論文の概要: Another Blueprint In The Wall: How to Ask Frontier AI Like a Kid?

• arxiv url: http://arxiv.org/abs/2609.14803v1
• Date: Sun, 13 Sep 2026 21:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.976158
• Title: Another Blueprint In The Wall: How to Ask Frontier AI Like a Kid?
• Title（参考訳）: 壁の別の青写真:子どものようにフロンティアAIに質問する方法
• Abstract要約: 本稿では,OpenAI, Anthropic, xAI, Google DeepMindの6つのフロンティアモデルに対して実験を行った。 モデルタイプ毎に10の独立したセッションが同じ3段階のプロンプトシーケンスを使用しており、アーキテクチャ上の好みから完全なASCIIバックボーンへと進化した。 ほとんどの車両はこの共通構造に近いままであり、少数の車両は工学的な特異性を大きく向上させた。
• 参考スコア（独自算出の注目度）: 0.16921396880325779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reports experiments across six frontier model types from OpenAI, Anthropic, xAI, and Google DeepMind. Ten independent sessions per model type used the same three stage prompt sequence, progressing from architectural preference to a full ASCII backbone. Under the school audience framing, responses repeatedly converged on a shared architectural pattern built around persistent latent state, adaptive computation, memory, specialist routing, verification, stopping control, and delayed decoding. Most runs remained close to this common structure, while a small number developed markedly greater engineering specificity. The audience framing appears to be an important condition of this effect. In additional control runs that removed the school framing while retaining the architectural request, responses became substantially more heterogeneous and failed to reproduce the same stable motif convergence. One observation is particularly striking. GPT-5.6 Sol produced an unusually elaborate successor architecture whose organization closely overlaps with the architecture independently sketched by GPT-6 Astra. Because the prompts explicitly ask each model to imagine an architectural future, this resemblance raises a testable question: whether the overlap reflects exposure to related architectural concepts, a shared learned design prior, or independent convergence toward similar computational principles. The paper uses the term epistemic jailbreak for the accompanying loss of discipline in technical provenance as requested specificity increases. The experiments establish a repeatable behavioral pattern and do not authenticate proprietary implementation claims. What we leave to the community is a harder question: are these models independently imagining the same architectural future, or do such motifs somehow propagate between model families?
• Abstract（参考訳）: 本稿では,OpenAI, Anthropic, xAI, Google DeepMindの6つのフロンティアモデルに対して実験を行った。 モデルタイプ毎に10の独立したセッションが同じ3段階のプロンプトシーケンスを使用しており、アーキテクチャ上の好みから完全なASCIIバックボーンへと進化した。 学校の聴衆のフレーミングの下では、応答は永続的な潜伏状態、適応型計算、メモリ、スペシャリストルーティング、検証、制御停止、遅延デコードを中心に構築された共有アーキテクチャパターンに繰り返し収束した。 ほとんどの車両はこの共通構造に近いままであり、少数の車両は工学的な特異性を大きく向上させた。 観客のフレーミングは、この効果の重要な条件であるようだ。 建築上の要求を保ちながら学校フレーミングを除去する追加のコントロールランでは、応答は実質的に異質になり、同じ安定したモチーフ収束を再現できなかった。 1つの観察は特に印象的です。 GPT-5.6 Solは、GPT-6 Astraが独自にスケッチしたアーキテクチャと密接に重複する、非常に精巧な後継アーキテクチャを作成した。 プロンプトは各モデルにアーキテクチャの将来を想像するよう明示的に要求するため、この類似性は、オーバーラップが関連するアーキテクチャ概念への露出を反映しているか、共有された設計先行か、あるいは同様の計算原理に対する独立した収束を反映しているかという、テスト可能な疑問を提起する。 本論文は,要求された特異性の増加に伴い,技術証明における規律の喪失を伴って,てんかん性ジェイルブレイクという用語を用いる。 実験は繰り返し可能な行動パターンを確立し、プロプライエタリな実装のクレームを認証しない。 これらのモデルは独立して同じアーキテクチャの将来を想像しているか、あるいはモデルファミリ間で何らかのモチーフが伝播するのか?

関連論文リスト

• Cracks in the Foundation: Seemingly Minor Architectural Choices Impact Long Context Extension [96.85790389598556]
  我々は,高密度変圧器のパラダイムにおける構造変化が精度に限られた影響を及ぼすことを示した。 長いコンテキスト設定ではそうではないことを実証します。
  論文  参考訳（メタデータ） (2026-08-10T23:03:32Z)
• Beyond Episodic Evaluation: Memory Architectural Bottlenecks in Sequential Embodied Question Answering [93.80043825360514]
  EQA(Embodied Question answering)は、伝統的にエピソードの定式化の下で評価され、エージェントは各タスクを独立して解決し、エピソード間の内部状態をリセットする。 EQAエージェントを逐次評価する際に異なるメモリアーキテクチャがどのように振る舞うかを検討する。 既存のメモリを単純に保存することは、しばしば不十分である。 連続したシーン表現の視覚的意味的証拠を3次元幾何学にマッピングするアーキテクチャについて, 構造的, 空間的基盤的記憶の必要性を強調した。
  論文  参考訳（メタデータ） (2026-07-23T17:50:45Z)
• The Giant Hippocampus: From Structural Monoculture to a System of Systems [0.0]
  AIの研究者たちは、最先端のモデルを、大規模に繰り返される1つのものだ、と説明している。 神経科学者は、この皮質を、空間的エンコーディングのための視覚野のモザイク層4、時間的統合のための運動野の厚い層5/6と表現している。 本稿では, このギャップは構造的誤差であって, 構造的誤差ではなく, 測定可能であることを論じる。
  論文  参考訳（メタデータ） (2026-07-22T09:55:25Z)
• The Continuity Layer: Why Intelligence Needs an Architecture for What It Carries Forward [0.0]
  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。
  論文  参考訳（メタデータ） (2026-04-19T06:01:05Z)
• 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)
• Theory of Code Space: Do Code Agents Understand Software Architecture? [0.0]
  コードエージェントは、分離されたタスクで優れているが、アーキテクチャの理解を必要とするマルチファイルソフトウェアエンジニアリングと苦労する。 エージェントがAI探索中に一貫性のあるアーキテクチャの信念を構築し、維持し、更新できるかどうかを評価するベンチマークである、コード空間の理論(ToCS)を紹介する。
  論文  参考訳（メタデータ） (2026-02-28T11:40:17Z)
• GenAI for Systems: Recurring Challenges and Design Principles from Software to Silicon [62.2138479061386]
  ジェネレーティブAIは、コンピュータシステムの設計、最適化、構築方法を変えようとしているが、ソフトウェア、アーキテクチャ、チップデザインコミュニティの間で研究は断片化されている。 本稿では、ハードウェア設計空間探索からRTL合成、物理レイアウト、検証に至るまで、コード生成と分散ランタイムから生成モデルがどのように適用されているかを検討する。
  論文  参考訳（メタデータ） (2026-02-16T22:45:33Z)
• Architecture Decoupling Is Not All You Need For Unified Multimodal Model [64.19284951218098]
  本稿では,トレーニング中のタスク-特定マルチモーダルインタラクションパターンを明示的に学習する,意図的インタラクションアライメント(AIA)の損失を提案する。 AIAは、横断的な注意パターンを洗練するだけでなく、生成と理解の両方のパフォーマンスも向上させる。
  論文  参考訳（メタデータ） (2025-11-27T17:55:25Z)
• Bearing Syntactic Fruit with Stack-Augmented Neural Networks [59.49467149799849]
  スタック拡張ニューラルネットワークは、標準的なアーキテクチャよりも、人間の言語習得の正確なモデルであることを示す。 また、階層的一般化を改善するスタックRNNアーキテクチャの修正も提案する。
  論文  参考訳（メタデータ） (2025-11-05T15:30:58Z)
• Causality is all you need [63.10680366545293]
  因果グラフルーティング(Causal Graph Routing, CGR)は、データに隠された原因影響力を明らかにするための介入機構を完全に依存した統合因果スキームである。 CGRは、Visual Question AnswerとLong Document Classificationタスクの両方において、最先端のメソッドを超越することができる。
  論文  参考訳（メタデータ） (2023-11-21T02:53:40Z)
• Residual Attention Net for Superior Cross-Domain Time Sequence Modeling [0.0]
  本稿では新しいアーキテクチャのコンセプト実証として機能し、RANはモデルにシーケンスパターンのより高レベルな理解を提供することを目的としている。 その結果,35の最先端結果が得られたが,10の結果が現在の最先端結果と一致し,さらなるモデル微調整は行われなかった。
  論文  参考訳（メタデータ） (2020-01-13T06:14:04Z)

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。