論文の概要: CANONIC: Governance Is Compilation

• arxiv url: http://arxiv.org/abs/2607.05410v1
• Date: Wed, 10 Jun 2026 04:48:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 07:26:11.084838
• Title: CANONIC: Governance Is Compilation
• Title（参考訳）: CANONIC: ガバナンスはコンパイルである
• Abstract要約: CANONIC: デジタルアーティファクトを大規模にエビデンス台帳にコンパイルする管理されたインテリジェンス。 CanONICは、コンテントがコーパスに入るかどうかを、コンパイラがプログラムが適切に構成されているかどうかを決定するように管理する。 信頼できないコンテンツと信頼できないコンテンツを確実に分離する散文読解ゲートは存在しない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present CANONIC: governed intelligence that compiles digital artifacts into an evidence ledger at scale. Large language models generate prose faster than anyone can check it, the failure Oxford Languages named 'slop', its 2025 Word of the Year. CANONIC governs whether content may enter a corpus the way a compiler decides whether a program is well-formed: mechanically, by a grammar, at the boundary of admission. Governance reduces to three axioms (Triad, Inheritance, Introspection) that map one-to-one onto compiler theory's syntax, scope-resolution, and type-system layers, and admission is a decidable, linear-time check. We then ask, with a pre-registered cross-provider benchmark across four regimes, whether structural admission keeps slop out. It does not: no prose-reading gate reliably separates reliable from unreliable content. Slop is not a property an algorithm computes. It is a verdict of domain expertise. So a governance layer does not decide slop; it keeps the record auditable -- every claim anchored to a definition, a commit, and an evidence window, reproducible and checkable end to end.
• Abstract（参考訳）: 私たちは、デジタルアーティファクトを大規模にエビデンス台帳にコンパイルする管理されたインテリジェンスであるCANONICを紹介します。 大規模な言語モデルは、誰でもチェックできるよりも早く散文を生成する。 CANONICは、コンテントがコーパスに入るかどうかを、コンパイラがプログラムが正常に形成されているかどうかを決定する方法として規定する。 ガバナンスは3つの公理(Triad、Inheritance、Introspection)に還元され、コンパイラ理論の構文、スコープ解像度、型システムレイヤに1対1でマッピングされる。 そして、登録済みのクロスプロジェクターのベンチマークで、4つのレジームにまたがって、構造的受け入れが落ち着き続けるかどうかを尋ねる。 信頼できないコンテンツから信頼性を確実に分離する散文読解ゲートは存在しない。 Slopはアルゴリズムが計算するプロパティではない。 それはドメインの専門知識の判断である。 定義、コミット、エビデンスウィンドウに固定されたすべてのクレームは、再現可能で、チェック可能なエンドツーエンドです。

関連論文リスト

• Calibrating Interpretability Instruments Before Trusting Their Verdicts [1.0829694003408499]
  Causal氏は、大きな言語モデル(LLM)の内部は測定にかかっていると主張している。 これらの測定は、エラーではなく可算数を返す特定の診断可能な方法で失敗する。 このノートは、拒絶と道徳的表現に関する因果的解釈可能性プログラムの6つの失敗を文書化している。
  論文  参考訳（メタデータ） (2026-09-13T19:37:02Z)
• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
  公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。 188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。 計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
  論文  参考訳（メタデータ） (2026-08-21T16:45:00Z)
• Beyond Correctness: Toward Automated Novelty Verification with Lean 4 [0.0]
  この記事では、記事を受け取り、Lean 4でステートメントを形式化し、3次元の意思決定ツリーを通じて、斬新な検証を発行するパイプラインを提示します。 arXivから重複が宣言されたため削除された論文の評価は、どのパフォーマンス指標よりも有益な結果となった。
  論文  参考訳（メタデータ） (2026-08-02T18:49:03Z)
• Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
  AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。 コードには手書きのコードはなく、人間による注釈もない。 エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
  論文  参考訳（メタデータ） (2026-07-17T17:41:16Z)
• TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments [0.0]
  TRACE (Typed Reasoning And Commitment Evidence) は、推論トレースを記録するためのタイプ付きバージョン付きスキーマである。 論文は3つのレイヤで、推論は言語モデルにはない、と論じている。 レコード消費者契約は、レコードが保証するものと、その見返りに消費者が尊重すべきものを記述する。
  論文  参考訳（メタデータ） (2026-07-14T08:08:21Z)
• The Substrate Collapse: AI Code Generation Invalidates Authorship-Based Knowledge Metrics [0.0]
  ソフトウェア工学は、システムの知識がどこにあるのかを、そのコードを作成した人から長い間推測してきた。 本稿では、AIコード生成がそのルーツにおける推論に逆らうことを論じる。
  論文  参考訳（メタデータ） (2026-06-18T19:17:24Z)
• LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization [104.06650149974585]
  信頼性の高い研究レベルのLean AutoformalizationのためのマルチエージェントハーネスであるLeanMarathonを紹介します。 4つのコントラクトスコープエージェントがこの青写真を構築し、監査し、証明し、修復する。 我々は4つのErds問題にまたがる最近の2つの研究論文でLeanMarathonを評価した。
  論文  参考訳（メタデータ） (2026-06-03T20:09:39Z)
• What Really Improves Mathematical Reasoning: Structured Reasoning Signals Beyond Pure Code [72.9921566968371]
  ドメイン分離のきめ細かい10T-tokenコーパスにおける事前学習の制御実験により,コードが推論を改善するという主張を再考する。 コードはプログラミング能力を大幅に改善するが、一般的な推論エンハンサーとして機能しない。 コード-テキストと数学-テキストの混合のようなドメイン間構造的推論トレースがよりうまく説明されている。
  論文  参考訳（メタデータ） (2026-05-19T12:37:01Z)
• Methods for Formal Verification of Agent Skills: Three Layers Toward a Mechanically Checkable Capability-Containment Proof [0.0]
  LLM駆動のランタイムによってどのようにスキルが消費されるかに忠実なスキル行動に関する正確なセマンティクスを提供します。 本稿では,定式化や定式化によるスキル向上を両立させる構成可能な3つの手法を提案する。 これら3つのメソッドに加えて、バンドルプロデューサと再チェッカーは、オープンソースエンクロードフレームワークのゼロ依存JavaScriptモジュールとして出荷される。
  論文  参考訳（メタデータ） (2026-05-09T19:27:38Z)
• Grokers: Bottom-Up Inductive Comprehension and Write-Time Intelligence over Typed Knowledge Graphs [0.0]
  Grokersは、型付き知識グラフの永続的で構造化された理解を構築するためのアーキテクチャである。 自律的なGrokerエージェントは、型付きストリームグラフのノードを分析し、制御された言語モデル呼び出しを通じて構造化属性を抽出する。
  論文  参考訳（メタデータ） (2026-05-07T17:28:36Z)
• The Khipu Problem: Institutional Legibility Under Distributed Cognition [0.0]
  本稿では,分散AIにおけるkhipu問題について紹介する。 ログ、トレース、モデルバージョン、ツールコール、アウトプット、承認アーティファクトは引き続き利用可能であり、一方の一貫性のある認知エピソードの一部としてそれらを読む能力は失われる。 この失敗は、通常の可観測性の欠如よりも解釈的連続性の欠如として理解されていると我々は主張する。
  論文  参考訳（メタデータ） (2026-05-06T16:51:52Z)
• Scaling Human-AI Coding Collaboration Requires a Governable Consensus Layer [22.42181408084751]
  ビブコーディングは正確で実行可能なコードを高速に生成するが、構造的なコミットメントや依存関係、証拠の記録は残っていない。 本稿では,操作可能な世界モデルであるコンセンサス層Cが,エンジニアリングの主要な成果物としてコードを置き換えるパラダイムであるエージェント・コンセンサスを提案する。 本稿では,チャットによるベースラインと比較して,コンセンサスに基づく人間の介入を減らすかどうかを測定するためのベンチマークタスクファミリーを提案する。
  論文  参考訳（メタデータ） (2026-04-20T06:53:32Z)
• Compile to Compress: Boosting Formal Theorem Provers by Compiler Outputs [48.390500145598544]
  大型言語モデル (LLM) は形式定理の証明において大きな可能性を証明している。 我々は形式的検証において情報的構造を利用する: コンパイラが多様な証明の試みの広大な空間をマッピングする観察である。 我々は,この圧縮を利用して効率的な学習と証明探索を行う,学習と再定義のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-13T01:33:20Z)
• 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)
• LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers [60.009969929857704]
  論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。 本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。 我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
  論文  参考訳（メタデータ） (2023-10-23T17:58:40Z)

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。