एक आदर्श LLM भी एजेंटिक सिस्टम को पूर्वानुमानित क्यों नहीं बना पाएगा

यह लेख एलएलएम-आधारित मल्टी-एजेंट सिस्टम की अप्रत्याशितता की जांच करता है, भले ही कोई भ्रम (हैलुसिनेशन) न हो। लेखक ने तापमान 0 पर क्वेन इंस्ट्रक्ट 30B मॉडल के साथ एक प्रयोग किया: एलएलएम निर्धारणवाद के बारे में आठ समान प्रश्नों के लिए, मॉडल ने दो विपरीत उत्तर दिए, जबकि प्रत्येक व्यक्तिगत क्वेरी समान रूप से पुनरुत्पादित हुई। प्रश्नों की शब्दार्थ समानता, जिसे BAAI/bge-m3 मीट्रिक के माध्यम से मापा गया, 0.30–0.39 थी, जिसका अर्थ है कि वे उपयोगकर्ता के लिए व्यावहारिक रूप से अप्रभेद्य हैं। इसके बाद, लेखक एक लॉजिस्टिक मैप—राज्यों के एक अरेखीय परिवर्तन—का उपयोग करके एक एजेंट श्रृंखला के व्यवहार का अनुकरण करता है। शब्दार्थ समानता के अनुरूप प्रारंभिक मूल्यों के साथ, प्रक्षेपवक्र चरण 15 तक अराजक रूप से विचरण करते हैं, भले ही प्रत्येक चरण निर्धारक हो। निष्कर्ष: एकल एजेंट की भविष्यवाणी क्षमता अरेखीयता और त्रुटि संचय के कारण संरचना की भविष्यवाणी क्षमता की गारंटी नहीं देती। व्यावहारिक सुझावों में अनुक्रमिक श्रृंखलाओं की लंबाई सीमित करना, सत्यापन बिंदु शामिल करना, समानांतर संरचनाओं का उपयोग करना, और पाइपलाइन का शब्दार्थ रूप से समान इनपुट पर परीक्षण करना शामिल है।