ADEMA：LLMエージェントによる長期的な知識合成のための知識状態オーケストレーション・アーキテクチャ

要旨: 長期視野のLLMタスクは、単一の答えが到達不能であるからではなく、ラウンドをまたいで知識状態がドリフトし、途中のコミットメントが暗黙のままであり、中断によって発展する証拠の連鎖が断ち切られるために失敗することが多い。本論文は、汎用的なマルチエージェント実行基盤としてではなく、長期視野の知識統合作業のための知識状態オーケストレーション・アーキテクチャとしてADEMAを提示する。このアーキテクチャは、明示的な認識論的台帳（epistemic bookkeeping）、異種の二重評価者による統治、適応的なタスクモード切替、評判に基づく資源配分、チェックポイント兼リジューム可能な永続性、セグメント単位でのメモリ圧縮、アーティファクト優先の組み立て、そして安全なフォールバック付きの最終妥当性検証を組み合わせる。証拠はすべて既存の資料から得られる：4つのシナリオを示すショーケース・パッケージ、固定された60回実行メカニズム行列、対象を絞ったマイクロアブレーションおよびアーティファクト連鎖の補足、ならびにコード指向の評価が最も品質に敏感なメカニズム・ブロックであることが明確な、修復されたプロトコルレベルのベンチマークである。固定された行列全体において、チェックポイント／リジュームを取り除いたことが唯一の無効な実行を生み出し、しかも中断に敏感なリジューム条件でそれが起きた。これに対して、二重評価、セグメント合成、動的な統治は、完了のための普遍的な二値の前提条件としてではなく、軌跡の規律を形作り、明示的なアーティファクトの進行を促し、コストと品質の挙動を調整する支援的な制御メカニズムとして解釈するのが最善である。したがって本貢献は、明示的な認識論的状態遷移、証拠を伴うアーティファクト進行、そして回復可能な継続性を主要な設計上のコミットメントとする知識状態オーケストレーション・アーキテクチャである。