訂正記録

#なぜこのページがあるのか

なぜなら、説明責任を問えると主張するシステムは、まず自分自身に対して説明責任を問えなければならないからです。

このページは、本研究におけるその実践の形です。格下げされたすべての主張、訂正した数字、削除した言い回しを時系列で並べています。完全な対照は証拠台帳にあります。

#2026-10-07　サイトのデータ照合

サイト上の数字を一つずつ出典（本研究の _index/claims.json、論文、Vacant リポジトリの決定文書と結論文書）に照らし直し、次の箇所を直しました。

• zero.reminder_default_off の分母が別のバッチのものでした：「答えファイルが正しい割合は約 82% → 65%」の横に書いていた分母（A 119、C37 161、C37R 211）は 10-02 の Colab v3.7 バッチのもので、09-26 のローカルバッチのものではありません。現在は二つのバッチを分けて書いています。ローカルバッチは決定文書の原文どおりで、分母は付いていません。Colab バッチは A 97／119＝81.5%、C37 123／161＝76.4%、C37R 139／211＝65.9% です。
• ノートのトップページの統計が「55 件で差が測れない」となっていました：これはプログラムが 5 と 5 を文字列として連結したもので、正しくは 10 です。しかも「識別可能な差なし」と「同符号・未解決」を足し合わせること自体が、判定値の定義に反します。この欄は取り除き、二つの値を分けて示す判定分布バーに置き換えました。
• no_effect のページ上のラベルを「識別可能な差なし」に統一しました（論文の用語）。以前はサイト上に「識別可能な効果なし」も混在していました。
• 「34 件」が古くなっていました：トップページ、アーカイブ、ドキュメントのトップ、ノートのトップ、FAQ、実験方法、このページ、そして 4 本のノートがまだ 34 件と書いていました。現在は 58 件です（正式索引の 34 件＋repo 判定の 24 件）。手書きページの数字は build がその場で計算するように変えました。
• 防御軸の要約「12 件中 6 件が反証」：実際は 3 件が反証、3 件が言い過ぎで、二つは異なる判定値です。
• 証拠台帳の「判定はどこに集中しているか」の件数は正式索引の 34 件だけを数えたもので、現在は分母を明記しています。
• zero.v37_gguf_not_replicated の元の文書は Vacant リポジトリの docs/gguf-replication-results ブランチにあり、10-03 時点では main にまだマージされていませんでした。出典欄にその旨を記しました。

#2026-10-03　ゼロ設定 v3.7 のリリース（v0.9.0）

• vacant-network v0.9.0 をリリース、tag v0.9.0：製品の主線はゼロ設定です——インストールすればそのまま働き、設定は要りません。
• ゼロ設定の四つのバッチの結果はすべてゼロ設定の Vacantに書きました。DABstep 有料バッチでは二つのモデルとも差が測れず（p=0.21／0.29）、ローカル 711 セルは p=0.021 だが 6 問に集中、Colab 920 問は p=0.387、u274 は p=1.0。
• v3.7 の p=0.0028 はエンジンを替えると再現しませんでした：Colab +11.3 pp（p=0.0028）、LM Studio GGUF −0.4 pp（p=0.84）。したがって「v3.7 で agent の仕事が良くなる」とは主張しません。
• 920 問バッチの差し戻しの 96% は誤った差し戻しでした（差し戻し 472 回のうち 455 回は、sh run_tests.sh を認識しなかったことだけが原因）——v3.7 の一つ目の欠陥修正はこれを直すものです。
• u274 のファイル欠落による差し戻しは、31 回走らせた後で正解 0、誤り 17、依然ファイルなし 14——v3.7 の三つ目の欠陥修正はこれを直すものです。
• 新しい製品ライン：アカウンタブル・トレース（アカウンタブル・トレース）。二層の帰属、五つの等級、provable の三条件。エンドツーエンドで 33/33、25/25、16/16（すべて L-fake）。
• ネイティブプラットフォームの三つの欠落（ネイティブプラットフォームと静かな無効）：W1 鍵の変数のホワイトリスト、W2 opencode に stop イベントがない（37 step の完全なカルテがあり、判定はゼロ）、W3 harness が --dir を渡していない。
• 対話型 TUI の A/B harness に七つの計測誤り（さらにコードのコメントにだけある二つ）があり、どれも数字を実際より良く見せる方向でした。
• 汎用の受け取り口に五つの静かな欠陥があり、そのうち Codex は残っていたキー profile = "vacant" のせいで起動を拒否します。
• このラウンドから、サイトの主張索引は二層に分かれました。本研究から取り込んだ 34 件（claims.json）と、Vacant リポジトリの決定文書から書き写した 24 件（claims-repo.json）です。後者は台帳で「repo 判定」と表示され、まだ正式な索引には入っていないことを示します。

#2026-09-24　論文の確定と全面監査

• 論文全体を確定（Vacant_可究責層_畢業專題論文.docx / .pdf）。
• データ索引 _index/ が完成：主張 34 件、ファイル 3,322 個の sha256 リスト（1,550,582 行、325,111,980 バイト）。
• ファクトチェック報告が完成：ERROR 8 件、WARN 22 件、NIT 16 件。
• このサイトを再編：docs／実験ノート／証拠台帳を公開。

#2026-09-20　「出口で止める」が反証され、五段階の語彙に書き直し

ABPI 監査（391 セル）で分かったこと：

事実：納品拒否はフラグと終了コードにすぎません。外側のスクリプトは終了コードを読まず、納品拒否の 59 セルのうち 7 セルで、ファイルが外にコピーされ採点されていました。

訂正：プロジェクトは五段階の語彙（Observed／Decided／Withheld／Mediated／Attested）に切り替え、各段階がそれぞれのカバー範囲を宣言することを求めました。外に向けて言えるのは Decided までです。

設計上の対応：release／publish の能力分離。publish は外部への書き込み能力を持つ唯一のコンポーネントで、終了コードを読みません。

同じ日：フレームワークのフックの実測で、エージェントが自分のフック設定を削除できることが分かりました → フックは強化としてしか使えず、信頼の根にはなりません。実際のエージェントによる最初の A レベルのレシートに署名しました。

#2026-09-18　R532 修正案その一とその二

AMEND1：分析器は有意性だけを確認し、方向を確認していなかったため、EFFECTIVE と付けていました。そのラベルは無効です。引用してよいのは RULED_OUT だけで（このラウンドの閾値：区間上界 < +2.0 pp）、「ループは有害」と言うことは明文で禁じています。

AMEND2：「より強いモデル」という前提は成り立ちません——27B の OFF アーム 74.8% vs 12B の 75.2%。私たちはより強いモデルとの比較をしていません。

同時に一つの数字も訂正しました：ゲートは偽の納品を約四割減らしたのであって、半減ではありません。元の論文は「halved」と書き、ERROR E6 と判定されました——二つの率が異なる分母を使っていたからです（120/836 = 14.4% vs 211/836 = 25.2%）。

#2026-09-13　R460R：看板の主張が自らの安定性ルールに負けた

詳細のすべて

状態：「支持」から同符号・未解決に格下げ。

五つの必須付帯報告：5 回とも同符号。Holm を通過したのはゼロ回。補正前の五つの区間はすべて R460 と交わる。五つの上界はすべて +13.33 未満。問題バンク横断の結果も Holm を通過していない。

禁止された言い方：「再現は安定」「再現に失敗」「効果が消えた」「同等」「引き分け」「ループは役に立たない」。n の合算、平均、一回だけ選んで報告することを禁止。

同じ日：R529 の問題バンク横断の 4 セット（716 問）で主仮説は成り立ちませんでした（+1.12 pp、Holm p=.3409）。二台のホストの reasoning 設定が違っていたことは、後になって分かりました。

#2026-09-09　削除を求められた最初の一文

2026-09-03 の R440P 監査で、「評価者委員会」という役割が削除されました。

当時の分析（評価者の正確度 0.7552 vs 知能ゼロのベースライン 0.7522、差 +0.29 pp）によって、プロジェクトは顧客自身の実行可能な受け入れテストを審判とする方式に切り替えました。

意見の代わりに実行を、投票の代わりにレシートを。

#2026-09-03　R440P：ゲートの誕生；R440Q：前提が反証される

• R440P：評価者委員会と一回限りの修正を削除し（1 問あたり 3 + 1 回の呼び出しを節約）、可視テストによる受け入れゲートに切り替えました。
• R440Q：LCB v1 の 91/91 の非公開テストはすべて可視テストの上位集合（V ⊆ GT）なので、「非公開では通るが可視では通らない」は構造上ありえません。これは R440P §七 の第一の前提を反証しました。

主結論に格上げ：

要求が実行できないなら、無償の審判はいない。この仕組みは「モデルに聞く」に退化する——そしてそれこそが、測定で最も悪かったものである。

#2026-09-01　二つの仮説が提出され、そして排除された

• H-A 天井：35b worker が強すぎる → 12b に替えれば利得が現れる。排除。 ON vs OFF5 p = 1.0000。
• H-B 難問：MBPP+ が簡単すぎる → LiveCodeBench に替えれば利得が現れる。排除。 ON vs OFF5 p = 0.4244。

hypotheses-excluded

#2026-08-30　G 実験：委員会が多数決に負けた

R437 の三つの事前の判定基準：

同時にデータ品質の主張を一つ格下げ：

「最初のクリーンな完全データセット」→「既知のバグによる汚染なし、対応のあるサブセット n=101」に変更。ON アームの infra_void は 66/179 = 36.9%、equal_budget_comparison_valid = false。

もう一つの反証：ON 75.25% vs OFF5 77.23%（−1.98 pp）。無関係な typing のホワイトリストのバグを直すと 84.16% vs 81.19%（+2.97 pp）になりました。無関係なバグを直しただけで、点推定の方向が反転したのです。

#2026-08-06　「新規の攻撃」という主張を撤回

パルス攻撃は Srivatsa ら（2005、TrustGuard）の strategic oscillation そのものです。Hoffman ら（2009, ACM Computing Surveys §5.4）は、名前の付いたカテゴリー oscillation attack として挙げています。

私たちの看板の結果も先を越されていました：Srivatsa は四種類の振動モデルについて攻撃者のコスト比 1 : 2.28 : 2.08 : 1.36 を測り、記憶窓 maxH を知る者は周期 = maxH で振動するのが最適であることを証明しています。私たちの「1.81 倍」はそれより古く、かつ弱く、しかもすでに自分でノイズと判定しています（置換検定 p=0.115、検出力 25%）。

七つの構成要素のうち六つには、同等の先行研究がすでにあります。

#2026-08-06　パルスの六つの結論、三つが反証、二つが格下げ

aggregate-decomposition

残った二つ：検知確率は単一の積 (1−盲區)×抽樣率×準確率 であること。盲点 × 時間構造の交互作用 η² = 0.264。

同時に：元の報告は 1 ラウンドごとの記録を 1,741 件と書いていましたが、正しい数字は 1,740 です。

#2026-08-03　config-digest の静かな害

SimConfig.digest() は RNG のシードであると同時に、全フィールドのハッシュでもあります。その結果、「オプションの引数を一つ追加する」だけで E1–E16 のすべての数字が静かに動きます。

訂正：デフォルト値のフィールドは digest に含めない。whitewash／patient／sybil の三つの digest は、ビット単位で再現できるよう固定。

#2026-07-26　独立したレビュー：四つの文の削除を求められた

レビュー対象のコミットは f9a381a。判定：このアーキテクチャが現在高めているのはアカウンタビリティであって、信頼ではない。

三つの必要条件のうち、二つが成り立たない：

削除を求められた四つの文：

1. 「歯があるので、悪事には本当の結果が伴う」
2. 「credit は記憶についていき、体にはついていかない」
3. 「substrate を key に入れて、脳をまたぐロンダリングを塞ぐ」
4. 「Sybil 攻撃にはコストを払う必要がある」（理由：匿名攻撃は 0.05 × N で線形、N=200 のとき総重み 10.0）

ほかに統計ツールのバグが二つ：

• wilcoxon_signed_rank_exact の正規近似の分岐が同順位補正を二重に計算していました。n=30、正 20 負 10 のとき、プログラムは p=0.0288（有意） と出しましたが、正確な値は 0.0987（有意でない） です。
• bootstrap CI が hash() をシードに使っていたため、プロセスをまたぐと再現できませんでした。同じデータから 53,478 と 1,628 が出ました。

修正ブランチ：P0 4 項目 + P1 6 項目、TDD。361 passed / 1 skipped（ベースライン 330）、レビュー指摘 29/29 に対応するテスト、Mac と VM でそれぞれ攻撃阻止 12/12。構造的な欠落 6 項目は意図的に残しました。一つ目は「身元は今も無料」です。

#2026-07-26　参入コスト：どちらの道も選ぶべきではない

メカニズムのシミュレーション 14 本。外生的な参入料はむしろ有害（stake=0 ですべて止まる；stake=2 で獲得 5.00、ROI 2.354）、保証人の連帯責任は純粋な損失（λ=0.9 のとき誠実な参加者の損失 0.691 に対し利得は 0）。

本当の制約は評価者の正確度です：acc = 0 のとき獲得 16.65、ROI 1.04——表全体で唯一「悪事が割に合い始める」セルです。

判定：前提が間違っていた。

#2026-07-09　一つの記録を自分で格下げ

2026-07-05 のエンドツーエンド実録を見直したところ、モデル I/O の永続化がまったく機能していなかったことが分かりました（/tmp/vac_app.jsonl は 357 バイトしかありません）。

その一件は「証拠」から「単一事例のデモ」に分類し直しました。

#2026-06-30　ネットワークによる汚染を公開

集団ルーティングの再検証の第一ラウンド a2hard は ✓ を出しましたが、呼び出しごとの I/O 監査で、第 20–23 回の呼び出し（ちょうど good_1 の 4 件のピアレビュー）が Connection refused / reset by peer に当たっていたことが分かりました。空文字列が \bYES\b の否定形のマッチで合格と判定され、good_1 のピア評判が誤って 0.50 に動かされ、ピアの真値との一致は 88% から 75% に下がり、捕捉率は 71% に下がりました。

見かけ上の「−4%」はネットワークのノイズでした。

直したのは計測であって、実験ではありません：call() に retry×4 を追加。クリーンな再実行：エラー 0、空文字列 0、reasoning の漏えい 0、評価者は YES 16 + NO 16。

#2026-06-28　KS-1：主な検証版が二つとも潰された

二つの設計を、それぞれ 17 体と 10 体のエージェントによる敵対的ワークフローにかけました。二つとも潰されました。

凍結された、状態を持たない言語モデルの上では、「結果を本物にする」ことと「プロンプトの中で結果をより本物らしく書く」ことは同じ介入である。Vacant の本当の仕組み——署名、分散したピア、持続する評判、系譜——は、どの実験アームにも一つも入っていなかった。

これは後に本研究全体の方法論の核（KS-1 不変条件）となり、記憶層と信頼層の実験設計に直接つながりました。

同じラウンドの引用の誤り：I-CALM の「ハルシネーション −50%、正答率 +2–8%」は原文にありません。Trust Over Fear はベースラインでは効果がありません。2510.08624 は 2025 年のものです。Tetlock の cheap talk は文脈を取り違えて使っていました。

#2026-07-17　外部の錨の登録

外部文献 114 本の原文と出典を参考文献フォルダに登録し、一件ずつ保存して SHA-256 を記録しました。Appraisal of Human Trust（Ebrahimi ら）の重要な段落は、中英対照で一字ずつ照合しています。

#2026-07-03　主線を「記憶は責任」に再設定

研究の経緯に完全なノード表があります。

#サイト側の主な変更

#この先

• すべての主張の判定：証拠台帳
• 経緯の全体：研究の経緯