異種ディベート・エンジン：強靱なLLMベース倫理チュータリングのためのアイデンティティに基づく認知アーキテクチャ

要旨: 大規模言語モデル（LLM）は、複雑な推論タスクにおいて自律エージェントとしてますます活用されるようになっており、弁証的な対話が切り拓かれる余地が生まれている。 しかし、体系的に制約のない仕組みで実装されたマルチエージェントシステムは、意味のドリフトや論理の劣化を系統的に引き起こし、そのため、正確な答えが必要とされる倫理的チュータリングの提供にはほとんど用いることができない。 現在のシミュレーションは、しばしば弁証的な停滞へと退化する傾向があり、エージェントは再帰的な同意や循環する議論へと劣化していく。 解決すべき重大な課題は、弁証的推論に必要な生成的柔軟性を抑え込むことなく、教義（ドクトリン）の忠実性をどのように強制するかである。 このニッチに対処するため、我々は異種討論エンジン（Heterogeneous Debate Engine, HDE）を提案する。これは、教義の忠実性のためのアイデンティティに基づく検索拡張生成（Identity-Grounded Retrieval-Augmented Generation, ID-RAG）と、戦略的な対戦相手モデリングのためのヒューリスティックな心の理論（Heuristic Theory of Mind）を組み合わせた認知アーキテクチャである。 評価の結果、アーキテクチャの異種性は安定性にとって重要な変数であることが示された。 反対の教義的初期化（例：義務論 vs 功利主義）によって、学生の議論複雑度スコアは、ベースラインに比べて1桁（オーダー）大きく増加した。 これらの結果は、高忠実度（敵対的）な教育実践を維持するためのアーキテクチャ上の要件として、ID-RAGとヒューリスティックToMが有効であることを裏付ける。