論文の概要: Retrieval Is Not Enough: Why Organizational AI Needs Epistemic Infrastructure

• arxiv url: http://arxiv.org/abs/2604.11759v1
• Date: Mon, 13 Apr 2026 17:31:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.723261
• Title: Retrieval Is Not Enough: Why Organizational AI Needs Epistemic Infrastructure
• Title（参考訳）: Retrievalは、なぜ組織AIがてんかんのインフラを必要とするのか?
• Authors: Federico Bottino, Carlo Ferrero, Nicholas Dosio, Pierfrancesco Beneventano,
• Abstract要約: 我々は、組織AIの天井は、検索忠実性ではなく、経験的忠実性であると主張している。 我々は,組織的知識を型付き知識オブジェクトとして構築するフレームワークであるOIDAを提案する。 我々はQUESTION-as-modeled-ignoranceを紹介します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Organizational knowledge used by AI agents typically lacks epistemic structure: retrieval systems surface semantically relevant content without distinguishing binding decisions from abandoned hypotheses, contested claims from settled ones, or known facts from unresolved questions. We argue that the ceiling on organizational AI is not retrieval fidelity but \emph{epistemic} fidelity--the system's ability to represent commitment strength, contradiction status, and organizational ignorance as computable properties. We present OIDA, a framework that structures organizational knowledge as typed Knowledge Objects carrying epistemic class, importance scores with class-specific decay, and signed contradiction edges. The Knowledge Gravity Engine maintains scores deterministically with proved convergence guarantees (sufficient condition: max degree $< 7$; empirically robust to degree 43). OIDA introduces QUESTION-as-modeled-ignorance: a primitive with inverse decay that surfaces what an organization does \emph{not} know with increasing urgency--a mechanism absent from all surveyed systems. We describe the Epistemic Quality Score (EQS), a five-component evaluation methodology with explicit circularity analysis. In a controlled comparison ($n{=}10$ response pairs), OIDA's RAG condition (3,868 tokens) achieves EQS 0.530 vs.\ 0.848 for a full-context baseline (108,687 tokens); the $28.1\times$ token budget difference is the primary confound. The QUESTION mechanism is statistically validated (Fisher $p{=}0.0325$, OR$=21.0$). The formal properties are established; the decisive ablation at equal token budget (E4) is pre-registered and not yet run.
• Abstract（参考訳）: 検索システムは、放棄された仮説からのバインディング決定を区別することなく意味論的に関連のあるコンテンツを表面化し、解決された仮説からの主張に異議を唱え、未解決の質問から既知の事実を提示する。 我々は,組織AIの天井は検索の忠実さではなく,「emph{epistemic} 忠実さ」であると主張する。 OIDAは, 組織的知識を階層的知識オブジェクトとして構築するフレームワークであり, 認識的クラス, クラス固有の崩壊を伴う重要スコア, 署名された矛盾エッジである。 知識重力エンジンは、証明された収束保証(十分条件:max degree $<7$; empirically robust to degree 43)で決定的にスコアを維持している。 OIDAはQUESTION-as-modeled-ignorance(QUESTION-as-modeled-ignorance)を導入している。 明示的円度解析を用いた5成分評価手法であるEQSについて述べる。 制御された比較($n{=}10$レスポンスペア)では、OIDAのRAG条件(3,868トークン)は、EQS 0.530対。 \ 0.848 for a full-context baseline (108,687 tokens), the $28.1\times$ token budget difference is the primary confound。 QUESTION のメカニズムは統計的に検証される(Fisher $p{=}0.0325$, OR$=21.0$)。 公式な性質は確立され、等しいトークン予算(E4)での決定的なアブレーションは事前登録され、まだ実行されていない。

関連論文リスト

• Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
  制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。 本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。 我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
  論文  参考訳（メタデータ） (2026-03-31T17:30:25Z)
• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• AI Knows What's Wrong But Cannot Fix It: Helicoid Dynamics in Frontier LLMs Under High-Stakes Decisions [51.56484100374058]
  ヘリコイド力学(Helicoid dynamics)は、その2番目のドメインの特定の障害状態に与えられる名前である。 システムは巧みに働き、エラーに陥り、何がうまくいかなかったかを正確に名付け、さらに高度な技術で同じパターンを再現する。 この先進的な事例シリーズは、7つの主要なシステムにまたがる体制を文書化する。
  論文  参考訳（メタデータ） (2026-03-12T05:25:49Z)
• Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
  現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。 この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。 あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T16:14:32Z)
• SeSE: A Structural Information-Guided Uncertainty Quantification Framework for Hallucination Detection in LLMs [43.76748192880071]
  本稿では,大規模言語モデル固有の意味的不確かさを定量化する,原則的UQフレームワークを提案する。 我々は,指向性セマンティック依存をキャプチャする適応的にスペーシングされた有向グラフ構築アルゴリズムを開発した。 そして階層的抽象化を通じて潜在意味構造情報を利用する。
  論文  参考訳（メタデータ） (2025-11-20T11:54:12Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• The Theory of the Unique Latent Pattern: A Formal Epistemic Framework for Structural Singularity in Complex Systems [2.44755919161855]
  本稿では,動的システムにおける複雑性の起源を再定義する形式的枠組みとして,一様潜在パターンの理論(ULP)を紹介する。 ULPは、本質的なランダム性や創発的な非線形性に予測不可能をもたらすのではなく、全ての分析可能な系は構造的にユニークで決定論的な生成機構によって支配されていると主張する。
  論文  参考訳（メタデータ） (2025-05-24T19:52:28Z)
• Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
  多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。 本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。 我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
  論文  参考訳（メタデータ） (2024-07-23T20:40:37Z)
• Certainly Uncertain: A Benchmark and Metric for Multimodal Epistemic and Aleatoric Awareness [106.52630978891054]
  視覚言語AIシステムに特有の不確実性の分類法を提案する。 また、精度と校正誤差の両方によく相関する新しい計量信頼度重み付き精度を導入する。
  論文  参考訳（メタデータ） (2024-07-02T04:23:54Z)

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。