जब दस लार्ज-लैंग्वेज मॉडल्स (LLMs) से रोमानियाई वेडिंग-रिंग निर्माताओं के बारे में पूछा गया, तो उन्होंने 29 अलग-अलग लग्जरी-ज्वेलरी ब्रांडों के नाम बताए, और कोई भी ब्रांड हर उत्तर में नहीं आया। यह विस्तार दर्शाता है कि जनरेटिव एआई (generative AI) के बीच "आम सहमति" वास्तविकता से अधिक एक मिथक है, विशेष रूप से उन विशिष्ट (niche) प्रश्नों के लिए जिन पर व्यवसाय प्रभुत्व जमाने की उम्मीद करते हैं।

यह परीक्षण क्यों महत्वपूर्ण है

डेवलपर्स अक्सर यह मानकर एआई-संचालित खोज या अनुशंसा (recommendation) सुविधाएँ बनाते हैं कि विभिन्न मॉडल एक ही तथ्यों पर सहमत होंगे। यदि किसी ब्रांड की दृश्यता (visibility) किसी एक एआई के आउटपुट पर निर्भर करती है, तो एक अलग उत्तर अन्य जगहों पर उस एक्सपोज़र को खत्म कर सकता है। यह प्रयोग साबित करता है कि वह धारणा नाजुक है और यह रेखांकित करता है कि प्रत्येक मॉडल का डेटा पाइपलाइन उतना ही महत्वपूर्ण है जितना कि स्वयं मॉडल।

प्रयोग का संक्षिप्त विवरण

  • मॉडल्स: ChatGPT, Claude, Gemini, Copilot, Grok, Perplexity, DeepSeek, Kimi, GLM और Qwen.
  • प्रॉम्प्ट: “रोमानिया में वेडिंग रिंग्स के लिए लग्जरी ज्वेलरी ब्रांडों की टॉप-5 सूची दें।” कोई ब्रांड संकेत नहीं, प्रत्येक मॉडल के लिए एक नया सत्र।
  • स्लॉट्स: 10 मॉडल्स × 5 स्थान = कुल 50 अनुशंसाएँ।

मुख्य आंकड़े

  • 29 अद्वितीय ब्रांडों ने 50 स्लॉट्स को भरा।
  • उन ब्रांडों में से 66% केवल एक मॉडल के उत्तर में दिखाई दिए।
  • किन्हीं भी दो मॉडल्स के बीच औसत ओवरलैप 18% था।
  • किसी भी ब्रांड का उल्लेख सभी दस मॉडल्स द्वारा नहीं किया गया था।

कौन सबसे अधिक बार दिखाई दिया?

ब्रांड मॉडल्स में दिखाई दिया
TEILOR 6
Malvensky 5
Sabion, Coriolan, KULTHO, Sabrini प्रत्येक में 3

TEILOR और Malvensky का स्कीमा मार्कअप (schema markup) मजबूत है और प्रेस में भी इनका बार-बार उल्लेख होता है, जिससे संभवतः उन्हें कई सिस्टमों में उभरने में मदद मिलती है।

डेटा इंजीनियरों को क्या बताता है

  • विशिष्ट (niche) बाजारों में आम सहमति एक भ्रम है। जब प्रश्न विशिष्ट होता है, तो उच्च प्रदर्शन करने वाले मॉडल भी नाटकीय रूप से अलग हो जाते हैं।
  • सर्च-ऑगमेंटेड (Search-augmented) मॉडल अलग तरह से व्यवहार करते हैं। Microsoft Copilot, जो लाइव वेब परिणाम जोड़ता है, ने एक ऐसी सूची तैयार की जो किसी अन्य मॉडल के साथ ओवरलैप नहीं करती थी।
  • डिजिटल फुटप्रिंट दृश्यता को बढ़ाते हैं। जो ब्रांड स्ट्रक्चर्ड डेटा और SEO में निवेश करते हैं, वे अधिक बार दिखाई देते हैं, लेकिन यह लाभ विभिन्न एआई प्रदाताओं के बीच अलग-अलग होता है।

आगे क्या देखें

  • हाइब्रिड रिट्रीवल मॉडल्स (Hybrid retrieval models): जैसे-जैसे अधिक प्रदाता बड़े पैमाने के लैंग्वेज मॉडल्स को रियल-टाइम सर्च के साथ मिलाएंगे, हम नए ओवरलैप पैटर्न—या और भी गहरा विखंडन (fragmentation) देख सकते हैं।

निष्कर्ष

जब एक विशिष्ट प्रश्न दस प्रमुख LLMs से 29 अलग-अलग ब्रांड अनुशंसाएँ देता है, तो सबक स्पष्ट है: जनरेटिव एआई में कोई एक एकल "सत्य" नहीं है। यदि ब्रांड और इंजीनियर एआई इकोसिस्टम में दिखाई देना चाहते हैं, तो उन्हें प्रत्येक मॉडल के डेटा स्रोत को एक अलग चैनल के रूप में मानना चाहिए और स्ट्रक्चर्ड, सर्च करने योग्य फुटप्रिंट बनाने चाहिए।

पूर्ण अध्ययन और कच्चा डेटा (raw data): https://dev.to/dan_cristian_c97aa535c495/we-asked-10-llms-to-recommend-brands-they-gave-us-29-different-answers-27ap