最近、arXivに掲載された論文「Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction」は、Magarshakアーキテクチャのインテリジェンス層であるContextを提案しています。これは、受動的なクエリ応答チャットボットを、ユーザーのプロンプトを待たずに共有タスクを進める積極的な目標指向エージェントに置き換えるものです。
アーキテクチャは3つの相互に強化するメカニズムから構成されます。第一に、書き込み時コンテキストアセンブリは、Grokerエージェントを介して型付き属性を事前計算し、インタラクションコンテキストをグラフ状態の決定論的純関数として組み立てます。コンテキストブロックはセマンティック変更間でバイト同一性を保持し、ほぼ100%のKVキャッシュ再利用を可能にします。
第二に、合成可能なサンドボックス知恵プログラムは、LM生成の命令プログラムのライブラリを形成し、型付きストリーム関係を介して目標タイプに宣言的に配線されます。これらはフェーズ順序付けによって合成され、インタラクション時にLM呼び出しなしで実行されます。
第三に、積極的目標ストリームステートマシンは、グラフ状態を検査し、オプション配列、ガバナンス機能、明確化プロンプトなどの構造化対話コンテンツを発行することで、ユーザー入力なしに対話を終了状態に導きます。
論文は6つの形式結果を証明しています：Context安定性定理（セマンティック変化率の関数としてターンあたりのLMコストを制限）、プログラム合成正確性定理、宣言的配線健全性定理、積極的優位性定理（積極的エージェントが期待されるターン数において受動的エージェントを弱く支配することを証明）、調整オーバーヘッド排除と品質保存（多参加者目標チャットにおけるパレート改善を確立）、およびクロスプラットフォーム投票一貫性定理。
これらのメカニズムは、オープンソースのQbix/Safebox/Safebotsスタックに実装されています。本論文は、Magarshak Machine / SPACERとGrokersを紹介した前2報に続くシリーズの第3報です。この研究は、人工知能システムを受動的応答から能動的協調へと移行させ、複雑なタスク調整やマルチエージェントシステムに大きな影響を与える可能性があります。