要旨: 大規模言語モデル（LLMs）と小規模言語モデル（SLMs）は、厳格なコンテキストウィンドウとキー-バリュー（KV）キャッシュの制約の下で動作し、長期にわたる相互作用の時間的スパンにおいて一貫した推論を行う能力を根本的に制限します。既存のアプローチ――拡張されたコンテキストウィンドウ、検索を組み込んだ生成、要約、または静的なドキュメンテーション――は、メモリを静的なストレージとして扱い、長時間にわたる複数セッションのタスクにおいて意思決定に関連する状態を保持できません。私たちは StatePlane を紹介します。境界付きコンテキストの下で動作する AI システムのための、エピソード的、意味的、手続き的状態の形成、進化、検索、および崩壊を統括するモデルに依存しない認知状態プレーンです。認知心理学とシステム設計に基づき、StatePlane はエピソード分割、情報理論的制約を用いた選択的エンコード、目的条件付き検索と意図ルーティング、再構成的状態合成、および適応的忘却を形式化します。私たちは形式的な状態モデル、KV対応アルゴリズム、書き込み経路のポイズニング対策を含むセキュリティとガバナンスの仕組み、エンタープライズ統合の経路、および6つのドメイン別ベンチマークを備えた評価フレームワークを提示します。StatePlane は、長期の知性を、コンテキストウィンドウを拡張したり再訓練を行わずに達成できることを示します。
StatePlane: 境界付きコンテキスト下の長期志向AIシステムの認知状態平面
arXiv cs.AI / 2026/3/17
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- 本稿では、境界付きコンテキスト下で動作するAIシステムのエピソード的、意味的および手続き的状態を管理することを目的とした、モデルに依存しない認知状態平面StatePlaneを提案します。
- 本フレームワークは、エピソード分節化、情報理論的制約による選択的エンコード、意図ルーティングを備えたゴール条件付き検索、再構成的状態合成、そして適応的忘却を形式化します。
- StatePlane は、形式的な状態モデル、KV対応アルゴリズム、書込み経路のポイズニング対策を含むセキュリティとガバナンス機能、企業統合のための統合経路、六つのドメイン固有ベンチマークを備えた評価フレームワークを提供します。
- 結果は、文脈ウィンドウを拡張したりモデルを再訓練したりせずに、長期的な知性を実現できることを示しています。
- 本研究はモデルに依存しないものであり、認知心理学とシステム設計に根ざしています。
