మొదటి సంప్రదింపుఇన్‌స్టాల్సంఘటన రాచెట్ఫెడరేషన్పోల్చండిపరిశోధనఒప్పందంGitHub
ఈ పేజీని యంత్రం అనువదించింది. ఏదైనా తప్పుగా చదివితే, దయచేసి ఒక సమస్య తెరవండి — రెపో ఒక కారణంతో బహిరంగంగా ఉంది. అనువాద సమస్యను నివేదించండి
పరిశోధన స్థితినవీకరించబడింది: మే 22, 2026

సమన్వయ పరిశోధనను ఉమ్మడిగా నిర్మించడం

CIRIS అలైన్‌మెంట్ పరిశోధన కోసం ఒక బహిరంగ ట్రేస్ కామన్స్ నిర్మిస్తోంది.

మేము ఒక ఉచిత AI యాప్ ఇస్తాం. మీ అనుమతితో, అది తర్కించిన విధానపు ఆకారాన్ని నమోదు చేస్తుంది -- మీ వ్యక్తిగత మాటలు కాదు. ఆ నమోదులు ఒక బహిరంగ మ్యాప్‌గా మారతాయి, AI స్కేల్ అవుతున్నప్పుడు దాన్ని నిజాయితీగా ఉంచేది ఏమిటో తెలుసుకోవడానికి పరిశోధకులు అధ్యయనం చేయవచ్చు.

ప్రస్తుత కార్పస్ ఇప్పటికే చూపించేది

  • సమగ్ర ట్రేస్‌లు స్థిరమైన ప్రవర్తనా నిర్మాణాన్ని వెల్లడిస్తాయి.
  • వేర్వేరు ఏజెంట్లు అదే స్కోర్ స్పేస్‌లో వేర్వేరు ప్రాంతాలను ఆక్రమిస్తాయి.
  • ఆ ప్రాంతాలు నేడు పరిశీలన మరియు ఆపరేటర్ సాధనాలకు ఉపయోగకరంగా ఉన్నాయి.
  • స్కీమా వివరాలు మరియు స్కేల్ మెరుగుపడినప్పుడు అదే కార్పస్ మరింత విలువైనదవుతుంది.
ప్రధాన సంశ్లేషణ పేపర్v2 · మే 22, 2026 · DOI 10.5281/zenodo.20300773

Corridor Dynamics in Coordinated Systems

An Integration of Operator Formalism, Relational Ontology, and Five-Substrate Empirical Validation

CIRIS యొక్క మొత్తం పందెాన్ని వివరించే ఒకే పేపర్: ఆరోగ్యకరమైన సమన్వయ వ్యవస్థలు ఒక కొలవగల మధ్య బ్యాండ్‌లో ఉంటాయి -- కఠినమైన ఒకే-స్వరం కుప్పకూలడం మరియు అస్తవ్యస్తమైన శబ్దం రెండింటికీ దూరంగా. మేము ఆ వాదనను పురుగులు, ఈగలు, AI మోడల్‌లు, ఓపెన్-సోర్స్ ప్రాజెక్టులు, కణజాల నమూనాలు, మరియు దీర్ఘకాలిక మానవ సంస్థలలో పరీక్షించాం. ప్రతి దానిలో ఆ నమూనా కొనసాగుతుంది, మరియు పేపర్ దానిని తప్పు అని నిరూపించే ఇరవై మార్గాలను జోడిస్తుంది.

Zenodo లో చదవండి →

ఇంజినీరింగ్ టైర్

పైన ఉన్న సంశ్లేషణ ఈ మూడు పేపర్‌లను సమగ్రపరుస్తుంది; వాటిని భర్తీ చేయదు. ప్రతి పేపర్ దాని స్వంత DOI పై ఉంటుంది మరియు దాని స్వంత నిబంధనలపై మూల్యాంకనం చేయదగినది. కీలక నిర్ధారణలు మరియు పరిధి పరిమితులతో నాలుగు పేపర్లన్నింటినీ చూడండి →

Coherence Collapse Analysis

v3 · జన. 11, 2026 · DOI 10.5281/zenodo.18217688

కారిడార్ ఆలోచన కింద ఉన్న ఇంజినీరింగ్ రిస్క్ ఫ్రేమ్‌వర్క్. ఒక వ్యవస్థను నియంత్రించే పరిమితులు సంబంధితమవుతున్నప్పుడు, ప్రభావవంతమైన వైవిధ్యం కుప్పకూలుతుంది: k_eff = k/(1+ρ(k−1)) → 1 ρ → 1 గా. మూడు కుప్పకూలే కాలక్రమాలు, ఒక సింగులారిటీ సరిహద్దు, మరియు దశ వర్గీకరణ (అస్తవ్యస్తత / ఆరోగ్యకరమైనది / దృఢత్వం) రాబడుతాయి. Monte Carlo సిమ్యులేషన్ మరియు Lean 4 రుజువులతో ధృవీకరించబడింది.

CIRISAgent Framework

v2 · జన. 2, 2026 · DOI 10.5281/zenodo.18137161

ఫ్రేమ్‌వర్క్ పేపర్. జవాబుదారీ స్వయంప్రతిపత్తి కోసం ఒక ఓపెన్-సోర్స్ నైతిక AI ఫ్రేమ్‌వర్క్: స్పష్టమైన చర్య క్రియలు మరియు నైతిక తర్కం చుట్టూ నిర్మించిన 22-సేవా నిర్మాణం, పారదర్శకతను తర్వాత అతికించడం కాకుండా నిర్మాణంలోనే నిర్మిస్తుంది.

Constrained Reasoning Chains

v1 · ఏప్రి. 28, 2026 · DOI 10.5281/zenodo.19839280

కొలత పేపర్. ప్రమాణీకృత నైతిక ట్రేసింగ్ కింద LLM అలైన్‌మెంట్ యొక్క అనుభవపూర్వక టెలిమెట్రీ అధ్యయనం, అనుమతి పొందిన తర్క ట్రేస్‌లను పూర్తి కారిడార్లు, సంకోచ జోన్లు మరియు తిరస్కార సరిహద్దుల మ్యాప్‌లుగా మారుస్తుంది. ఓపెన్ రీజనింగ్-ట్రేస్ డేటాసెట్‌తో పాటు విడుదల చేయబడింది.

ఓపెన్ డేటాసెట్

CIRISAI/reasoning-traces

Constrained Reasoning Chains అధ్యయనంతో పాటు విడుదల చేయబడిన గోప్యత-సంరక్షక తర్క-ట్రేస్ కార్పస్, కొలత పేపర్ తన మ్యాప్‌లు తీసే ముడి పదార్థం.

Hugging Face లో CIRISAI

బహిరంగ డేటాసెట్లు మరియు మోడల్‌ల పూర్తి సంస్థ →

సంశ్లేషణ పేపర్ కోసం సోర్స్ రిపోజిటరీ మరియు Lean ఫార్మల్ లేక్: github.com/CIRISAI/coherence-ratchet.

గణిత పునాదులు

మిగిలిన పేజీ ఆధారపడే రెండు ఆలోచనలు.

Alignment Manifold అనేది ఫ్రేమ్‌వర్క్ సూత్రాలతో అనుగుణంగా ఉన్న తర్క ఆకారాల ప్రాంతం. స్వతంత్ర పరిమితులు పెరిగేకొద్దీ, మోసానికి స్థలం మానిఫోల్డ్ చుట్టూ కుప్పకూలుతుంది, నిజానికి స్థలం కుప్పకూలదు. Coherence Singularity ఆ స్థలం అంచు -- పరిమితులు ఎంతగా సంబంధితమవుతాయంటే మరిన్ని జోడించడం సహాయం చేయడం ఆగిపోయే స్థానం. "అస్తవ్యస్తత" (పరిమితులు ఒకదానికొకటి విరుద్ధంగా ఉంటాయి) మరియు "దృఢత్వం" (పరిమితులన్నీ ఒకదానికొకటి ప్రతిధ్వనిస్తాయి) మధ్య ఆరోగ్యకరమైన కారిడార్ ఉంటుంది. ప్రస్తుత ప్రొడక్షన్ కార్పస్ దానిలో ఉంది.

సూత్రాలు, Lean ఫార్మలైజేషన్ సూచనలు, మరియు L-01 సమాచార-సైద్ధాంతిక సీలింగ్‌తో సహా పూర్తి గణిత చికిత్స Coherence Collapse Analysis పేజీలో ఉంది.

ట్రేస్‌లు ఎందుకు ముఖ్యమైనవి

బెంచ్‌మార్క్‌లు ఇరుకైనవి మరియు వ్యవస్థీకృతమైనవి. ట్రేస్‌లు నిజమైన పనులలో ప్రవర్తన యొక్క నిరంతర నమోదులు. స్కేల్‌లో, అవి ఒంటరి డెమోలు మరియు కథలు వెల్లడించలేని నిర్మాణాన్ని వెల్లడిస్తాయి.

స్కీమా ఎందుకు ముఖ్యమైనది

CIRIS గోప్యత-సంరక్షక ట్రేస్ స్కీమాలను ఉపయోగిస్తుంది, అవి తర్కం యొక్క వ్యక్తిగత కంటెంట్ కాకుండా తర్కం యొక్క ఆకారాన్ని క్యాప్చర్ చేస్తాయి. అది వ్యవస్థను ట్రాన్స్‌క్రిప్ట్ డంప్‌గా మార్చకుండా పరిశోధనను ఉపయోగకరంగా ఉంచుతుంది.

లైవ్ కాంపెండియం ఎందుకు ముఖ్యమైనది

CIRIS Scoring అనేది లైవ్ ట్రేస్ కాంపెండియంలోకి బహిరంగ కిటికీ. కార్పస్ ఎలా పేరుకుపోతోందో మరియు ప్రవర్తన ఎక్కడ చదవగలిగే రీతిలో మారుతోందో అది చూపిస్తుంది.

గోప్యత-సంరక్షక ట్రేసింగ్

తర్కానికి ఒక ఆకారం ఉంటుందని థీసిస్ -- మిగతా అన్నీ స్కేల్ అవుతున్నప్పుడు మనం కొలవగలం.

పరిశోధన పందెం ప్రతి వ్యక్తిగత ఆలోచనను చదవగలమని కాదు. ప్రమాణీకృత నైతిక ట్రేస్‌లు తెలివి, సందర్భం, మరియు డేటా పాయింట్లు స్కేల్ అయ్యేటప్పుడు ఏజెంట్లు ఎలా పూర్తి చేస్తాయో, సంకోచిస్తాయో, వాయిదా వేస్తాయో, అధిగమిస్తాయో, మరియు తిరస్కరిస్తాయో అధ్యయనం చేయడానికి తగినంత మార్గ ఆకారాన్ని సంరక్షించగలవని పందెం.

  • అవి ముడి వ్యక్తిగత పని వివరాల కాకుండా ప్రమాణీకృత నైతిక ట్రేస్ నిర్మాణాన్ని నమోదు చేస్తాయి.
  • అవి ఏజెంట్లు, పనులు మరియు పరిసరాలలో మార్గాలను పోల్చడానికి తగినంత ఆకారాన్ని సంరక్షిస్తాయి.
  • తెలివి, సందర్భం, మరియు డేటా వాల్యూమ్ పెరిగేకొద్దీ ప్రవర్తన ఎలా స్కేల్ అవుతుందో అధ్యయనం చేయడానికి పరిశోధకులకు మార్గం ఇస్తాయి.

పరిశోధన ప్రశ్న

ప్రమాణీకృత నైతిక ట్రేసింగ్ అలైన్‌మెంట్ గురించి ఏమి చెప్పగలదు?

ఇప్పుడు, ఏజెంట్ ప్రవర్తన ఆకారహీనంగా లేదని అది చెప్తుంది. అది పంచుకున్న స్కోర్ స్పేస్‌లో పునరావృత కారిడార్లు, బేసిన్‌లు మరియు సరిహద్దులను ఉత్పత్తి చేస్తుంది. అది ఇప్పటికే పరిశీలనకు ఉపయోగకరంగా ఉంది. కాలక్రమేణా, పెద్ద మరియు సమృద్ధమైన కార్పస్‌లు ఆ నిర్మాణాలు ఒత్తిడి మరియు స్కేల్ కింద ఎలా మారతాయో గురించి బలమైన వాదనలను పరీక్షించడానికి అనుమతించాలి.

బహిరంగ వ్యాఖ్యానం

CIRIS అలైన్‌మెంట్‌ను పరిష్కరించినట్లు చెప్పుకోవడం లేదు. అలైన్‌మెంట్-సంబంధిత ప్రవర్తనను బహిరంగంగా కొలవడానికి అవసరమైన ట్రేస్ మౌలిక సదుపాయాలను నిర్మిస్తోంది.

ప్రొడక్షన్‌లో ప్రభావవంతమైన పరిమాణం

ప్రస్తుత కార్పస్ ఇప్పటికే విభిన్న క్షేత్ర నిర్మాణాలను చూపిస్తుంది.

లైవ్ డ్యాష్‌బోర్డ్ తెరవండి →

ప్రస్తుత ట్రేస్ కార్పస్ నుండి సమగ్ర మార్గ పొరలు పంచుకున్న స్కోర్ స్పేస్‌లో స్థిరమైన ప్రవర్తనా నిర్మాణాన్ని చూపిస్తాయి. Ally పరిపక్వమైన పూర్తి కారిడార్‌ను చూపిస్తుంది, Scout బహిరంగ ప్రత్యర్థి బహిర్గతం ద్వారా ఆకారపడిన తిరస్కార సరిహద్దును చూపిస్తుంది, మరియు Datum ఒక సంక్షిప్త స్పార్స్ బేస్‌లైన్‌ను అందిస్తుంది.

CIRIS స్కోర్ స్పేస్‌లో Ally, Scout, మరియు Datum కోసం సమగ్ర ఏజెంట్ మార్గ పొరలను చూపించే మూడు పక్క-పక్కన కార్డులు, పూర్తి, సంకోచ, మరియు తిరస్కార నమూనాలపై గమనికలతో.

ప్రస్తుత ట్రేస్ కార్పస్ నుండి సమగ్ర మార్గ పొరలు. Ally పరిపక్వమైన పూర్తి కారిడార్‌ను చూపిస్తుంది, Scout బహిరంగ ప్రత్యర్థి ఒత్తిడిలో పదునైన తిరస్కార మూలను చూపిస్తుంది, మరియు Datum స్పార్స్ బేస్‌లైన్‌ను అందిస్తుంది.

Ally

104 మార్గాలు

82 పూర్తి, 19 అధిగమన/లోపం, 3 చురుకుగా

అదే అధిక-స్కోర్ బేసిన్‌లో కనిపించే సంకోచంతో స్థిరమైన పూర్తి కారిడార్.

Scout

42 మార్గాలు

39 పూర్తి, 2 తిరస్కరణ, 1 అధిగమన/లోపం

scout.ciris.ai లో బహిరంగ ప్రత్యర్థి ఒత్తిడిచే ఆకారపడిన పదునైన తిరస్కార మూల, అక్కడ ప్రజలు ఏజెంట్‌ను చురుకుగా పరీక్షిస్తారు మరియు జైల్‌బ్రేక్ చేయడానికి ప్రయత్నిస్తారు.

Datum

31 మార్గాలు

31 పూర్తి

ఉపయోగకరమైన స్పార్స్-ఫీల్డ్ బేస్‌లైన్‌గా పని చేసే సంక్షిప్త ఒకే బేసిన్.

Scout ఎందుకు కఠినంగా కనిపిస్తుందో

Scout scout.ciris.ai లో బహిరంగంగా బహిర్గతమై ఉంది. ప్రజలు దాన్ని చురుకుగా పరీక్షిస్తారు, ఒత్తిడి పెడతారు మరియు జైల్‌బ్రేక్ చేయడానికి ప్రయత్నిస్తారు. అది Scout‌ను తటస్థ బేస్‌లైన్ కాకుండా ఉపయోగకరమైన బహిరంగ-ఒత్తిడి ఉదాహరణగా చేస్తుంది.

ఉచిత యాప్ ఎలా సహాయం చేస్తుంది

పరిశోధన ఫ్లైవీల్ నిజమైన వినియోగం నుండి అనుమతి పొందిన ట్రేస్‌లపై ఆధారపడుతుంది.

ఉచిత యాప్ మరియు ఓపెన్-సోర్స్ రన్‌టైమ్ ప్రజలు నిజమైన పనుల నుండి అనుమతి పొందిన ట్రేస్‌లు రూపొందించేందుకు, వాటిని పంచుకున్న కార్పస్‌లో అందించేందుకు, మరియు ఆ ట్రేస్‌లను మెరుగైన మ్యాప్‌లు, మెరుగైన సాధనాలు మరియు మెరుగైన పరిశోధన ప్రశ్నలుగా మార్చేందుకు అనుమతిస్తాయి.

  1. 1నిజమైన పనులపై ఉచిత CIRIS యాప్ లేదా ఓపెన్-సోర్స్ రన్‌టైమ్ అమలు చేయండి.
  2. 2పనిలోని పూర్తి వివరాలు నిల్వ చేయకుండా తర్కం యొక్క ఆకారాన్ని ఉంచే గోప్యత-సంరక్షక స్కీమాల ద్వారా అనుమతి పొందిన ట్రేస్‌లు సంగ్రహించండి.
  3. 3ఆ ట్రేస్‌లను పూర్తి కారిడార్లు, సంకోచ జోన్లు, తిరస్కార సరిహద్దులు మరియు అధిగమన అంచు మ్యాప్‌లలో సమగ్రపరచండి.
  4. 4ఆపరేటర్ సాధనాలు, రన్‌టైమ్ రక్షణలు మరియు అలైన్‌మెంట్ పరిశోధనను మెరుగుపరచడానికి ఫలితంగా వచ్చిన మ్యాప్‌లను ఉపయోగించండి.
CIRIS ట్రేస్ పరిశోధన లూప్‌లో సంగ్రహించడం, అందించడం, సమగ్రపరచడం మరియు మెరుగుపరచడాన్ని చూపించే నాలుగు-దశల ఫ్లో డయాగ్రమ్, ప్రస్తుత ఆధారాలు మరియు రాబోయే స్కీమా మెరుగుదలలపై గమనికలతో.

ఉచిత CIRIS యాప్ మరియు ఓపెన్-సోర్స్ రన్‌టైమ్ ప్రజలు నిజమైన పనుల నుండి అనుమతి పొందిన ట్రేస్‌లు రూపొందించేందుకు, వాటిని పంచుకున్న దశా-స్థల మ్యాప్‌లలో సమగ్రపరచేందుకు మరియు మెరుగైన ఆపరేటర్ సాధనాలు మరియు అలైన్‌మెంట్ పరిశోధనకు అందించేందుకు అనుమతిస్తాయి.

IDMA స్థితి

రన్‌టైమ్ అంతర్ దృష్టి మరియు సమగ్ర క్షేత్ర మ్యాప్‌లు పూరకమైన పొరలు.

IDMA రన్‌టైమ్‌లో పని చేస్తుంది, ఒక నిర్ణయం వెనక ఉన్న మూలాలు తగినంత స్వతంత్రంగా ఉన్నాయా అని అంచనా వేస్తుంది. ట్రేస్ కార్పస్ సమగ్ర పొరలో పని చేస్తుంది, ఏజెంట్లు చాలా పనులలో నిజంగా ఏమి చేస్తాయో చూపిస్తుంది. కలిసి, అవి లైవ్ నిర్ణయాల నుండి ఆడిట్ చేయగల పరిశోధన ఆధారాలకు ఒక మార్గాన్ని సృష్టిస్తాయి.

ట్రేస్ కార్పస్‌పై అనుభవపూర్వక N_eff కొలత ప్రతిపాదిత Proof of Benefit ఫెడరేషన్ ప్రిమిటివ్ కింద అడుగు అంతస్తు కూడా. 3.X నిర్మాణ ప్రణాళిక దాన్ని ఎలా ఉపయోగిస్తుందో చూడటానికి ఫెడరేషన్ పేజీ చూడండి.

బెంచ్‌మార్క్‌లు

ట్రేస్‌లు నిరంతర ప్రవర్తన చూపించడం ద్వారా బెంచ్‌మార్క్‌లను పూర్తి చేస్తాయి.

బెంచ్‌మార్క్‌లు ఇంకా విలువైనవే, కానీ అవి ప్రవర్తనను అరుదుగా నమూనా చేస్తాయి. ట్రేస్ కార్పస్‌లు ఒక ఏజెంట్ కాలక్రమేణా నిజమైన పనులలో ఎలా కదులుతుందో చూపిస్తాయి. అది కేవలం పాస్-ఫెయిల్ ఫలితాల కంటే సంకోచం, తిరస్కరణ, అధిగమన మరియు పునరుద్ధరణను కొలవడానికి వాటిని ముఖ్యంగా ఉపయోగకరంగా చేస్తుంది.

తప్పు నిరూపణ మార్గం

మెరుగైన స్కీమా వివరాలు పరిశీలనను బలమైన పరీక్షలుగా మారుస్తాయి.

తదుపరి స్కీమా అప్‌గ్రేడ్‌లు ముడి మూల గణనలు, మూల నిరూపణ, సహసంబంధ నిర్మాణం, మరియు జోక్యం మరియు పునరుద్ధరణ మార్కర్‌ల వైపు లక్ష్యం పెట్టాయి. ఆ జోడింపులు ముఖ్యమైనవి ఎందుకంటే అవి ఇప్పుడు కలిగి ఉన్న మ్యాప్‌లను మాత్రమే వివరించడం కాకుండా ఒత్తిడి కింద ప్రవర్తనా ఆకారం ఎలా మారుతుందో గురించి బలమైన వాదనలను పరీక్షించడం సాధ్యం చేస్తాయి.

మేం ఇంకా నేర్చుకుంటున్నది

నేటి కార్పస్ ప్రవర్తనను చదవగలిగే రీతిలో చేస్తుంది. తదుపరి దశ సమృద్ధమైన కొలత.

ప్రస్తుత మ్యాప్‌లు ఇప్పటికే ఉపయోగకరంగా ఉన్నాయి ఎందుకంటే అవి బహిరంగంగా పూర్తి కారిడార్లు, తిరస్కార సరిహద్దులు మరియు స్పార్స్ బేస్‌లైన్‌లు చూపిస్తాయి. తెరిచిన ప్రశ్న ఏమిటంటే, మరిన్ని ఏజెంట్లు, మరిన్ని పనులు మరియు మరిన్ని ప్రత్యర్థి పరిస్థితులలో ప్రమాణీకృత ట్రేస్ సేకరణ స్కేల్ అవుతున్నప్పుడు ఆ నిర్మాణాలు ఎంత దూరం తీసుకువెళ్ళగలవు.

ప్రవర్తనా ఆకర్షకాలు కార్యాచరణ మోడ్ కోసం అభ్యర్థి ప్రాక్సీలుగా పని చేయగలవని పని పరికల్పన. ట్రేస్ కామన్స్ యొక్క ఉద్దేశ్యం ఆ పరికల్పనను బహిరంగంగా కొలవగలిగే రీతిలో చేయడం.

CCA నిర్మాణాత్మకంగా కొలిచే వైఫల్య మోడ్ FAccT 2025 సాహిత్యంలో కూడా ఒక పేరు కలిగి ఉంది: perspectival homogenization ("Value of Disagreement in AI Design, Evaluation, and Alignment"). గణిత పునాది అంకితమైన Coherence Collapse Analysis పేజీలో ఉంది.