक सामान्य राय पर पहुँच गए, बिना इसके लिए पर्याप्त सबूत होने के। यानी, विशेष रूप से निर्मित असहमति भी एक औपचारिक "सभी से सहमत" में बदल सकती है। इसका इलाज प्रॉम्प्ट के एक पुनरावृत्ति से होता है, जहाँ बहस करने और असहमति को सही ठहराने की आवश्यकता स्पष्ट रूप से लिखी गई है — ऐसे सुधार के बाद, विधि F1 में पहले स्थान पर आ गई।

अंत में, SWE-bench Verified पर AR ने फिर से आधार दृष्टिकोणों के परिणामों में सुधार किया। यह महत्वपूर्ण है क्योंकि रिपॉजिटरी-स्तर के कार्य पृथक फ़ंक्शनों की तुलना में पूरी तरह से अलग पैमाने की जटिलता हैं: एक मॉड्यूल में परिवर्तन दर्जनों पड़ोसी मॉड्यूल को तोड़ सकते हैं।

निष्कर्ष: ताकत वोटों की संख्या से नहीं, बल्कि आपत्ति करने के अधिकार से आती है

लेखक एक प्रति-सहज ज्ञान वाले, लेकिन प्रयोगात्मक रूप से पुष्टि किए गए निष्कर्ष पर पहुँचते हैं: प्रभावी कोड-रिव्यू के लिए न तो बड़ी टीम की आवश्यकता होती है और न ही जटिल संचार योजनाओं की। यह पर्याप्त है कि असहमति:

• न्यूनतम हो — संघर्ष का एक बिंदु, अनंत चैट नहीं;
• संरचित हो — प्रत्येक प्रतिभागी का अपना स्पष्ट कार्य हो;
• साक्ष्य-आधारित हो — आपत्ति कोड में तथ्यों पर आधारित हो, न कि व्यक्तिगत पसंद पर।

एजेंट पाइपलाइन बनाने वालों के लिए व्यावहारिक सबक: भूमिकाएँ जोड़कर समस्या को हल करने की कोशिश न करें। बेहतर होगा कि प्रक्रिया में संदेह का एक अनिवार्य चरण शामिल करें — और एक एजेंट को दूसरे के निष्कर्षों को आधिकारिक रूप से चुनौती देने की अनुमति दें। रिव्यू का मूल्य वोटों की संख्या से नहीं, बल्कि उसकी उपस्थिति से निर्धारित होता है जो सार रूप में आपत्ति कर सकता है।