2026年01月15日
## 要約：
本研究では、３つの異種LLMを連携させたトライエージェント監査フレームワークを開発し、マルチLLMシステムの安定性と説明可能性を分析しました。このフレームワークは、知識を相互に修正・洗練する再帰的知識合成(RKS)を促進し、実際の環境での安定性と安全性に関する初期的な実証的な証拠を提供します。固定点理論に基づいた形式的なRKSモデルを提案し、その有効性を評価しました。
---
## 翻訳：
この論文は、マルチモデル大規模言語システムにおける安定性と説明可能性を分析するためのトライエージェントクロス検証フレームワークを提示します。アーキテクチャは、意味生成、分析的整合性チェック、透明性監査に使用される３つの異種LLMを、再帰的な相互作用サイクルに統合しています。この設計は再帰的知識合成（RKS）を誘導し、中間表現は、単一モデルの動作には還元できない相互に制約する変換を通じて継続的に洗練されます。2025年10月のパブリックアクセスLLM展開を使用した47回の制御されたトライアル全体で、Reflex Reliability Score (RRS)、Transparency Score (TS)、Deviation Detection Rate (DDR)、Correction Success Rate (CSR)という４つの指標でシステム安定性を評価しました。システムは平均RRS = 0.78+-0.06を達成し、約68%のトライアルでTS >= 0.8を維持しました。約89%のトライアルは収束し、透明性監査が複合検証マッピング内の収縮演算子として機能するという理論的予測を支持しました。貢献は３つあります。(1) 異種LLMにわたる調整された推論のための構造化されたトライエージェントフレームワーク、(2) 固定点理論に基づいた形式的なRKSモデル、(3) 実際の、非APIパブリックアクセス条件におけるモデル間安定性の実証的評価。これらの結果は、安全性を維持し、人間が監督するマルチLLMアーキテクチャが、現実世界の、公開されている環境で安定した再帰的知識合成を達成できるという初期的な実証的な証拠を提供します。
[📰 原文はこちら](https://arxiv.org/abs/2601.08839)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
