論文の概要: The Continuity Layer: Why Intelligence Needs an Architecture for What It Carries Forward

• arxiv url: http://arxiv.org/abs/2604.17273v1
• Date: Sun, 19 Apr 2026 06:01:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.4304
• Title: The Continuity Layer: Why Intelligence Needs an Architecture for What It Carries Forward
• Title（参考訳）: 継続的レイヤ:なぜインテリジェンスに前向きなアーキテクチャが必要なのか
• Authors: Samuel Sameer Tanguturi,
• Abstract要約: 本稿は, 連続層であるこれを固定する層が, フィールドがまだ構築していない最も連続的なインフラストラクチャである,と論じる。 ここで述べられているプロパティの正式な評価フレームワークはATANTベンチマーク(arXiv:2604.06710)であり、250階建てコーパスでの評価結果とともに別々に発行されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The most important architectural problem in AI is not the size of the model but the absence of a layer that carries forward what the model has come to understand. Sessions end. Context windows fill. Memory APIs return flat facts that the model has to reinterpret from scratch on every read. The result is intelligence that is powerful per session and amnesiac across time. This position paper argues that the layer which fixes this, the continuity layer, is the most consequential piece of infrastructure the field has not yet built, and that the engineering work to build it has begun in public. The formal evaluation framework for the property described here is the ATANT benchmark (arXiv:2604.06710), published separately with evaluation results on a 250-story corpus; a companion paper (arXiv:2604.10981) positions this framework against existing memory, long-context, and agentic-memory benchmarks. The paper defines continuity as a system property with seven required characteristics, distinct from memory and from retrieval; describes a storage primitive (Decomposed Trace Convergence Memory) whose write-time decomposition and read-time reconstruction produce that property; maps the engineering architecture to the theological pattern of kenosis and the symbolic pattern of Alpha and Omega, and argues this mapping is structural rather than metaphorical; proposes a four-layer development arc from external SDK to hardware node to long-horizon human infrastructure; examines why the physics limits now constraining the model layer make the continuity layer newly consequential; and argues that the governance architecture (privacy implemented as physics rather than policy, founder-controlled class shares on non-negotiable architectural commitments) is inseparable from the product itself.
• Abstract（参考訳）: AIにおける最も重要なアーキテクチャ上の問題は、モデルのサイズではなく、モデルが理解するようになったことを前進させるレイヤがないことである。 セッション終了。 コンテキストウィンドウがいっぱいです。 メモリAPIは、モデルが読み取り毎にスクラッチから再解釈しなければならないというフラットな事実を返す。 その結果、セッションごとに強力なインテリジェンスと、時間の経過とともにアムネシアックが生まれます。 このポジションペーパーでは、この問題を解決するレイヤである連続層は、フィールドがまだ構築されていない最も連続的なインフラストラクチャであり、それを構築するためのエンジニアリング作業は一般に開始されている、と論じている。 ここで述べられているプロパティの正式な評価フレームワークはATANTベンチマーク(arXiv:2604.06710)であり、250階建てコーパスの評価結果を別々に発表している。 本稿では、メモリと検索の7つの特性を持つシステム特性として連続性を定義し、書き込み時分解と読み取り時再構成によりその特性が生成されるストレージプリミティブ(分解されたトレース収束メモリ)を記述し、ケノーシスの神学的パターンとアルファとオメガの象徴的パターンにエンジニアリングアーキテクチャをマッピングし、このマッピングは比喩的ではなく構造的であると主張し、外部SDKからハードウェアノードへの4層開発アークをロングホライズンなヒューマンインフラストラクチャに提案し、モデル層を制約している物理制限が、連続性層を新たに連続的に構成する理由を考察し、ガバナンスアーキテクチャ(ポリシーではなく、物理として実装される)は、非競合性アーキテクチャのコミットメントに共有されていることを主張する。

関連論文リスト

• Architecture Without Architects: How AI Coding Agents Shape Software Architecture [0.6299766708197881]
  そこで本研究では,自然構造型プロンプト機能を必要なインフラストラクチャにマッピングするための,6つのプロンプト-アーキテクチャ結合パターンを提案する。 私たちは、意図的な設計ではなく、プロンプトによって形作られたこの現象を表現し、これらの隠れた決定をガバナンスの下にもたらすためのレビュープラクティス、意思決定記録、ツールの概要を述べます。
  論文  参考訳（メタデータ） (2026-04-05T07:32:37Z)
• ByteRover: Agent-Native Memory Through LLM-Curated Hierarchical Context [7.906778920268216]
  本稿では,メモリパイプラインを反転させるエージェントネイティブメモリアーキテクチャByteRoverを提案する。 ByteRoverは、ドメイン、トピック、サブトピック、エントリとして整理されたファイルベースの知識グラフである階層的コンテキストツリーにおける知識を表す。 LoCoMoとLongMemEvalの実験は、ByteRoverがLoCoMoの最先端の精度とLongMemEvalの競争結果を達成することを示した。
  論文  参考訳（メタデータ） (2026-04-02T04:15:42Z)
• LoGeR: Long-Context Geometric Reconstruction with Hybrid Memory [97.14005794889134]
  提案するLoGeRは,高密度な3次元再構成を,後最適化なしで極めて長いシーケンスに拡張する新しいアーキテクチャである。 LoGeRはビデオストリームをチャンクで処理し、高忠実度なチャンク内推論に強力な双方向の事前処理を活用する。 このメモリアーキテクチャにより、LoGeRは128フレームのシーケンスでトレーニングでき、推論中に数千フレームまで一般化できる。
  論文  参考訳（メタデータ） (2026-03-03T18:55:37Z)
• Continuum Memory Architectures for Long-Horizon LLM Agents [0.0]
  Retrieval-augmented Generation (RAG) は、文脈知識を備えた大規模言語モデル(LLM)エージェントのデフォルト戦略となっている。 textitContinuum Memory Architecture (CMA)は、インタラクション間の内部状態をメンテナンスし、更新するシステムのクラスです。 我々は、RAGの構造的欠如が記憶の蓄積、突然変異、曖昧さを露呈するタスクに対して、一貫した振る舞い上の利点を示す。
  論文  参考訳（メタデータ） (2026-01-14T22:40:35Z)
• Structured Episodic Event Memory [37.643537420763344]
  本研究では,リレーショナル事実のためのグラフメモリ層と,物語進行のための動的エピソディックメモリ層を相乗化する階層型フレームワークである構造化エピソディックイベントメモリ(SEEM)を提案する。 LoCoMoとLongMemEvalのベンチマーク実験の結果、SEEMはベースラインを大幅に上回ることが示された。
  論文  参考訳（メタデータ） (2026-01-10T03:17:25Z)
• Disco-RAG: Discourse-Aware Retrieval-Augmented Generation [81.53888908988756]
  生成プロセスに談話信号を注入する談話認識フレームワークであるディスコRAGを提案する。 提案手法は,チャンク内談話木を構築し,局所階層を捕捉し,クロスパスコヒーレンスをモデル化するためのチャンク間修辞グラフを構築する。 質問応答と長期文書要約ベンチマークの実験から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-01-07T20:32:50Z)
• Object Files and Schemata: Factorizing Declarative and Procedural Knowledge in Dynamical Systems [135.10772866688404]
  モノリシックな隠蔽状態を持つブラックボックスモデルは、手続き的知識を一貫して均一に適用できないことが多い。 宣言的および手続き的知識を分解するアーキテクチャを通じてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-06-29T17:45:03Z)
• New Ideas for Brain Modelling 6 [0.0]
  本稿では,3段階認知モデルの実装の詳細について述べる。 アーキテクチャ全体がモジュール化され、さまざまなタイプの情報を使用してさまざまなレベルが設定されている。 トップレベルの認知層は、以前の論文の認知プロセス言語(CPL)をモデル化するために再設計された。
  論文  参考訳（メタデータ） (2020-05-11T14:28:34Z)
• Hierarchical Conditional Relation Networks for Video Question Answering [62.1146543269993]
  条件関係ネットワーク(CRN)と呼ばれる汎用再利用可能なニューラルネットワークユニットを導入する。 CRNは、ビデオ上での表現と推論のためのより洗練された構造を構築するためのビルディングブロックとして機能する。 その結果,ビデオQAのような複雑なドメインに対する汎用推論ユニットの構築の影響が示された。
  論文  参考訳（メタデータ） (2020-02-25T07:00:48Z)

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。