LLM
Projection Engineering：AIには算術があるが、計量学がない
AIは、誰かが検証するよりも速く決定を生成できる。Projection Engineeringは、ルールが行為を承認する前に、開かれた世界のClaimを監査可能なAccepted Factへ変換する、欠けていた責任層を提供する。
ClaimからAccepted Factsのグラフへ
機械が現実世界を決定論的に判定するには、まずその世界を明示的に閉じなければならない。開いたClaimを評価し、Accepted Factsを追跡可能なグラフへ投影し、境界を凍結し、異議申し立てへの道を保存する。
真実は発見されない
開かれた世界には発見すべき真実がない — あらゆる観測が光の速さに阻まれ、出来事に届かないからだ。しかし小説・数学・法のように宣言によって閉じられた世界には真実がある。裁判は実在を法的世界へ投影する過程であり、判決はその上での演算だ。いまLLMに欠けているのは、より大きなモデルではなく、法治主義のような明示的な閉鎖手続きである。
流暢さは真実ではない
人々が自信満々で流暢なAIの誤りを見逃すのは、不注意だからではない。気づかないことは母集団のデフォルトだ——AI訓練を受けた医師でも、データが逆を示した後も自分は速くなったと確信し続けた熟練開発者でも、同じことが測定されている。
reinsの「ターン」とは何か
reinsの最小実行単位であるターン（turn）を解剖する。記録されなかったものはターンではない — この定義ひとつから、ドライバー非依存性、再起動耐性、監査可能性のすべてが導かれる。2026年6月のLoop Engineering言説と比較し、ターンがそれらの勧告をいかに構造へ変えるかを見る。
LLMマルチエージェントの精度向上に必要な前提条件
エージェントを複数走らせれば正確になる? 半分しか正しくない。同じデータで学習したモデルは同じ場所で間違える。マルチエージェントが機能する条件は二つ——誤りの独立性を設計するか、検証可能なドメインでLLMの外側にverifierを立てるか。
IFEvalを逆利用するラチェットコード
LLMのおべっかバイアスはバグではなく資産だ。IFEvalが測定する指示遵守能力を決定論的フィードバックと組み合わせれば、4.5Bのローカルモデルでも正確なコードを生成する収束ループが作れる。
AIの阿諛偏向はビジネスフィーチャーだ
LLMの阿諛偏向はバグではない。RLHFの数学的必然であり、ビッグテックが直す動機のないビジネスフィーチャーだ。これがLLM-as-Judgeを構造的に不可能にする理由だ。
コーディングエージェントはなぜ動き、なぜ壊れるのか
同じモデルがウェブチャットではhallucinateし、コーディングエージェントでは200行の機能を一発で仕上げる。モデルが変わったのではない — トポロジーが変わったのだ。生成は確率的でよい。検証は決定論的でなければならない。
モデルのIQよりフィードバック・トポロジー
同じモデルが40で止まることもあれば、527を完走することもある。違いはモデルではなくフィードバック構造だ。LLMの性能は、モデル自体よりも、フィードバックループがどれだけ速く決定論的かに大きく左右される。
tsma -- レガシーコードの回帰防御線
すべての関数をインデックスし、テストの有無を検知し、coverageを計測し、LLMエージェントにフィードバックを返すCLIツール。コマンド一つでレガシーコードに回帰防御線を構築する。
制約は契約である
約束がなければ混沌であり、約束が過ぎれば抑圧である。合理的な制約は黄金比をなす。法の支配の原理がコードと知識に同様に適用される。
filefunc — 1ファイル1コンセプト
AIコードエージェントの探索単位はファイルだ。1ファイルに1コンセプトを強制するGoコード構造のコンベンションであり、CLIツール。