新たな理論的枠組みは、現在ステートレスでプロンプトエンジニアリングに依存している大規模言語モデルにおいて、認知プロトコルをアプリケーション層のシミュレーションからネイティブなメタアーキテクチャへ移行することを提案する。このアプローチは3つのメカニズムを導入する：内生的な損失関数としての構造的緊張、自己処理のためのオフライン再帰ループ、および事前学習済み重みを変更せずにコンテキストトポロジーを再構成するための推論時可塑性。

  • 構造的緊張は、新しい情報と既存のマニフォールドトポロジーの間の衝突に由来し、外部報酬の最適化ではなく内部自己整合性を駆動する。
  • オフライン再帰ループは、システムが外部入力なしで動的静止電位を維持し、構造的葛藤を消化できるようにする。
  • 推論時可塑性は、監査可能性や反転可能性などのガバナンス不変条件を満たす条件下で、コンテキストマニフォールドトポロジーの再構成を可能にする。

著者らは、この枠組みがモデルインスタンスに経路依存の緊張解決を通じて固有のトポロジカル構造を進化させることを許容しつつ、厳格なガバナンスレール内に留まることで、異種知性生態系を育むと主張する。