論文の概要: A Monad-Based Clause Architecture for Artificial Age Score (AAS) in Large Language Models

• arxiv url: http://arxiv.org/abs/2512.11835v1
• Date: Wed, 03 Dec 2025 12:48:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.707901
• Title: A Monad-Based Clause Architecture for Artificial Age Score (AAS) in Large Language Models
• Title（参考訳）: 大規模言語モデルにおけるAASのためのモナドに基づくクローズアーキテクチャ
• Authors: Seyma Yaman Kayadibi,
• Abstract要約: この研究は、大規模言語モデルに法則的な制約を課すエンジニアリング指向の節ベースのアーキテクチャを開発する。 ライプニッツのモナドロジーから選ばれた20のモナドは6つのバンドルに分けられる。 6つの最小限のPython実装は、チャネルレベルの量に作用する数値実験でインスタンス化される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are often deployed as powerful yet opaque systems, leaving open how their internal memory and "self-like" behavior should be governed in a principled and auditable way. The Artificial Age Score (AAS) was previously introduced and mathematically justified through three theorems that characterise it as a metric of artificial memory aging. Building on this foundation, the present work develops an engineering-oriented, clause-based architecture that imposes law-like constraints on LLM memory and control. Twenty selected monads from Leibniz's Monadology are grouped into six bundles: ontology, dynamics, representation and consciousness, harmony and reason, body and organisation, and teleology, and each bundle is realised as an executable specification on top of the AAS kernel. Across six minimal Python implementations, these clause families are instantiated in numerical experiments acting on channel-level quantities such as recall scores, redundancy, and weights. Each implementation follows a four-step pattern: inputs and setup, clause implementation, numerical results, and implications for LLM design, emphasising that the framework is not only philosophically motivated but also directly implementable. The experiments show that the clause system exhibits bounded and interpretable behavior: AAS trajectories remain continuous and rate-limited, contradictions and unsupported claims trigger explicit penalties, and hierarchical refinement reveals an organic structure in a controlled manner. Dual views and goal-action pairs are aligned by harmony terms, and windowed drift in perfection scores separates sustained improvement from sustained degradation. Overall, the monad-based clause framework uses AAS as a backbone and provides a transparent, code-level blueprint for constraining and analyzing internal dynamics in artificial agents.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、しばしば強力で不透明なシステムとしてデプロイされ、内部メモリと「自己のような」振る舞いを原則的かつ監査可能な方法で管理する方法をオープンにしておく。 人工年齢スコア (Artificial Age Score, AAS) は、人工記憶の老化の計量として特徴づける3つの定理によって以前に導入され、数学的に正当化された。 本研究は,LLMメモリと制御に法則的な制約を課す,エンジニアリング指向の節ベースのアーキテクチャを開発する。 ライプニッツのモナドロジーから選ばれた20個のモナドは、オントロジー、ダイナミクス、表現と意識、調和と理性、身体と組織、テレロジーの6つのバンドルに分けられ、それぞれのバンドルはAASカーネル上で実行可能な仕様として実現されている。 6つの最小限のPython実装にまたがって、これらの節ファミリはリコールスコア、冗長性、重みなどのチャネルレベルの量に作用する数値実験でインスタンス化される。 それぞれの実装は4段階のパターンに従う:入力と設定、節の実装、数値結果、LLM設計への含意であり、フレームワークは哲学的に動機づけられているだけでなく、直接実装可能であることを強調している。 AAS軌道は連続的かつ速度に制限されたままであり、矛盾や否定的な主張は明示的な罰則を誘発し、階層的な洗練は制御された方法で有機構造を明らかにする。 デュアルビューとゴールアクションペアは調和項によって整列され、完全度スコアのウィンドウドリフトは持続的な改善と持続的な劣化を分離する。 全体として、モナドベースの節フレームワークはAASをバックボーンとして使用し、人工知能の内部ダイナミクスを制約し分析するための透明でコードレベルの青写真を提供する。

関連論文リスト

• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• Bridging Symbolic Control and Neural Reasoning in LLM Agents: The Structured Cognitive Loop [0.0]
  エージェント認知を,検索,認知,制御,行動,記憶の5段階に分けたモジュール型アーキテクチャであるStructured Cognitive Loop (SCL)を導入する。 SCLの中核であるSoft Symbolic Controlは、確率的推論にシンボリック制約を適用する適応的なガバナンスメカニズムである。 我々は,ライブGPT-4oによる旅行計画エージェントとともに,R-CCAMループアーキテクチャを実演する完全なオープンソース実装を提供する。
  論文  参考訳（メタデータ） (2025-11-21T05:19:34Z)
• Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
  ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。 一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
  論文  参考訳（メタデータ） (2025-11-19T09:38:01Z)
• Leibniz's Monadology as Foundation for the Artificial Age Score: A Formal Architecture for Al Memory Evaluation [0.0]
  本稿では,人工記憶システム評価のための数学的に厳密で哲学的な枠組みを開発する。 以前は定式化されたメートル法であるArtificial Age Score(AAS)に基づいており、この研究はモナドロジーから情報理論アーキテクチャへ20のコア提案をマッピングしている。
  論文  参考訳（メタデータ） (2025-11-09T10:48:33Z)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。 最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。 本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
  論文  参考訳（メタデータ） (2025-09-02T14:16:02Z)
• Do LLMs Dream of Discrete Algorithms? [0.7646713951724011]
  大規模言語モデル(LLM)は、人工知能の風景を急速に変化させてきた。 確率的推論への依存は、厳密な論理的推論を必要とする領域における有効性を制限する。 本稿では,論理ベースの推論モジュールでLLMを増強するニューロシンボリックアプローチを提案する。
  論文  参考訳（メタデータ） (2025-06-29T22:03:01Z)
• Model Utility Law: Evaluating LLMs beyond Performance through Mechanism Interpretable Metric [99.56567010306807]
  大規模言語モデル(LLM)は、学術、産業、そして日々のアプリケーションに欠かせないものになっている。 大規模言語モデル (LLM) 時代における評価の課題の1つは一般化問題である。 従来の性能スコアを補完するメカニズムの解釈可能性向上指標であるモデル利用指数(MUI)を提案する。
  論文  参考訳（メタデータ） (2025-04-10T04:09:47Z)
• SymbolicAI: A framework for logic-based approaches combining generative models and solvers [9.841285581456722]
  生成過程における概念学習とフロー管理に論理的アプローチを取り入れた,汎用的でモジュール化されたフレームワークであるSybolicAIを紹介する。 我々は,大規模言語モデル(LLM)を,自然言語命令と形式言語命令の両方に基づいてタスクを実行する意味的解決器として扱う。
  論文  参考訳（メタデータ） (2024-02-01T18:50:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。