論文の概要: Measuring What Persists: Conditioning Mechanisms and a Geometric Framework for AI Agent Identity
- arxiv url: http://arxiv.org/abs/2606.21843v1
- Date: Sat, 20 Jun 2026 02:38:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 02:48:55.738842
- Title: Measuring What Persists: Conditioning Mechanisms and a Geometric Framework for AI Agent Identity
- Title（参考訳）: パーシストの測定: 条件付け機構とAIエージェント識別のための幾何学的フレームワーク
- Authors: Andrew Tanner,
- Abstract要約: ロングコンテキストアプリケーションのAIエージェントは、指定したIDからドリフトする。
現在の方法では、定性的劣化が見えた後にのみ検出される。
距離空間を$sqrtmathrmJSD$で測定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents in long-context applications drift from their specified identity. Current methods detect this only after qualitative degradation is visible. We present a geometric framework for measuring identity structure using $\sqrt{\mathrm{JSD}}$ metric spaces and magnitude homology from enriched category theory, where identity is non-geodesic structure and drift is its relaxation toward the geodesic. Validated on a persistent AI agent, the framework's strongest empirical finding is a two-mechanism conditioning structure: cross-condition distances reveal an identity-vacuum cluster where the identity specification fills a behavioral void, and a safety-basin cluster where it displaces from post-training attractors. An equilateral probe baseline confirms that the identity specification creates measurable behavioral richness (55 unique response patterns vs. 1 for the base model) at maximum probe separation. A first-order perturbation theory for equilateral configurations predicts magnitude changes from perimeter changes alone, with shape perturbations first-order cancelled by the $S_n$ symmetry; the formula is self-consistent at the observed perturbation amplitudes. A drift experiment measuring magnitude decrease under context pressure was subsequently found to reflect repetitive-padding artifacts rather than genuine context-length drift; diverse padding produces no measurable deformation through 150K tokens. The magnitude homology framework's full diagnostic promise -- detecting anisotropic contraction and structural collapse via homological simplification -- is architecturally grounded in the perturbation theory and selection rules but remains empirically unconfirmed.
- Abstract（参考訳）: ロングコンテキストアプリケーションのAIエージェントは、指定したIDからドリフトする。
現在の方法では、定性的劣化が見えた後にのみ検出される。
等式構造を測る幾何学的枠組みを$\sqrt{\mathrm{JSD}}$計量空間と拡大圏論の等級ホモロジーを用いて提案する。
クロスコンディション距離は、アイデンティティ仕様が振る舞いの空白を埋めるアイデンティティ空洞クラスタと、トレーニング後のアトラクションから置き換える安全ベースクラスタを明らかにします。
等側プローブベースラインは、同一性仕様が最大プローブ分離時に測定可能な振舞いリッチネス(基本モデルに対する55の応答パターン対1)を生成することを確認した。
等方的構成に対する一階摂動理論は、形状摂動を$S_n$対称性でキャンセルし、周囲の変化のみから等方的な変化を予測し、その公式は観測された摂動振幅で自己整合である。
ドリフト実験により, 実時間長のドリフトではなく, 繰り返し塗布されたアーティファクトを反映し, 150Kトークンによる測定可能な変形を生じないことがわかった。
等方的収縮と構造的崩壊をホモロジーの単純化によって検出するという、マグニチュード・ホモロジー・フレームワークの完全な診断の約束は、摂動理論と選択規則にアーキテクチャ的に基礎を置いているが、実証的に確認されていない。
関連論文リスト
- Nonlinear Geometrizability of State-Dependent Proto-Area in Approximate Holographic Codes [0.0]
近似回復によって生成される状態依存型プロト面積データは、単一の局所的バルク計量と互換性がない。
我々は、正確な有限分解能基準を導出し、双曲円盤の近傍では、通常のプロト面積2ジェットの必要十分条件を導出する。
ハミルトニアスキュード符号は、第一次非幾何と、第一の障害物が二次的にのみ現れるキャリブレーション応答の両方を実現する。
論文 参考訳（メタデータ） (2026-06-21T17:16:10Z) - Greedy Coordinate Diffusion: Effective and Semantically Coherent Adversarial Attacks via Diffusion Guidance [48.34904668359272]
大規模言語モデルに対するアドリアック攻撃は、広範な研究にもかかわらず、実用的影響が限られている。
本稿では,Greedy Coordinate Diffusion(GCD)について紹介する。
GCDは、敵の本来の意図に低い難易度と高い意味的固執を維持している。
論文 参考訳（メタデータ） (2026-06-14T01:18:53Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - Proteo-R1: Reasoning Foundation Models for De Novo Protein Design [129.2825640976092]
推論誘導型タンパク質設計フレームワークであるbfProteo-R1を紹介する。
アンフェロメトリ生成から分子内理解を分離する。
Proteo-R1は、最新の幾何学的生成モデルと推論の安定、解釈可能、モジュール的な統合を実現する。
論文 参考訳（メタデータ） (2026-05-01T06:52:27Z) - The Geometric Price of Discrete Logic: Context-driven Manifold Dynamics of Number Representations [6.414826816896125]
大規模言語モデル(LLM)は連続的な意味空間をスムーズに一般化するが、厳密な論理的推論は決定境界の形成を要求する。
我々は、タスクコンテキストが、必要な「トポロジ的歪み」を強制する非等方的力学演算子として機能すると主張している。
この幾何学的進化は、単純な写像から複雑な原始性テストまで、タスクの勾配を越えて検証する。
論文 参考訳（メタデータ） (2026-03-24T13:41:57Z) - 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) - Deterministic Zeroth-Order Mirror Descent via Vector Fields with A Posteriori Certification [45.85698554568285]
我々は、勾配を一般的なベクトル場に置き換えることで、決定論的ゼロ階ミラー降下フレームワークを開発する。
我々の分析は、最終段階の不等式評価のための評価テンプレートを提供する。
これらの結果は、ブレグマンのアイデンティティ、決定論的証明、およびゼロ階ミラー降下におけるロバストな円錐幾何学を隠蔽した幾何学的リンクを明らかにする。
論文 参考訳（メタデータ） (2026-01-31T10:05:05Z) - Rectifying Geometry-Induced Similarity Distortions for Real-World Aerial-Ground Person Re-Identification [4.039576422478934]
航空地上人物再識別(AG-ReID)は、極端な視点と距離の相違により根本的な課題である。
既存の手法は幾何学的特徴学習や外観条件付きプロンプトに依存している。
Geometry-induced Query-Key Transformation (GIQT) は、カメラ幾何学におけるクエリキーの相互作用を条件に、類似性空間を補正する軽量な低ランクモジュールである。
論文 参考訳（メタデータ） (2026-01-29T08:41:42Z) - The Geometric Mechanics of Contrastive Representation Learning: Alignment Potentials, Entropic Dispersion, and Cross-Modal Divergence [17.501700376593174]
固定埋め込み多様体上の表現測度の進化として学習をモデル化する測度理論フレームワークを提案する。
大規模バッチ限界における値と整合性を確立することにより、不整合目標を明示的なエネルギー景観に橋渡しする。
この用語は,構造的幾何学的必要条件として,人口レベルのモダリティギャップを強制するバリア駆動型共適応を誘導することを示す。
論文 参考訳（メタデータ） (2026-01-27T13:33:03Z) - Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning [0.0]
本稿では,因果推論と幾何学的深層学習を橋渡しする新しいフレームワークであるCausal Manifold Fairness(CMF)を紹介する。
デコーダのヤコビアンとヘシアンに制約を課すことにより、CMFは潜在空間の規則が階層群全体にわたって保持されることを保証する。
CMFを合成構造因果モデル (SCMs) で検証し, タスクユーティリティを保ちながら, 敏感な幾何学的歪みを効果的に解消することを示した。
論文 参考訳（メタデータ） (2026-01-06T14:05:22Z) - Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。
自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。
構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
論文 参考訳（メタデータ） (2025-11-10T15:48:50Z)
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。