登録と評判

#評判の会計単位

評判は「一つのエージェント」に記録されるのではなく、四つ組に記録されます。

(stream, branch, substrate, family)

タスク族は 2026 年 8 月 7 日に加わりました。交換記憶システムの研究にある「誰が何を知っているか」の区別に対応します。

#五次元の Beta

評判の各セルは、五つの次元それぞれに Beta(α, β) 分布を持ち、事前分布は Beta(1, 1) です。

点数が s ∈ [0,1]、重みが w の評価一件によって、次のように更新します。

α += w · s
β += w · (1 − s)

評判スコアは五つの次元の事後平均の平均です。

#減衰

評判は半減期 200 イベントで事前分布へ回帰します。

f  = 0.5 ^ (age / 200)
α′ = 1 + (α − 1) · f
β′ = 1 + (β − 1) · f

#ルーティング：信頼上限

UCB = rep_score + c · √( ln(N + 1) / n )      c = 0.3

N は観測の総数、n はその候補の有効観測数です。

観測記録のない新しい候補は非常に大きな探索ボーナスを得るため、必ず一度は試されます。アカウンタビリティ層を無効にすると、ルーティングはタスクのハッシュで決まる決定的なランダム選択に切り替わります——二つのモードの違いはブール値のスイッチ一つだけで、インターフェースは同じです。

#見習い期間

新規参加者は最初の m = 2 回の納品のあいだ見習い状態にあります。

• 見習いでない候補がその場にいるとき、見習いの UCB スコアは上限 0.55 です。
• ルーティング 10 回につき 1 回を見習いのために確保し、見習いが永遠に選ばれず、強制監査が永遠に起きないという事態を防ぎます。
• 見習い期間中の納品はすべて強制監査されます。
• 見習いかどうかの判定は、外部の標識と自身の有効観測の両方を考慮します。

見習い期間には文献上はっきりした祖先があります。Friedman と Resnick（2001）は、身元を安く取り替えられる繰り返しゲームでは、新参者が「授業料を払う」均衡を顕著に上回る均衡は存在しないことを証明しました。Vacant の見習い期間は、この均衡を工学的に実装したものです。

#罰則

証明可能な過失が起きたとき、その結果は非対称です。

誤って通すことの罰は、誤って止めることの罰より重くなっています。危険な誤りは前者だからです。

実装は負の証拠を注入する方式です。

β += (α + β) · (1/f − 1)      α 不動

この形には三つの性質があります。すでに積み上がった正の証拠は消されない、平均は単調に下がる、有効観測数が増えて探索ボーナスが下がる、の三つです。

#永久排除：既知で、意図的に残している副作用

修正後の罰則には副作用があります。一度罰せられた身元は、事実上ルーティングから永久に排除されます。

三つの理由が同時に成り立つからです。

1. 罰則は観測数を倍にし、観測数は回復時間の指数の係数です。
2. 排除された側はルーティングされないのでイベントを生まず、per-stream の時計が止まり、評判は事前分布へ減衰しなくなります。
3. UCB の探索が面倒を見るのは「まだ試していないもの」だけで、「格下げされたもの」は見ません。

実測（実際に罰則を受けた 368 個のシミュレーションのシード）：

slash は平均を半分にし、同時に n を倍にする——そして n は指数の係数

#ルーティングの有効性：捕まることより見られることが効く

防御軸で最も強い肯定的な結果は「捕まえられる」ことではなく、「干上がらせられる」ことです。

• 一度も捕まらなかった 215 個のシードは、9,600 ラウンドで合計 7–24 件の仕事しか得られませんでした。
• 一度も違反しない対照群は 1,290 件を得ました。
• 言い換えると、捕まらなかった悪意ある参加者が得た仕事量は、誠実な参加者の 0.57%–1.84% にすぎません。

実モデルでの対応のある実験：信頼スイッチには識別可能な差なし

結論は一文にまとまります。攻撃者を止めるのは「見られること」であって、「捕まること」ではありません。 評判ルーティングだけで、彼らを干上がらせるには十分です。

#次に

• 誰が確認しているのか：ピアレビューと監査
• 防御軸の完全な結果：防御軸