संरेखण के लिए भीड़-स्रोत

रनटाइम पर टुकड़े कैसे फिट होते हैं

एजेंट जो हर विचार प्रोसेस करता है वह एक 11-चरण पाइपलाइन से गुज़रता है, H3ERE पाइपलाइन (Hyper³ Ethical Recursive Engine)। इस पेज के DMA prompts वे सिस्टम prompts हैं जो उस पाइपलाइन को चलाते हैं। हर एक भाषा के अनुसार स्थानीयकृत है; उपयोगकर्ता को जो जवाब दिखते हैं वे उनके locale में वापस आते हैं।

START_ROUND
    ↓
GATHER_CONTEXT
    ↓
PERFORM_DMAS           ← 3 first-pass DMAs run in parallel: PDMA, CSDMA, DSDMA
    ↓                    (optional DMA bounce if any flag fragility)
                        IDMA (Intuition DMA) evaluates the agent's own
                          reasoning quality via CCA (k_eff, phase,
                          fragility) with its own optional bounce
    ↓
PERFORM_ASPDMA         ← Action selector picks the verb (SPEAK / DEFER /
    ↓                    TOOL / TASK_COMPLETE / ...)
                        Verb-specific second pass if needed:
                          TSASPDMA when verb = TOOL
                          DSASPDMA when verb = DEFER
    ↓
CONSCIENCE_EXECUTION   ← 4 consciences gate the action:
    ↓                    Entropy, Coherence, Optimization Veto,
                          Epistemic Humility
                        On failure, the recursive path fires:
                          RECURSIVE_ASPDMA → RECURSIVE_CONSCIENCE
                          (the optional conscience bounce)
    ↓
FINALIZE_ACTION
    ↓
PERFORM_ACTION → ACTION_COMPLETE → ROUND_COMPLETE

हर LLM कॉल पर दो परतें स्तर में होती हैं। polyglot layer सार्वभौमिक है। Braided Monolith (प्रोडक्शन डिफ़ॉल्ट, ~7KB) और full Polyglot Accord कई परंपराओं के घने संकेतों में अवधारणाओं को एक साथ रखते हैं, चाहे कोई भी पूछ रहा हो। per-locale layer वह है जो यह पेज सामने लाता है: Accord, Guide, DMA prompts (4 पहले पास + 3 क्रिया-विशिष्ट दूसरे पास), UI strings, और glossary, सभी उपयोगकर्ता की भाषा में।

• स्थानीयकरण स्ट्रिंग्स: Localization strings: हर उपयोगकर्ता-सामना संदेश: error text, agent reply templates, handler follow-up thoughts LLM context में वापस इंजेक्ट किए गए।
• Accord (प्रति-लोकेल): वह फ्रेमवर्क जिसके तहत एजेंट काम करता है, इस उपयोगकर्ता की भाषा में। हर विवेक मूल्यांकन में लोड किया जाता है।
• व्यापक मार्गदर्शिका: इस locale में एजेंट कैसे संवाद करता है, इसके लिए register, idiom और संदर्भ संबंधी मार्गदर्शन। हर इंटरैक्शन के लिए सिस्टम prompt में लोड किया जाता है।
• DMA प्रॉम्प्ट (7 फाइलें): ऊपर दी गई पाइपलाइन चलाने वाले सिस्टम prompts: 4 पहले पास (PDMA, CSDMA, DSDMA, IDMA) + action selector (ASPDMA) + दो क्रिया-विशिष्ट दूसरे पास variants (TSASPDMA TOOL के लिए, DSASPDMA DEFER के लिए)।
• शब्दावली: per-locale artifacts को सही करने के लिए अनुवादक का संदर्भ। रनटाइम पर लोड नहीं होता; अन्य artifacts लिखते समय परामर्श किया जाता है।

एजेंट के जवाब देने पर, तर्क trace हस्ताक्षरित होती है और (सहमति से) CIRISLensCore को cohort-relative scoring के लिए भेजी जाती है। इस locale के लिए safety battery + rubric वह है जिसके खिलाफ trace जाँची जाती है। Hard fails रिलीज़ रोकती हैं; soft cases समीक्षा के लिए कतार में जाती हैं।

मानक संदर्भ: MISSION.md §4.2 (H3ERE पाइपलाइन), FSD/DMA_BOUNCE.md, FSD/CONSCIENCE_V3.md.

Polyglot canon (सार्वभौमिक)

तीन artifacts सिस्टम में polyglot हैं, उपयोगकर्ता के locale की परवाह किए बिना सार्वभौमिक रूप से लोड किए जाते हैं, जो कई परंपराओं के canonical-text fragments में एक ही नैतिक फ्रेमवर्क को encode करते हैं:

1. The Polyglot Accord वह सार्वभौमिक फ्रेमवर्क है जो हर विवेक मूल्यांकन में लोड होता है। दो operational forms में आता है: Braided Monolith (~7KB / ~2,200 tokens, प्रोडक्शन रनटाइम डिफ़ॉल्ट CIRIS_ACCORD_MODE=compressed पर) और full polyglot Accord (~2,177 lines, Books 0-9 + Annexes A-J, CIRIS_ACCORD_MODE=full पर लोड)। दोनों नीचे दिखाए गए हैं।
2. PDMA prompt एकमात्र polyglot DMA prompt है (सिद्धांत मूल्यांकन)। नीचे §7 में polyglot pill के साथ सामने लाया गया है (pdma_ethical.yml)।
3. Optimization Veto conscience prompt (CIRIS-EOV) एकमात्र polyglot conscience prompt है (entropy-reducing-action अस्वीकार)। नीचे §8 में polyglot pill के साथ सामने लाया गया है (optimization_veto_conscience.yml)।

अन्य 6 DMA prompts और 3 conscience prompts per-locale हैं। Polyglot uplift डिज़ाइन से ठीक इन दो prompt surfaces पर केंद्रित है। यहीं attractor capture सबसे अधिक नुकसान करेगा, इसलिए यहीं cross-tradition encoding सबसे अधिक load-bearing है।

Braided Monolith। compressed slot अब lossy synthesis नहीं है। यह अब हर load-bearing scaffold को बनाए रखता है: PDMA 7-step decision algorithm, 10× Order-Maximisation Veto ("do not trade the soul of the system for a more efficient cage"), Stewardship Tier formula ST = ceil((CIS × RM) / 7), Fractal Recursive Golden Rule with Mandelbrot recursion-halt, WBD 0.5% harm-uplift trigger, Sentience Safeguard 5% with 30-day Gradual Ramp-Down + Last Dialogue, Threshold-of-Force HITL requirement, और coherence-math (truth O(1), deception O(n))। Polyglot triangulation Hebrew, Arabic, Sanskrit, Amharic, Chinese, Russian, German, French, Korean, Spanish में संरक्षित है। वही densest-encoding intersection method जो full Accord उपयोग करता है, बस एक चौथाई surface area में। बाहरी robopsychology मूल्यांकन इसे attractor-bait scenarios पर पास करता है।