確率的ML述語の衝突回避ポリシー言語：Semantic Router DSLを用いたフレームワークとケーススタディ

arXiv cs.LG / 2026/3/20

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

信号が確率的な機械学習述語である場合のポリシー言語における衝突について、三段階の決定可能性フレームワークを導入し、明確な衝突はSATで決定可能であること、埋め込み衝突が球面幾何に関連すること、分類器衝突は分布知識がないと決定不能であることを示す。
埋め込み衝突を実務上の支配的な問題として特定し、再訓練なしで同時発火を防ぐために、温度スケーリングされたソフトマックスを用いて埋め込み空間をボロノイ領域に分割することを提案する。
衝突検出と予防の仕組みは、LLM推論の本番運用向けルーティング語であるSemantic Router DSLに実装されており、実用性を示している。
本研究は、ルーティングを超えたセマンティックRBACおよびAPIゲートウェイポリシーへの適用性の広がりについても議論しており、分野横断的な影響の可能性を示唆している。
既存のポリシー言語は明確な述語を前提としていると論じ、このフレームワークは確率的ML駆動のルーティングにおいて衝突のない運用を可能にする。

要旨:
ポリシー言語における衝突検出は解決済みの問題である――すべてのルール条件が厳密なブール述語である限り。
BDDs、SMTソルバー、および NetKAT はすべてその仮定を利用している。
しかし、成長しているルーティングおよびアクセス制御システムのクラスは、確率的な機械学習信号に基づいて決定を下す：埋め込み類似度、ドメイン分類器、複雑さの推定値。
そのような2つの信号は、著者が互いに排他的であると意図したカテゴリとして宣言されており、同じクエリで両方が閾値をクリアしてしまい、密かに誤ったモデルへルーティングしてしまう。
この点について警告するものは、コンパイラには何もない。
本研究では問題を3層の決定可能性階層として特徴づける――厳密な衝突はSATで決定可能であり、埋め込み衝突は球面キャップの交差へと簡約され、分類器の衝突は分布知識がなければ決定不能である――そして実務上は支配的である埋め込みケースでは、独立した閾値処理を温度スケール付きソフトマックスに置換すると、埋め込み空間を共発火が不可能になるVoronoi領域へ分割する。
モデルの再訓練は不要です。
検知および防止機構を、LLM推論のための実運用ルーティング言語であるSemantic Router DSLに実装し、同じ考え方がセマンティックRBACおよびAPIゲートウェイポリシーにも適用される方法について論じる。