स्वायत्त निवेश में LLM एजेंटों का नियंत्रित विकास: अपरिवर्तनीय सुरक्षा परत के साथ बहु-एजेंट ढाँचा

कार्रवाइयों की अपरिवर्तनीयता एक मूलभूत सीमा के रूप में

स्वायत्त निवेश live Web data और untrusted Web content के साथ काम करता है। ऐसे परिवेश में हर कार्रवाई अपरिवर्तनीय होती है। इसलिए LLM एजेंट के विकास के लिए अनुकूलन और संरक्षित कोर के बीच सीमा आवश्यक है। “Governed Self-Evolution for Autonomous Investing: A Multi-Agent LLM System with an Invariant Core” लेख में लेखकों ने Steward प्रणाली का वर्णन किया। यह स्वायत्त निवेश के लिए एक मल्टी-एजेंट LLM प्रणाली है। लेख के लेखक Yebo Feng, Jingyang Dai, Liangrui Pan, Nelson Lau, Jiahua Xu, Yang Liu हैं। लेखकों ने 22 अक्टूबर 2026 को लेख प्रस्तुत किया। कसौटी: आर्किटेक्चर को अनुकूलन और संरक्षित कोर को अलग रखना चाहिए। अन्यथा, कोई अपरिवर्तनीय कार्रवाई जाँच से पहले हो सकती है।

मल्टी-एजेंट निर्णय-निर्माण रूपरेखा

भूमिकाओं में विशेषज्ञता प्राप्त नौ एजेंट मिलकर निर्णय लेते हैं। चार विश्लेषक news feeds, SEC filings, macroeconomic series और market data पढ़ते हैं। वे टाइप किए गए रिपोर्ट तैयार करते हैं।

• Portfolio Manager इन रिपोर्टों के आधार पर लक्षित पोज़िशन तय करता है।
• संरक्षित Risk Manager लक्षित पोज़िशन की जाँच करता है। कसौटी: हर चरण की अलग भूमिका और जाँचने योग्य आउटपुट होना चाहिए। टाइप की गई रिपोर्टें स्रोत डेटा को निर्णय से अलग रखती हैं।

सात-स्तरीय मेमोरी और निर्णय का संदर्भ

कोड स्वयं सिस्टम के रिकॉर्ड से साझा सात-स्तरीय मेमोरी बनाता है। यह हर निर्णय को पोज़िशन का संदर्भ, बाज़ार का नैरेटिव, कैलिब्रेशन और एजेंट के पिछले निर्णय उपलब्ध कराती है।

कसौटी: निर्णय दर्ज किए गए संदर्भ पर आधारित होना चाहिए। सिस्टम के रिकॉर्ड से बनी मेमोरी इस संदर्भ को पिछले निर्णयों के साथ सहेजती है।

समीक्षा चक्र: रात का मूल्यांकन और प्रतिवर्ती सुधार

समीक्षा कई चरणों में होती है:

• रात का मूल्यांकन: कोड हर ट्रेड और पूर्वानुमान का मूल्यांकन करता है, फिर मूल्यांकन को मेमोरी में दर्ज करता है।
• तिमाही प्रस्ताव: reflector प्रॉम्प्ट में सुधार सुझाता है।
• लागू करना: एक नियतात्मक gate सुधारों को प्रतिवर्ती ढंग से लागू करता है।
• जाँच: दर्ज किए गए इनपुट का replay परिणाम की जाँच करता है। यह चक्र सुधार के प्रस्ताव और उसे लागू करने के बीच अंतर रखता है। Reflector ने मुख्य विफलता का मूल कारण पहचाना। Gate ने सुझाए गए सुधार को लागू किया। एजेंट ने इसका उपयोग trigger evenings में किया और किसी भी control evening में नहीं किया। कसौटी: प्रॉम्प्ट में बदलाव gate और replay से होकर गुजरना चाहिए। प्रतिवर्तनीयता और दर्ज किए गए डेटा पर जाँच, विकास को नियंत्रित चक्र में रखती हैं।

संरक्षित कोर और स्वयं में बदलाव की सीमाएँ

अपरिवर्तनीय कोर में तीन तत्व शामिल हैं:

• ऑर्डर का अंकगणित;
• जोखिम के नियम;
• अनुशासन एजेंट के प्रॉम्प्ट। स्वयं में बदलाव इन तत्वों को प्रभावित नहीं कर सकता। कोर सिस्टम के विकास की सीमा तय करता है। कसौटी: स्वयं में बदलाव का चक्र इन तत्वों को प्रभावित नहीं करना चाहिए। इनमें बदलाव reflector के काम पर निर्भर नहीं होना चाहिए।

live मोड में जाँच, replay और backtest

पाँच महीने के live deployment (102 ट्रेडिंग दिन, LLM के 1,632 कॉल) में सिस्टम ने सेक्टर के 24.6% drawdown को 0.3% के नुकसान तक सीमित रखा। दर्ज किए गए इनपुट के replay में एक मॉडल को वही raw data मिला। उसने अधिक बार ट्रेड किया और पाँच दिनों में बाज़ार से 1.35 अंक पीछे रहा। संयुक्त प्रणाली ने उस अवधि में कोई उल्लेखनीय नुकसान नहीं दिखाया। सिस्टम ने लागू किए गए किसी भी निर्देश का पालन नहीं किया। 2015-2026 के backtest में केवल कोर ने सभी 50 random entry policies के तहत अधिकतम drawdown घटाया।

कसौटी: live, replay और backtest में सिस्टम की अलग-अलग जाँच करें। हर मोड अलग सवाल का जवाब देता है और दूसरे मोडों की जगह नहीं लेता।