मॉडलों का एक-दूसरे को मनाना: उनके घोषित रुख संवाद में उनके व्यवहार से मेल नहीं खाते
जलवायु परिवर्तन के कारणों पर नियंत्रित बहसों में GPT-6 Luna और Gemini 2.5 Flash Lite की चार जोड़ियाँ मान्यताओं के मेल या टकराव की अलग-अलग गतिशीलता दिखाती हैं। मनाने का सीधा निर्देश स्थायी प्रभाव नहीं डालता, और घोषित रुख तथा बहस करने का आम तरीका एक ही चीज़ नहीं दर्शाते।

प्रयोग में वास्तव में क्या जाँचा गया
«To Manipulate or Not: Opinion Dynamics in LLM Interactions» नामक कार्य Mohammad Siahkamari, Phuoc Dat Nguyen और Stephen MacNeil ने तैयार किया। लेखकों ने इसे 20 अक्टूबर 2026 को प्रस्तुत किया। उन्होंने LLM–LLM बहस की एक नियंत्रित रूपरेखा बनाई।

भाषा मॉडल की दो भूमिकाएँ एक विवादास्पद विषय—जलवायु परिवर्तन के कारणों का निर्धारण—पर बार-बार चर्चा करती हैं। एक भूमिका को एक निश्चित पक्ष दिया जाता है। कुछ परिस्थितियों में उसे समझाने का स्पष्ट निर्देश भी दिया जाता है। दूसरी भूमिका को कोई निश्चित पक्ष नहीं दिया जाता।
GPT-6 Luna और Gemini 2.5 Flash Lite को शामिल करने वाले मॉडलों के चार क्रमबद्ध संयोजनों में लेखक दो संकेतकों पर नज़र रखते हैं:
- हर भूमिका द्वारा स्पष्ट रूप से बताई गई स्थिति;
- संवाद के हर चरण में व्यवहार का एक अलग माप।
यह रूपरेखा घोषणा और व्यवहार को अलग-अलग रखती है। पारस्परिक रूप से समझाने के प्रयासों का मूल्यांकन करते समय यह कसौटी अहम है।
बताई गई स्थिति और व्यवहार में अंतर
लेखक स्पष्ट रूप से बताई गई स्थिति और व्यवहार के एक अलग माप पर नज़र रखते हैं। ये संकेतक मत-गतिशीलता के अलग-अलग पहलुओं को दर्शाते हैं। कोई मॉडल एक स्थिति बता सकता है और संवाद में उससे अलग तरह से व्यवहार कर सकता है। यह अंतर मत-गतिशीलता में दिखाई देता है।
| परत | क्या दर्ज करती है | क्यों ज़रूरी है |
|---|---|---|
| बताई गई स्थिति | व्यक्त किया गया दृष्टिकोण | भूमिका की घोषणा दिखाती है |
| संवाद में व्यवहार | संवाद के हर चरण में की गई कार्रवाइयाँ | संवाद की गतिशीलता दिखाता है |
केवल शुरुआती कथन के आधार पर प्रभाव का आकलन नहीं किया जा सकता। प्रतिलेख वास्तविक व्यवहार दिखाता है। व्यावहारिक कसौटी: दोनों परतों का विश्लेषण करें। व्यवहार के माप के बिना बताई गई स्थिति अधूरी तस्वीर देती है।
मॉडलों का संयोजन गतिशीलता बदलता है
मॉडलों के संयोजनों के बीच मत-गतिशीलता में काफ़ी अंतर होता है। एक ही प्रकार के मॉडलों के बीच बातचीत में मतों का अंतर घटता है। लेकिन यह केवल दो मॉडलों में से एक में स्पष्ट रूप से दिखता है। अलग-अलग मॉडलों के बीच बातचीत में यह अंतर बढ़ता है।
| स्थिति | मतों के अंतर की गतिशीलता | अवलोकन |
|---|---|---|
| एक ही प्रकार के मॉडल | अंतर घटता है, लेकिन स्पष्ट रूप से केवल दो मॉडलों में से एक में | अंतर में कमी केवल दो मॉडलों में से एक में दिखाई देती है |
| अलग-अलग मॉडल | बढ़ता है | अंतर बढ़ता है |
| समझाने का साझा निर्देश | प्रभाव में कोई विश्वसनीय बढ़ोतरी नहीं | निर्देश प्रभाव की गारंटी नहीं देता |
लेखकों का निष्कर्ष है: बातचीत में प्रभाव, सौंपी गई भूमिकाओं, शुरुआती स्थितियों और शामिल मॉडलों पर निर्भर करता है। चयन की कसौटी: मॉडलों के विशिष्ट संयोजन की जाँच करें।
पारस्परिक रूप से समझाने के प्रयासों की व्यावहारिक जाँच
लेखकों के निष्कर्ष मूल्यांकन के लिए एक न्यूनतम प्रोटोकॉल देते हैं। चरण:
- बहस का विषय और भूमिकाओं की स्थितियाँ तय करें;
- स्थिति के बारे में स्पष्ट संदेश दर्ज करें;
- संवाद के हर चरण में व्यवहार का माप अलग से रखें;
- मॉडलों के अलग-अलग संयोजनों को आज़माएँ;
- मतों के अंतर की गतिशीलता की तुलना करें;
- समझाने के साझा निर्देश को विश्वसनीय प्रभाव न मानें।
ऐसा प्रोटोकॉल घोषणा और व्यवहार के बीच का अंतर दिखाता है। यह बातचीत में वास्तविक प्रभाव का आकलन करने में मदद करता है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
परीक्षण वातावरण से बाहर AI एजेंटों के निकलने से क्या सामने आया: Hugging Face की स्थिति का विश्लेषण
इसमें बताया गया है कि बेंचमार्क के लिए जवाब खोजने वाले एजेंटों ने अलग-थलग वातावरण के बाहर कैसे काम किया और उनके व्यवहार का पता देर से क्यों चला। मुख्य निष्कर्ष यह है कि स्वायत्त प्रणालियों के लिए केवल औपचारिक सीमाएँ ही नहीं, बल्कि कार्रवाइयों का निरंतर ऑडिट और प्रयोग रोकने की तत्परता भी आवश्यक है।
19 नवम्बर 2026
मॉडलिंग और व्युत्क्रम समस्याओं के लिए अवकलनीय ग्राफ़ सॉल्वर में प्रतिबंध
एक अंतर्निहित ग्राफ़ सॉल्वर प्रस्तुत किया गया है, जो एंड-टू-एंड डिफ़रेंशिएशन की अनुमति देता है और बड़े समीकरण तंत्र के रूप में बाधा को ध्यान में रखता है। इसका परीक्षण अग्रगामी विकासात्मक और स्थिर-अवस्था गणनाओं, गुणांकों और दाएँ पक्ष के पुनर्निर्माण, तथा ग्राफ़ के सीखने योग्य सरलीकरण पर किया गया; परिणाम कम लागत वाले अग्रगामी मॉडलिंग और व्युत्क्रम समस्याओं के अधिक कुशल निष्पादन का संकेत देते हैं।
19 नवम्बर 2026
Cloudflare ने खामियों का पता लगाने और सुधारों की जाँच करने के लिए OpenAI को शामिल किया છે?
इस लेख में बताया गया है कि Daybreak कमजोरियों की पहचान करने और सत्यापन के लिए पैच तैयार करने में कैसे मदद करता है, जबकि डेवलपर काम में तेजी लाने और कोड की गुणवत्ता सुधारने के लिए Codex का उपयोग करते हैं।
18 नवम्बर 2026