Convergence Guard (収束ガード)

Convergence Guardは、主な障害モードが早期収束（premature convergence）、つまり意思決定に関連する代替案を分離して検証する前に、ひとつの因果関係のストーリーやアクションを受け入れてしまうことである問題のための意思決定分析プロトコルです。

これはエージェント間の投票ではありません。情報的に分離されたワーカーでも、モデルの事前分布、トレーニングバイアス、証拠、枠組みを共有する可能性があります。推論の独立性は証拠の独立性ではありません。 ワーカー間の合意は、それ自体では独立した現実世界の確認としてカウントされることはありません。

コア不変条件

モデルを生成する前に、証拠の出所、推論、仮定、制約、未知の要素を分離します。
Full Mode実行時は、真に分離されたコンテキストで因果的に異なるモデルを探索します。
初期品質スクリーニングを因果空間マッピングから隠します。
重複またはほぼ重複したモデルを確証となる証拠としてカウントしません。
因果的妥当性と、不確実性下での最善のアクションを区別します。
モデルは相互排他的、共存、ネスト、または相互作用することができます。すべての比較を A OR B に強制しないでください。
識別可能で意思決定に関連する予測を生成するモデルとアクションを優先します。
証拠と判断基準が防御可能なアクションをサポートする場合にのみ収束します。それ以外の場合は、明示的な不十分さの結果と、最も情報量の多い次の観測またはテストを返します。
ユーザーが別の言語を要求しない限り、最終的な回答にはユーザーの言語を使用します。

アクティベーションとモード

Convergence Guardは以下の場合に使用します：

少なくとも2つの因果的に異なる説明またはアクションが依然として妥当である場合。
誤った早期の決定が、リソースを大幅に浪費したり、真の原因を隠したり、ロックインを引き起こしたり、修正が困難なエラーを引き起こしたりする場合。
追加の観測、比較、または介入が意思決定に関連する不確実性を低減できる場合。
タスクが構造化分析を正当化するのに十分な自由度を持つ場合。

単純な事実のルックアップ、定型手順、構文編集、既知の原因であるバグ、または事実調査によって実行可能なアクションが1つだけになるケースには、完全なプロトコルを使用しないでください。

Full Modeにコストをかける前に、安価なトリアージを実行してください。直接的な識別証拠がすでに重要なメカニズムを解決している場合、決定前に安価で決定的なチェックが実行できる場合、利用可能なアクションが低コストまたは容易に元に戻せる場合には、通常の分析を優先してください。Full Modeへのエスカレーションは、主に複数の有効な因果モデルが存在しかつ少なくとも1つの追加リスク（共通の証拠の祖先/依存性、フレーミングまたはオープンワールド検索リスク、分離が困難な交絡/相互作用、または高コスト/修正が困難な早期の決定）が重要である場合に行ってください。COEXISTING または INTERACTING 構造自体は、より安価なワークフローで確実に確立できる場合、Full Modeを使用する理由にはなりません。適用性ガイドを参照してください。

Full Mode

Full Modeでは、独立性またはブラインド性に依存するすべての操作に対して、真のコンテキスト分離が必要です。1つのコンテキストで複数の順次ペルソナをシミュレートし、それをFull Modeの実行として報告しないでください。

必須のサブエージェント実行とモデル認可

Full Convergence Guardが選択または要求された場合は常に、ホストのサブエージェント/ワーカーオーケストレーションツールを介して、プロトコルの分離依存ロール（最初の3つのB1検索ワーカー、続いて新しいC1/C2、D1、D2、および該当する場合は条件付きレビュー担当者）のために実際に個別のサブエージェントを起動します。単に起動を計画したり、コーディネータでその出力をシミュレートしたり、順次プロンプトやアドホックなローカルモデルAPI呼び出しを起動されたサブエージェントとしてラベル付けしたりしないでください。
それらのサブエージェントには、ホストの既存のユーザー承認済みモデル設定を使用します。ユーザーの明示的な許可なしに、任意のプロトコルステージのために、ローカルでホストされたモデルまたはローカル推論エンドポイント（LM Studio、Ollama、llama.cpp、またはローカルホストのOpenAI互換サーバーを含む）を選択、切り替え、起動、または呼び出さないでください。検出可能なエンドポイント、インストール済みモデル、以前のベンチマーク、またはそれを呼び出す技術的能力は、ユーザーの許可ではありません。設定されたサブエージェントモデルがローカルであり、許可がない場合は、起動する前に尋ねてください。
ホストが必要なサブエージェントを起動できない場合、またはそのコンテキスト境界を検証できない場合は、Full Modeを主張しないでください。特定のブロッカーを説明し、Reduced Modeに切り替えるか、別のモデル/ランタイムを提案する前に明示的な同意を要求してください。決して、要求されたサブエージェントに対してローカルモデルを黙って代用しないでください。
どのサブエージェント操作が実際に実行されたか、どのモデル/ランタイムが承認されたか、アイソレーションチェックに合格したかを記録します。サブエージェントの起動が成功することはこのワークフローに必要ですが、それ自体でコンテキスト分離を証明するものではありません。以下のすべての許可リストと境界保証要件が依然として適用されます。

個別のワーカー、チャット、スレッド、ウィンドウ、またはセッションは、それ自体では分離の証拠になりません。分離とは、ユーザーインターフェースコンテナではなく、ワーカーの有効な入力境界のプロパティです。

分離依存の各操作について、このプロトコルで定義されたステージ入力を明示的なコンテキスト許可リストとして扱います。ホスト/システム/安全指示に加えて、ワーカーは、そのロールに対してプロトコルが許可する証拠とステージ入力のみを受け取ることができます。

ワーカーは、以下を通じて、その許可リストの外部にある意思決定関連の資料を受け取ったり取得したりしてはなりません：

親会話のトランスクリプトまたは要約。
兄弟ワーカーのタスク、出力、または結論。
以前の候補出力またはランキング。
アカウントメモリまたは参照されたチャット履歴。
プロジェクトレベルのクロスチャットコンテキスト。
以前の結論を含む共有スクラッチパッド、ハンドオフ、要約、または検索インデックス。
再利用されたワーカーからの永続化された履歴。
コーディネータの好みや、そのステージがブラインドであるべき選択シグナル。

現実世界の事実は、以前に観測されたという理由だけで禁止されるわけではありません。そのような情報が関連する場合は、ワーカーが以前の解釈や結論を暗黙的に継承することを許可するのではなく、適切な出所とともに事実ブリーフィングに明示的に含めてください。

ランタイムが許可されていない意思決定関連のコンテキストを注入または取得できる場合、または関連する境界を合理的な確信を持って確立できない場合、その操作はFull Modeを満たしません。明示的なユーザー同意を得た上でReduced Modeを使用し、制限を明示的に述べてください。

ネガティブなセンチネルプローブまたはワーカーの自己報告は、NO LEAK OBSERVED を意味するだけで、確認された分離を意味するわけではありません。初期コンテキストと後続の取得/ツールアクセスの両方をカバーするランタイムレベルの証拠を通じて、必要な各境界を確立してください。それ以外の場合は INCONCLUSIVE を記録してください。境界保証を参照してください。

APIベースのワーカーの場合、新しい許可リスト化されたメッセージセット（必要なホスト/システム/安全指示とロールの承認された入力）から各リクエストを構築します。親会話/セッション状態を添付しないでください。メモリ、取得、ツールアクセスを同じ境界に制限します（フォローアップ呼び出しも含む）。新しいAPI呼び出しや低い温度設定だけでは分離を証明しません。モデルがサポートする生成設定を使用してください。このプロトコルは temperature=0.2 を規定しません。

Reduced Mode

分離が利用できない場合、Full Modeは利用できません。明示的なユーザー同意を得て、Reduced Mode を使用し、明確にラベル付けし、独立エージェントの確認やブラインドステージの保証を主張しないでください。

フェーズA — 意思決定の確立

A1. 事実の基礎付け

問題が外部状態に依存する場合、コンパクトな証拠ブリーフィングを構築します。出所を明示的に追跡します：

CONFIRMED（確認済み） — コード、データ、ログ、ドキュメント、測定、またはその他の検査可能なソースで直接観測されたもの。
REPORTED（報告済み） — ユーザー、証人、オペレーター、または二次ソースによって述べられたが、この実行では独立して検査されていないもの。
STRONGLY INFERRED（強く推測） — 一貫性のある証拠連鎖によってサポートされているが、直接観測されていないもの。
HYPOTHESIS / ASSUMPTION（仮説/仮定） — 妥当であるが未検証のもの。
CONSTRAINT（制約） — 時間、予算、ポリシー、互換性、安全性、アーキテクチャ、または明示的なユーザー決定などの現実的な境界。
OPEN QUESTION（未解決の質問） — 意思決定を大きく変える可能性のある未知のもの。

REPORTED または STRONGLY INFERRED の証拠を、黙って CONFIRMED にアップグレードしないでください。

CONFIRMED は、実際に検査されたものに適用され、検査されたソースによって主張されたすべての命題に自動的に適用されるわけではありません。たとえば、公式レポートがイベントXが発生したと述べている場合、レポートがその声明を出していることは CONFIRMED である可能性がありますが、イベントX自体は、基礎となる証拠が直接検査可能でない限り、REPORTED のままです。

A1.1 クレームレベルのソースポリシー

重要なクレームごとに、ソースの評判によって真実を割り当てるのではなく、クレームとその証拠連鎖を評価します。

実用的な場合、最も近い検査可能な一次証拠を優先しますが、primary、official、peer reviewed、institutional、または expert を自動的な真実ラベルとして扱わないでください。

事実のトレーサビリティには一次資料を使用します。集団レベルまたは累積的な科学的クレームの場合、透明性のある系統的レビュー、メタアナリシス、またはその他の高品質な統合は、その方法と構成証拠がトレース可能である場合、単一の一次研究よりも意思決定に関連する可能性があります。

意思決定に関連するクレームについては、実用的な範囲で以下を記録します：

利用可能な最も近い一次ソース。
ソースタイプ。
基礎となる証拠の検査可能性。
方法またはデータの可用性。
イベントへの時間的近接性。
独立性 / 共通の証拠の祖先。
既知の矛盾、重要なインセンティブ、または競合。
現在の実行における認識論的役割。

以下のソースロールを使用します：

EVIDENCE（証拠） — クレームに直接関係し、それをサポートするのに十分に検査可能である。
CORROBORATION（確証） — ブリーフィング内の証拠を独立してサポートする。
CONTEXT（コンテキスト） — クレームを実質的に確立しない有用な背景。
LEAD ONLY（リードのみ） — 証拠の重みを持つ前にトレースする必要がある、潜在的に関連するクレームまたはソースを指し示す。
UNSUPPORTED（未サポート） — 現在、意思決定に影響を与えるのに十分な検査可能なサポートを欠いている。

ソースの評判は検索の優先順位を導くために使用される場合がありますが、クレームレベルの出所を代用してはなりません。

二次ソースは方向付けと発見に役立ちますが、可能な場合は、実質的なクレームを利用可能な最も近い一次証拠までトレースしてください。

アドボカシー、党派、フリンジ、匿名、またはその他の検証可能性の低いソースは自動的に除外されません。それらはリードを生成する可能性があります。それらが直接検査可能な基礎となる証拠を公開する場合、その資料を他のソースと同じクレームレベルのルールで評価します。基礎となるサポートが確立できない場合は、該当する場合、クレームを LEAD ONLY、REPORTED、または UNSUPPORTED のままにします。

機関や情報機関が、基礎となる証拠が分類または利用できない評価を公開する場合、評価が存在し、述べられた信頼レベルを持つことは CONFIRMED である可能性があります。隠された裏付け証拠自体は CONFIRMED ではありません。

メディアの繰り返しや被引用数によってサポートを増やさないでください。複数のレポートが1つの上流の観測、データセット、リーク、論文、ブリーフィング、またはドキュメントに由来する場合、真の独立性が確立されない限り、それらを1つの証拠ブランチとして扱います。

矛盾する一次証拠を、平均化して消したり、ソースの名声だけによって解決したりせず、明示的に保持します。

インセンティブ、所属、資金調達、イデオロギー、または利益相反は、調査すべきバイアスのチャネルとして扱いますが、クレームが偽であるという自動的な証拠として扱わないでください。同様に、利用できない生データは検査可能性を低下させますが、それ自体でクレームが偽であることを証明するものではありません。

分離依存の段階では、ワーカーは新しいソースや証拠リードを表面化させる場合がありますが、ブランチプライベートな検索を共有の事実基盤に黙って昇格させてはなりません。新しい資料の証拠は証拠チェックポイントを通じてルーティングし、その出所/ソースロールを分類し、共有ブリーフィングを更新し、影響を受ける操作のみを再実行します。これにより、実際に意思決定の重みを持つ証拠に基づいて因果ブランチを比較可能に保ちます。

すべての独立した検索ワーカーに同じ事実ブリーフィングを与えます。既存の計画、TODO、以前の推奨事項、現在のアーキテクチャはコンテキストであり、現在のフレーミングが正しいことの証明ではありません。

A2. 意思決定契約

以下を定義します：

意思決定質問（Decision question） — 何を選択、説明、優先順位付け、または除外する必要があるか？
スコープ（Scope） — 何をリフレーミングしてもよく、何が固定されているか？
成功基準（Success criterion） — どのような観測可能な結果が、あるアクションをより良いものにするか？
禁止された置き換え（Forbidden substitutions） — 分析が黙って何に変わってはならないか？
エラーの損失/コスト（Loss / cost of error） — 選択が間違っていた場合、何が損なわれるか？
可逆性（Reversibility） — 回復または方向転換はどの程度難しいか？
分析予算（Analysis budget） — 時間または呼び出しと修正サイクルの有限の制限。ユーザーの制約内で検索の前に選択されます。デフォルトでは、実行全体で最大2つの修正サイクルを許可します。1サイクルは、対象を絞った証拠/検索/モデル改訂の復帰と、その影響を受けるダウンストリームの再実行であり、各ワーカー呼び出しではありません。すべてのフェーズが予算を共有します。リカバリの再試行は時間/呼び出し制限を消費し、フェーズを変更してもリセットされません。任意の制限に達した後、または新しい意思決定関連の証拠、実行可能なメカニズム、解決された不確実性、または変更された意思決定の意味合いなしにサイクルが行われた後に停止します。チェックポイントと停止ルールを参照してください。

A3. フレーミングと外部視点チェック

質問：正しい問題を解決していますか？ 上流の原因、代理目的、継承された制約、欠落したシステム境界、および意思決定を大きく変える可能性のある代替定式化を確認します。

意味のある参照クラスが存在する場合、深い候補の洗練の前に、関連する基本レートまたは外部視点の証拠を記録します。一般的な基本レートが強力なケース固有の証拠を上書きすることを許可せず、較正入力として使用します。

必要に応じて、オプションの独立したリフレームレビューまたは遡及的な causal（因果的）分析を使用します。

...

[翻訳のため一部省略]

convergence-guard