human-cognition-layer

Human Cognition Layer (HCL) は、人間の心的状態のモデリングと意思決定の校正を目的とした研究プロジェクトである。その核心的な考え方は、ベースモデルの重みを変更するのではなく、明確で再現可能かつ転移可能な認知構造を通じて、人間の知識、信念、意図、因果的不確実性、社会的意思決定をより安定的にモデル化し、最終的な回答や行動を改善するというものである。 プロジェクトは module-first 原則を採用しており、認知層は常に処理チェーン内に保持され、性能の後退は診断シグナルとして扱われる。HCL を迂回してより良い benchmark スコアを得ることはしない。現在の段階は PHASE-04 であり、重点は意思決定戦略の修復と新規 holdout 検証にあり、モデル訓練はまだ開始されていない。 HCL v0.3 アーキテクチャは三つの主要部分から構成される： 1. 凍結認知状態：各入力はまず構造化された cognition state を構築し、SIMPLE、EPISTEMIC、CAUSAL_AMBIGUITY などのモードをサポートする。世界の真実とエージェントの知識の分離、一階信念と二階信念の分離、情報転移には証拠ブリッジが必要であるといった意味論的原則を強調する。 2. 常時オンの回答ループ：入力は認知状態、ベースモデルのドラフト、一貫性と校正のチェックを経て最終回答を生成する。チェッカーは事実の一貫性、情報の到達可能性、信念の階層、誤りの曖昧性解消、回答の粒度に注目する。 3. 対話意思決定戦略：SOTOPIA などの環境において、認知状態をさらに行動戦略へとマッピングし、行動戦略の欠如による過度な受動性や低情報行動を避ける。 プロジェクトは CogToM と SOTOPIA-Hard の二種類の評価を提供する。CogToM は現在、診断および回帰ツールとして機能し、SOTOPIA-Hard は主要な手法検証環境である。README には state fidelity、answer checker、SOTOPIA-Hard の実験データが記録されているが、これらは研究証拠であり製品能力の宣言ではないことが明記されている。正向 holdout シグナルは、事前定義された反復実験とクロスベースモデル転移によって検証される必要がある。 リポジトリには歴史的な CogToM runner スクリプトも含まれており、DeepSeek API を通じてベースラインまたは診断テストを実行できる。リアルタイムの実行状態は STATUS.md を唯一の事実源とする。