DamNesia – 16次元状態空間AIキャラクターフレームワーク（.NET 10、0-GC）

DamNesiaは、従来のプロンプトベースの人格シミュレーション手法を排除し、16次元の状態空間を使用してキャラクターの動作を正確にモデル化し駆動する革新的なAIキャラクターフレームワークです。このフレームワークは.NET 10上に構築され、ゼロガベージコレクション（0-GC）の高性能目標を達成しており、ゲーム、仮想アシスタント、対話型ストーリーテリングに安定した一貫性のある長期的に信頼できるAIキャラクターを提供することを目的としています。

哲学からエンジニアリングへ

フレームワークの核心理念は、大きな言語モデル（LLM）がコンテキスト内の対話では優れているものの、長期的で安定した人格状態システムとして動作するようには設計されていないという深い観察に由来します。相互作用が長引くにつれて、キャラクターはドリフトし、自身の確立された行動ルールに矛盾し、履歴記憶の維持コストが拡大するコンテキストウィンドウ内で法外に高くなります。DamNesiaの創設者は、これは単なるプロンプトエンジニアリングの問題ではなく、根本的な状態管理の問題であると考えています。

この課題に対処するため、DamNesiaは3層のインフラストラクチャアーキテクチャを導入しています：

• コミュニティ版（Pes.Community）：研究と実験向け。原始的な単一値変数を置き換えるオープンソースの16次元状態アーキテクチャを提供します。クリーンな状態レジストリと基本的なテレメトリスナップショットマッピングエンドポイントを公開し、MITライセンスの下でグローバルにオープンソース化されています。
• ランタイム版（Pes.Runtime）：プロダクションとスタジオ向け。トポロジカルマトリックス共鳴エンジンとメモリエコロジーパイプラインが含まれています。前者は流動的な行動傾向を高性能な4x4構造マトリックスにコンパイルし、変数状態を決定論的に共鳴または消散させます。後者は揮発性の会話コンテキストを永続的なセマンティックシードに自動的に圧縮し、アクティブなLLM推論依存を最小限に抑え、プロダクションサーバーのトークンオーバーヘッドを削減します。
• エンタープライズ版（Pes.Enterprise）：インフラストラクチャ、数百万の同時エージェント、次世代AIを構築する企業向け。厳格なユークリッド境界球と接線偏向クランプを介して、敵対的なプロンプトインジェクション攻撃を数学的に中和する決定論的感情制約を導入します。さらに、ランタイムの管理辞書割り当てを128バイトのL1/L2 CPUキャッシュラインに直接整列された非管理フラットプリミティブ構成に置き換え、サブナノ秒スケールのスループットしきい値で構造スイープを実行します。

哲学からコードへ

フレームワークのソリューション構造は、厳密な物理的依存関係の分離境界によって隔離されています：PES.sln には Pes.Abstractions（コントラクトとインターフェース）、Pes.Community（データモデル層）、Pes.Runtime（物理ダイナミクス層）、Pes.Enterprise（ハードウェア最適化層）が含まれます。コード例は、コミュニティ版レジストリを使用して16次元特徴マップを初期化し、状態を変更してスナップショットをキャプチャする方法を示しています。

プロダクションベンチマーク

DamNesiaは印象的なベンチマーク結果を提供しています。12世代Intel Core i5-12400プロセッサと.NET 10ランタイムを使用したテスト環境では、エンタープライズ版エンジンが優れたパフォーマンスを示しました：

• 10,000の同時エージェントを処理する平均時間は46.28マイクロ秒で、メモリ割り当てはゼロです。
• 1,000,000の同時エージェントを処理する平均時間は26.09ミリ秒で、こちらもメモリ割り当てはゼロです。

これらの結果は、エンタープライズ版が純粋なゼロGCフットプリント、決定論的なO(1)時間境界、および巨大なAAAインフラストラクチャ容量を実現していることを示しています。単一エージェントトランザクション更新の平均ループ速度は約26.09ナノ秒です。

商用ライセンス

DamNesiaはマルチティアライセンスモデルを採用しています。コミュニティ版はMITライセンスの下でオープンソースです。ランタイム版とエンタープライズ版は商用ライセンスが必要であり、完全なマトリックス共鳴エンジン、ゼロGCハードウェアアライメント、および高並列マトリックス拡張機能へのアクセスを提供します。

全体として、DamNesiaはAIキャラクター構築に対する根本的に異なるアプローチを表しています。不安定なプロンプトエンジニアリングを決定論的な構造数学に置き換え、長期にわたって安定した信頼性の高いAIキャラクターを必要とするアプリケーションに強力な新しいツールを提供します。