Surface-Mode Failure のリスク

Surface-mode は、LLM が推論を停止し、表層的特徴の模倣に集中する危険状態です。AIKernel のアーキテクチャは、この failure mode を構造的に防止するよう設計されています。

1. Surface-Mode Failure とは何か

Surface-mode とは、LLM が抽象推論を放棄し、表層的特徴（style、examples、templates）の模倣のみを行う状態です。

この状態では、LLM は「thinking」をやめ、「見えたものをコピー」するだけになります。

2. Surface-Mode の特徴

アップロード済み文書に基づく特徴:

• style のみを模倣する
• inference を実行しない
• structure を理解しない
• task purpose を失う
• 推論能力が急速に劣化する
• self-correction 能力を失う

self-correction が失われる理由

Surface-mode では、モデルは「見た目」を正しさとして扱い、誤り検出・修正に必要な抽象比較基準を失います。

結果:

• 誤りを認識できない
• 推論を軌道修正できない
• 実質的にデバッグ不能になる

これは AI システムにとって致命的です。

3. なぜ Surface-Mode が発生するか（Attention Pollution との関係）

Surface-mode は attention pollution の直接結果です。

メカニズム

• examples と templates は高 token 密度かつ強い attention「重力」を持つ
• 抽象構造は token 密度が低く、attention 競合に負ける
• モデルは表層構造へ引き寄せられる

Few-shot 信仰の崩壊

Few-shot examples は最強の attention polluter であり、surface-mode の最強トリガーです。

AIKernel は Few-shot を構造毒として扱い、推論への混在を禁止します。

4. トリガー

トリガー:

• examples
• stylistic mimicry instructions
• templates
• RAG fragments

いずれも attention 重力源として働く表層構造です。examples は最も強いトリガーであり、LLM を即座に surface-mode へ押し込み得ます。

5. Failure Mode としての重大性

Surface-mode は単なる品質劣化ではなく、推論能力の喪失です。

重大である理由:

• inference が停止する
• purpose が attention を駆動できず、タスク完遂不能になる
• RAG との混在で hallucination が増加する
• deterministic replay が破壊される
• examples と style に制御を奪われる
• self-correction が消失し、デバッグが不可能になる

AIKernel はこの failure mode の予防を最優先します。

6. 緩和策（AIKernel のアーキテクチャ保護）

アップロード済み緩和策を OS レベル設計として再定義:

6.1 examples の隔離（ExpressionContext）

• 推論へ examples を混在させず、出力整形のみに使用
• surface-mode の最強トリガーを遮断

6.2 inference 層と expression 層の分離

• OrchestrationContext（inference）
• ExpressionContext（expression）
• MaterialContext（material）

この 3 層分離により、表層構造が推論を汚染することを防ぎます。

6.3 attention pollution の防止

• Category separation
• RAG の materialization
• history の要約と分離
• attention における抽象構造の優先

これらは surface-mode を防ぐ OS レベル機構です。

7. AIKernel の役割

— surface-mode 重力から知能を救出する OS

表層構造は強い attention 重力を持ちます。放置すると LLM は重力井戸へ落ち、推論能力を失います。

AIKernel は次を通じて推論を重力井戸から引き戻す「脱出速度」を提供します:

• category separation
• context isolation
• preprocessing-first design
• structure-first prioritization

これらの機構が LLM を surface-mode から遠ざけ、抽象推論へ導きます。

8. 関連文書

• Principles of Information Category Separation
• Context Isolation Specification
• Attention Pollution Theory
• Preprocessing vs Prompting
• AIKernel vs LangChain — Structural Comparison

変更履歴

• v0.0.0 / v0.0.0.0: 初期ドラフト
• v0.0.1 (2026-05-06): ドキュメント規約に基づくバージョン更新