三つのAIモデルが、あなたのコードは安全だという点で一致しています。それは三つの確認のように見えますが、一つの誤りを三回数えたものかもしれません。この平易な言葉で書かれた手引きでは、異なるベンダーのモデルがそれでも同じように失敗しうるのはなぜか、モデル間の一致がどのような場合に証拠として数えられるのか、そして代わりに何をチェックすべきかを説明します。
姉妹編：Agentic Stemmatics: Collation, Provenance, and Conservation for an Emerging Machine Textual Tradition（英語）（Soons、2026年、v1.41。doi:10.5281/zenodo.22030516 （コンセプトDOI。常に最新の寄託バージョンへ解決するDOI）。最新の寄託はv1.41、2026年10月18日に寄託、バージョンDOIは10.5281/zenodo.23458161）
この手引きは論文の論証を説明するものです。論文に対する独立した証拠ではなく、両者が異なる場合はどこでも論文が優先します。この手引きは一つの規則に従っています：論文が述べていないことは述べない、ただし三つの明示された例外を除き、それぞれは現れる箇所にその旨を表示しています。ここでの文が論文より強い場合、それはこの手引きの欠陥です。何が主張され、何が退けられているかは、論文自身の§13に照らしてチェックできます。
レビューを委託しようとしていますか？顧客が推論してよいこと、してはならないことを扱う第7節から始めてください。他の節は、その背後にある理由づけを示します。
三つのAIモデルがあなたのコードをレビューします。三つとも安全だと言います。それは三つの確認のように見えますが、一つの誤りが三回繰り返されたものかもしれません。
企業名が異なることで決着がつくわけではありません。モデルは重なり合う素材から学習したかもしれませんし、一方が他方の出力で訓練されたかもしれません。したがって、その一致には共通の原因がありうるのです。それを別個の確認として数える前に、モデルの誤りがどのように関係しているかを理解する必要があります。
写本研究者も同様の問題に直面しています。三つの写本が同じ欠陥のある写本に由来するなら、三つともその誤りを繰り返しているかもしれません。写本を数えても、それらに共通する字句が正しいかどうかはわかりません。研究者は、写本どうしがどのように関係しているかも調べなければなりません。本文の関係についてのこの研究をステンマ学（stemmatics）と呼びます。
agentic stemmatics（エージェント・ステンマ学）は、この学問分野の教訓が、AIモデルを研究しその出力を判断するうえで私たちの助けになりうるかどうかを問います。論文は、互いに結びついた三つの取り組みを展開しています：
これらは、その有効性がまだ検証されなければならない提案です。
AIの評決は、支えを必要とする主張です。エンジニアは、コードを実行する、テストを走らせる、仕様を参照するといった方法で、そうした主張が正しいかどうかを確立できる場合があります。適切なチェックが問いに決着をつけるとき、それはレビュアーの意見に優先します。仕様を参照することで決着がつくのは仕様が何を述べているかだけであり、仕様そのものが正しいかどうか、あるいは評決の根底にある世界についての主張が成り立つかどうかには決着がつきません。決定的なチェックが常に利用できるとは限りません。
そのようなチェックが問いに決着をつけられない場合、より難しい問題が残ります：注意深く検討されたモデル間の一致は、評決を信頼するのに十分な根拠を与えうるのか？論文は、それができると確立してはいません。論文はこの問いを調べる方法を提案しており、そこには、まだ構築されていないレビュアーの従属性の測定も含まれます。
この手引きで「プラクティス」と呼ぶのはCounterProofで、論文の方法を用いた敵対的レビューを販売しています。論文はその著者の金銭的利害（英語）を開示しています。論文はこの方法がより良いコードを生み出すとは主張しておらず、プラクティスが販売する敵対的レビューの量が生成器の実際の誤り率（出力がレビューされるモデルの誤り率）に見合っているかどうかを測定するものは論文の中に何もない、と率直に述べています。こうした限界は、見込み顧客にとってだけでなく、論証にとっても重要です。
通常のコンピュータプログラムは、原理的には一行ずつ読むことができます。その振る舞いはそのテキストから導かれるので、十分に辛抱強い読み手なら原因から結果へとたどることができます。言語モデルの出力は違います。難しさは、大規模なコードベースが複雑であるのと同じ意味でシステムが複雑だということではありません。その回答は一歩ずつの導出ではないのです。それは主張です：このコードは正しい、ここに脆弱性はない、これらのテストは通る。自信、流暢さ、内部的な一貫性は、その主張に裏付けがあるかどうかを信頼できる仕方で示してはくれません。
これ以降のすべては、一つの構造的な事実から始まります：同じ仕組みが、根拠のしっかりした回答と根拠のない回答を生み出す。研究者たちは、内部信号が原理的にはその二つを区別しうるかどうかを調べています。初期の結果はまた、モデルが自らの推論について書いた説明が、その回答を生み出した計算から乖離しうることを示唆しています。それは慎重であるべきもう一つの理由を与えてくれます。しかし、内部信号についての研究は、モデルを日々使う人が利用できる検証ではありません。回答の流暢さも、回答が自らについて語る説明も、この二つの場合を信頼できる仕方では区別できません。それでも、決定は下されなければならないのです。
AIの出力は、法廷や歴史家が証人の証言を扱うように扱ってください：重みを量り、突き合わせ、その出所を特定するのです。自信に満ちた語り口も、他の証人との一致も、それが真実かどうかに決着をつけはしません。
同じモデルに同じ問いを二度尋ねると、異なる回答が返ってくるかもしれません。このプラクティスはその不安定さを非公式に観察してきましたが、ここで測定された率を示すものではありません。要点は、それぞれの回答が分布、すなわちそのモデルが生み出しがちな回答の幅からの一回の抽出（draw）だということです。したがって、一つの出力を評価するだけでは足りません。それを生み出したモデルの傾向も評価する必要があります。
これは警戒を促す回答にも等しく当てはまります。深刻な問題を指摘する所見も、やはりその分布からの一回の抽出です。それは、どれほど説得力があるように聞こえても、実際のコードに照らしてチェックすべき主張であることに変わりありません。チェックにはコストがかかり、そのコストは勘定に入れなければなりません。
論文は、モデルが書いたコードがそれ自体として検出可能なほど異なる、あるいは劣っているとは主張していません。論文に一つだけあるエージェント生成コードのベンチマークは、より狭い論点のために引用されています：人間が脆弱性を持ち込み、それが後に修正された実際のコミットから作られた課題において、その12のエージェント構成のそれぞれで、機能テストを通過した解答の大半がその欠陥についてのセキュリティテストに失敗しました。そして、この研究はモデルが訓練中にそれらのプロジェクトの履歴を見ていたかどうかを問うていないため、書き写しと独立の再発明とを見分けることはできません（論文の§11.8）。
モデルから出てきたコードも、やはりプログラムです：その振る舞いはそのテキストから導かれ、他のどのプログラムとも同じように読み、実行することができます。異なるのは、そのコードについてのモデルの説明です。その説明は主張であり（論文の§1）、根拠のしっかりした主張と根拠のない主張を等しく生み出す仕組みによって作られたものです（上述）。そして、なぜそう書いたのかというモデルの説明も、その仕組みのもう一つの出力であり、初期の結果が示唆するところでは、その背後にある計算から乖離しうるものです（上述）。また、単一の回答が証人なのでもありません：もう一度尋ねれば異なるコードが返ってくるかもしれず、それぞれのバージョンは同じ分布からの一回の抽出です（上述、論文の§3）。
レビューにとって最も重要な違いは、一致が何を意味するかです。写本伝承では、独立した写字生なら犯しそうにないほど特異な誤りを共有する二つの写本は共通の出所の証拠となりますが、それは、書き写しが、書き写される写本の誤りをそのまま引き写す頻度が、独立の書き写しがその誤りを生み出す頻度よりはるかに高い限りにおいてです（論文の§2、第4節が二つの条件を示します）。今日のモデルの間では、誤りを共有する二つのシステムが別の理由で似ていることがありえます：重なり合う素材で似た目的に向けて訓練されているため、似た分布を近似し、どちらも他方を書き写すことなく同じ最も確からしい誤りを返しうるのです（第4節、論文の§4）。共通の誤りはよくあることで、利用できる測定は、そのうちどれだけの割合が書き写しなしに生じたのかを示していません。論文が最初の論証を置き換えたのはそのためです：共通の特異な誤りからの写本の推論は、モデルの共通の誤りにそっくりそのまま移せるものではなく、独立の起源がありそうになく、かつ由来によって一致が大幅により確からしくなる場合にのみ、完全な力をもって移せるのです（論文の§3、第4節）。
モデルとともに書く人も、この外側に立っているわけではありません。モデルの影響を受けた人間の文章は、モデルの出力が訓練データへ戻っていく四つの経路の一つであり（論文の§6）、論文は、最近の生物医学分野の抄録のうちAI支援による執筆の兆候を示すものの測定された割合を報告しています（第5節、論文の§4）。論文のテーゼは、これらの経路を通じて機械の本文伝承が生まれつつあるというものです：出力が後のコーパスへ戻るにつれて、由来は復元可能になるかもしれない一方で、それ以前の、大部分が人間の手で書かれた素材は取り戻しにくくなっていきます。論文は、測定しないままに、継承された割合は現在は小さく、増えつつあると主張し、その予測がどのように外れうるかを述べています（第5節、論文の§§6および11）。
したがって、この手引きが繰り返し立ち返る問いは、モデルのコードが違って見えるかどうかではなく、そのコードについて何が確立できるか、そして何によって確立できるかです：機械的チェックがある場合にはそれによって、ない場合には、独立性が仮定されたのではなく測定された一致によって（第3節と第6節）。
コードについての問いの中には、機械的な答えが得られるものがあります。コードを実行し、型チェックし、テストし、証明し、あるいは仕様を参照することができます。私たちはこれらを決定可能な問いと呼びます。この語は実用的な意味で用いています：何らかの機械的チェックがその問いに決着をつけられる、という意味です。計算可能性理論で使われる厳密な意味ではありません。そのような問いについては、次の一手はチェックを実行することです。
他の問いには、利用できる機械的チェックがありません。この設計は健全か？再現できない所見は本物の欠陥か？それはどれほど深刻か？この契約条項は何を意味するか？これらは判断を要する問いです。どんな実行もこれらに決着をつけることはなく、評決は証言から組み立てなければなりません。
この区別は重要です。決定可能な問いには、機械的チェックが到達できる事実があります。判断を要する問いには、ただ一つの正しい答えがないかもしれません。コードの品質は、適用される仕様に左右されることがよくあります。二人のレビュアーの意見が一致しないのは、一方が間違えたからではなく、異なる、しかし等しく正当な問いに答えているからかもしれません。
この研究プログラムは次のように問います：
複数の証人のうち誰一人として個々には信頼できず、しかもそれらが本当に互いに独立なのか、それとも全員が同じ理由で同じ誤りを犯しているのかもわからないとき、どうすれば信頼できる評決を引き出せるのか？
この問いは三つの部分からなります：
研究論文は、どの回答を信頼すべきかを見極めるためにAIレビュアーの回答を比較することを、校合（collation）と呼びます（用語集の校合の項を参照）。
明白なアプローチは、複数のモデルに尋ねて多数派に従うことです。一致は、レビュアーの関連する従属性が評価されている場合には、主張を強めることができます。しかし論文は、多数決がいつ信頼できるかについての完全な規則を確立してはいません。
2つの公開リーダーボードと1つのスクリーニング課題で350超のモデルを調べたある研究は、モデルがしばしば同じ誤答を共有することを見出しました。ペアの両方のモデルが誤っていたとき、両者は偶然から予測されるよりもはるかに頻繁に同じ誤答を出していました：一方のリーダーボードでは平均して60%、もう一方では42%の割合です。より能力の高いモデルほど、その誤りはより強く相関していました（Kim, Garg, Peng & Garg, ICML 2025）。
この研究には異なる企業のモデルどうしのペアも含まれていましたが、それらのペアについての別個の分析は報告されていません。その統計モデルは、一方のリーダーボードでは一致のより多くの部分を共通のベンダーよりも能力に帰し、もう一方のリーダーボードではその逆でした。一致の大半はどちらにも帰されませんでした。
論文はこの知見から条件付き推論を導いています。もし能力が、企業内だけでなく企業をまたいでも相関を駆動しているのであれば、異なる企業のより能力の高いモデルからなる集団は、企業の組み合わせそのものが何を寄与していようと、比較可能なより弱いモデルの集団よりも、より強く相関した誤りを犯すことになります。この知見はスナップショットです：このパターンが時間とともに変化しているかどうかは測定されていません。
対立する二つの見解を考えてみてください。一方は、複数のレビュアーの間の一致は意味のある証拠だと言います：個々のレビュアーは信頼できず、一致なしにはAIの出力をレビューすることは望みがない、と。もう一方は、一致には価値がないと言います：レビュアーが訓練データ、方法、あるいは基盤となるモデルファミリーを共有しているなら、一致はまさに予想されて然るべきものだ、と。これらは問題を浮き彫りにするために意図的に単純化した立場であって、論争の完全な説明でも、誰かがどちらかの見解をこれほど整然と抱いているという主張でもありません。
どちらも独立性を、パネルが編成された瞬間から持っているか欠いているかのいずれかであるものとして扱っています。そうではなく、独立性は問いの種類ごとに評価される必要があります。二つのシステムは、メモリ安全性のバグをレビューするときにはほぼ独立でありながら、暗号プロトコルをレビューするときには事実上単一の証人であるかもしれません。ベンダー名だけでは、どちらに当たるのかは分かりません。
これが解消するのは両者に共通する前提であって、従属性を測定するという実際上の難しさではありません。一致は、関連する従属性が評価されている場合には主張を強めることができます。その評価がなければ、一致は未検証の測定器の読み取り値です。
提案されている測定器は、問いの種類ごとに、レビュアーがどれほど頻繁に同じ誤りを犯すか、そしてその癖がどれほど異なるかを追跡するものです。それは構築されていません。構築されたとしても、不確実性を狭めることはできても、なくすことはできません：パネルの独立性は、そのパネルの内側から完全に検証することはできないのです。論文はこれを恒久的な限界として扱っています。
論文の主張は条件付きです：レビュアーの独立性が未測定であるか、損なわれていると分かっている場合、多数決は安全ではありません。一致が相関している場合、投票は同じ誤りを、あたかもそれぞれの出現がその誤りを確認したかのように、何度も数えてしまうことがあります。単純な投票の閾値はまた、多数派が盲点を共有しているとき、真の少数派の所見を却下してしまうことがあります。この第二の点は第一の点からの論文の推論であって、論文が引用する研究によって直接測定された結果ではありません。
投票はそれでも正当な目的に役立ち得ます：誤警報とアラート疲れを減らすこと、大規模に安価なトリアージを提供すること、そして独立性が成り立つときに統計的な利得を生むことです。論文のレビュアーはこの場合を提起し、論文はそれを扱わないままにしていたことを認めています。
まだ査読を経ていないあるプレプリントは、MMLU-Proにおいて、最良のモデルを事後的に特定した場合、3モデルの組の約10%で多数決が単一の最良モデルを上回ることを見出しました。最良のモデルをホールドアウトした問題を使って選んだ場合、この数字は約19%でした。その著者は、共通の誤りの多さと利得の低さとの結びつきを、控えめで設定次第のものと述べています。投票は迅速なトリアージには有用であり得ます。異議があるのは、投票のそのトリアージ用途を真実を確立する手続きとして扱うことに対してです。
また、異論を唱えるレビュアーが、単に多数派に反対するだけで正しくなるわけでもありません。論文の以前のドラフトはその循環論法を用い、それを撤回しました。より狭い論点は残ります：多数派が相関しているとき、真の少数派の所見をいつか取り戻そうとするのであれば、プロセスは異論を保存し調査しなければなりません。異論はそれ自体では何の信頼性も得ません。それを保存することは、単にその主張がチェックされることを可能にするだけです。
あらゆる異論が割り引かれるなら、相関した多数派は決して訂正されないかもしれません。あらゆる異論が際限なく追究されなければならないなら、頑固な、あるいは信頼性を損なわれたレビュアーが事実上の拒否権を得て、プロセスを圧倒することができてしまいます。
提案されている対応は、機械的チェックが存在する場合には常に、異論をそこへ回すことです。異論は証拠を求めるものであって、権威を供給するものではありません。テストを走らせ、仕様を読み、あるいはコードを実行するのです。二度目の投票は根底にある問いを解決しません。
機械的チェックが存在しないところでは、この提案は不完全なままです。論文はそうした論争について、タイブレーク規則を何ら示さず、コストモデルも何ら示していません。論文は異論を調査するコストが正直に計上されることを要求していますが、要求は実装された手続きではありません。
論文の設計に対して別々に委託された四つのレビューは、促されることなく、同じ批判に収斂しました。別々に委託されたということは、レビューがどのように得られたかを記述するものであって、その結論が独立に到達されたことを確立するものではありません。レビュアーたちは、このアプローチについて次のことを見出しました：
したがって論文は、このアプローチが機能するのは少量で重大性の高いレビュー、すなわち小規模なパネルと利用可能な機械的チェックがある場合のみであると率直に述べています。大量のスクリーニングにはスケールしません。真の少数派の所見が稀でノイズが多いところでは、それは偽陽性製造機になります。
答えは二つの別個の部分からなります：
第一の部分：一致。レビュアー間の一致は、その特定の種類の問いに関するレビュアーの従属性が実際に評価されている場合には、主張を強めることができます。論文は、投票がいつ信頼できるかについての完全な規則を提供していません。
第二の部分：単一の「真の」答えを復元すること。これは別個の、より限定された主張です：一つの決定的な正解を取り戻すという言い方は、決定可能な問い、すなわち機械的チェックが存在し、いずれにせよどのパネルよりも上位に立つ問いにのみ当てはまります。判断を要する問いについては、レビュアーのパネルは意見をサンプリングするのです：失われた本来の事実を取り戻すのではありません。多くの判断を要する問いには、取り戻すべき単一の事実が存在しないかもしれないからです。それを「復元」と呼ぶことは、論文の以前のドラフトが犯し、後に撤回した行き過ぎです。
今日、第一の部分の条件は満たされていません：提案されているレビュアーの従属性の評価は実装されていないのです。したがって論文は現在、証言のみに依拠する評決を何ら支持していません。これは、一致の潜在的な価値を決定可能な問いに限定するものではありません。証言のみがいつ評決を信じるのに十分な裏付けを与えるかを、論文が確立していないということです。
復元は、その限界を迂回する別の道を提供しません。機械的チェックが存在するところでは、裏付けはそのチェックから来ます。存在しないところでは、論文はより強い主張を撤回します。論文は、証言のみで十分とすることを許す領域があると確立してもいなければ、そのような領域が存在しないと示してもいません。その問いは開かれたままです。
その間、プラクティスは第7節で述べるとおりに評決をクローズします。校合は、広い領域にわたって安価で継続的なトリアージを提供し、より注意深く高価なチェックを有望な所見へと向けることを意図しています。この役割は提案されたものです：実際の規模で運用されたことも実証されたこともありません。それは別個の実際上の限界であって、証言のみによる裏付けのための追加の満たされていない条件ではありません。
校合はまた記録を残します：所見は可能なところでは機械的チェックに回され、異論は保存され、残りの判断は実名の人間が決定します。計画されている将来の実験が校合のみによって裏付けられた評決を生み出すなら、それがこの開かれた問いに答える最初の事例となるでしょう。それまでは、そうした事例は約束であって、結果ではありません。
この方法が検討できるのは、いずれかのレビュアーが提起した所見のみです。すべてのレビュアーが見逃した欠陥を明らかにすることはできません。すべてのモデルが盲点を共有し、誰も異論を唱えなければ、この方法は構成上それに対して盲目です。それに対処するには、モデルの解釈可能性研究や、欠陥を直接捕捉する機械的チェックといった、別のアプローチが必要です。すべてのレビュアーが見逃した欠陥を捕捉することは、このプログラムの範囲外にあります。
第3節には、そこでは満たせない要件が一つ残ります：レビュアーの従属性を評価することです。誤りの相関は課題ごとに直接測定できます。レビュアー同士がどのように関係しているかを知ることは、その相関を説明する助けになりえます。
手写本を研究する学者たちは、まさにこの問題に直面し、そのための方法を発展させました。彼らは現存の写本の家系図を復元し、次に各写本のその家系図における位置に照らして一致を解釈します。いくつの写本が一致するかを数えるだけでは十分ではありません。その家系図がステンマ（stemma、写本の家系図）であり、その方法がステンマ学（stemmatics）です。論文は、AIモデルを対象とする類似の仕事の名称としてagentic stemmatics（エージェント・ステンマ学）を提案しています。
古典的な方法は、特定の種類の手がかりを探します：二人の独立した写字生が偶然に犯すとは考えにくいほど恣意的な、共通の誤りです。その場合、両者の一致は、共通の、すでに欠陥のある出所からの由来によってよりよく説明されます。
この起こりにくさの条件は当初から方法の一部でしたが、その適用は学者の判断に依拠していました。単純なミス、ありふれた現代化、馴染みのある言い回しへ向かう自然な訂正は、独立した写字生でも容易に行いうるため、除外されました。偶然に生じるとは考えにくい誤りだけが、祖先関係についての情報を担っていました。
生物学も同じ区別をします。収斂は、無関係な種が独立に似た形質を発達させるときに起こります。共通の祖先からの継承は、祖先を共有しているためにその形質を持つときに起こります。
論文の以前のドラフトは、モデルに共通の誤りが共通の訓練の系譜の証拠であると主張していました。レビュアーがその主張を退けたのは正しかったのです。重なり合うデータで似た目標に向けて訓練されたモデルは、どちらが他方を書き写すこともなく、同じもっともらしいが誤った答えに達しうるのです。
通常の説明は、訓練によって同じ誤答が最も容易で最も確からしい誤りになる、というものです。これは作業仮説であって、測定された原因ではありません（用語集のアトラクターを参照）。論文は、写本研究者の除外規則をモデルに適用することを提案しています：共通の誤りが系譜上の重みを持つのは、独立の出現が起こりにくく、かつ共通祖先によってそれが大幅により確からしくなる場合のみです。その誤りは、単独で評価しても、他の共通の特徴と併せて評価してもかまいません。
モデルに共通の誤りはよくあります。論文で検討された研究は、そのうちどれだけがありふれたミスで、どれだけが祖先関係を物語る手がかりでありうるかを確立していません。
この訂正は、本文研究と生物学でよく知られた、収斂か継承かという問題を示しています。この手引きがこの対応関係を記録するのは、枠組みが内的に整合しているしるしとしてのみであって、枠組みが正しいことの証拠としてではありません。第5節は、枠組みがなぜ失敗に開かれたままでなければならないかについての締めくくりの議論で、この注意に立ち返ります。
モデルには、言い回し、構造、書式についての安定した癖があります。Sunら（ICML 2025）は、5つのシステムを識別する際の97.1%の精度を、言い換えに対する頑健性とともに報告しています。
それが測っているのは、システムをどれだけよく識別できるかです。ある癖が独立に出現することがどれほど起こりにくいか、あるいは共通祖先がそれをどれだけより確からしくするかは測っていません。祖先関係の推論には両方が必要です。
よく知られたモデルの癖が、この問題を示しています。2022年より後にリリースされたいくつかのモデルは、「delve」のような少数の語を過剰に使います。同じ過剰出現は、人間による科学的な文章にも現れます。共通の訓練手法は、モデルのパターンの一つの可能な説明であって、確立された原因ではありません。この癖だけでは、偶然、モデルの共通の作り方、継承を区別できません。現在の証拠では、それは由来を確立しません。
したがって論文は、二種類の信号を分けています。
設計されたマーカーは、通常ウォーターマークと呼ばれ、より明確なケースを提供します。統計的マーカーが教師モデルの出力に仕込まれ、次にその出力で訓練された生徒モデルの中に探されます。その独立の出現は設計によって起こりにくくされており、実験的研究はその継承を実証しています。
生徒モデルの内部にアクセスできる条件で、Sanderら（NeurIPS 2024）は、教師モデルが生成したファインチューニング用の指示のうちわずか5%がマーカーを含み、残りが同じ教師モデルのマーカーなしの出力であった場合に、マーカーを検出しました。残りが人間の書いたテキストであった場合でも、検出は10%でなお機能しました。Panら（ACL 2025）は、強く学習されたマーカーが通常の言い換えに耐えることを示しました。マーカーは、マーキング規則を割り出した攻撃者によって、マーク付きテキストを希釈することによって、あるいは生徒モデルのテキスト生成時の中和ステップによって、除去されえます。
これは、別の出版社による書き写しを検出するために参考図書に時折置かれる、意図的な偽の項目に似ています。独立した著者が同じ誤りを犯すことはありうるため、ありふれた誤りは書き写しを確立しません。独立の出現が起こりにくい、仕込まれた特徴の方が、より明確な検出器を提供します。
自然に生じた癖は、まだ同じ信頼を得ていません。それらには、共通の誤りに求められるのと同じ精査が必要です：ある癖、あるいは癖の組み合わせは、独立の訓練のもとでどれほど起こりにくく、共通祖先のもとでどれだけより確からしくなるのか？論文で検討された研究のどれも、その測定ツールをまだ提供していません。
生徒モデルを名指しされた候補の教師モデルと直接比較する検証は、多数の既知のシステムの中に分類する検証よりも、この問いに近づきます。論文が提案する検証実験は、このアプローチに依拠すべきです。それが関連する起こりにくさの問いに取り組むからです。
写本研究は、有意な共通の誤りを用いて祖先関係をたどります。論文は、モデルにおける有意な共通の癖を用いて類似の仕事を行うことを提案しています。その規則は、検証されるべき提案です：
共通の癖、あるいはその従属性を考慮に入れた上で併せて評価された複数の癖は、独立の出現が起こりにくく、かつ由来によってそれが大幅により確からしくなる場合にのみ、共通祖先の強い証拠と見なされます。
安定した、識別力のある癖のすべてがこれらの条件を満たすわけではありません。モデルに共通の誤りはよくありますが、論文が検討する研究は、そのうちどれだけの割合が書き写しなしに生じたかを確立していません。少なくとも一つの目立った共通の癖は、現在の証拠ではこの検証を通りません。方法全体が写本からモデルへ移転できるのは、用いられる特徴についてこれら二つの条件が満たされ、チェックされる場合のみです。それらが証拠のカテゴリー全体について成り立つと仮定することはできません。
条件が満たされる場合でも、それらはどのモデルがどのモデルに由来するか、あるいは伝達経路を特定しません。
論文のバージョン0.1は、由来なしに生じうる共通の誤りを由来の証拠として扱っていました。v1.39で第二の条件が追加されました：由来は共通の特徴を大幅により確からしくしなければならない、という条件です。
まだです。これは、検証可能な予測を伴う研究プログラムです：モデル世代間の伝達（transmission）が増大すれば、ステンマ学的比較は時間とともによりよく適合するようになる可能性がある、という予測です。論文はその増大を測定していません。出所が混ざり、稀な形が失われることで、逆に祖先関係の復元がより困難になる可能性もあります。
写本研究という分野が存在するのは、ひとえに書き写された伝承が実際に時間とともに劣化するからです。AI生成のテキストがAIの訓練データへ還流することも、劣化を示し始めています。この観察が議論の基礎にあります。それは、モデルが文字どおり写本であることを必要としません。予測は、この発展しつつある伝承にこの比較がどれだけよく適合するかに関するものです。それは、この比較を用いるレビューが今日どれだけ信頼できるかについては何も述べません。予測を反証しうる検証は、以下に示します。
注意深い懐疑論者は、第2節から第4節のすべてを認めた上で、なお反論できます：これは類比にすぎません。モデルは写本ではありません。あるのは訓練の実行であって、写字室でも、手から手への伝達によって次第に劣化していく原本でもありません。信頼性エンジニアは何十年も前から共通の故障を理解してきました。写本研究の語彙を借りることは、新しい言葉を加えるだけで、推論を引き出す新しい力は何も加えません。
論文は、およそ2023年から2024年についてはこの大部分を認めています：その期間については、懐疑論者が正しいのです。モデルに共通の誤りはよくあり、書き写しなしに生じえました。第4節が述べるように、検討された研究は、そのうちどれだけの割合が書き写しなしに生じたかを確立していません。
伝達そのものはもっと早くに始まっていました。2022年より前に、モデルが生成したテキストはすでに、教師モデルの出力で訓練された生徒モデルを通じて、またウェブコレクション内のテキストを含む機械翻訳されたテキストを通じて、訓練に入り込んでいました。これらの例は、伝達が起きたことを確立します。それらは、当時の伝達の規模もその後の増大も測定しておらず、モデルの出力からどれだけの祖先関係を復元できるかも確立していません。共通の誤りだけでは系譜を確立しません。その意義は、提案された規則のもとで評価されなければなりません。
論文は、研究対象そのものが変化していると論じています。モデルの出力は、後の世代の訓練に使われるデータへ還流します。論文は、その増大を測定することなしに、この還流が、より古い書き写しの慣行に対応関係を持つ四つの経路を通じて増大していると論じています：
以下の帰結の大半には、写本研究に近い対応関係があります。その証拠としての地位は異なり、留保が重要です。
層の形成。各モデル世代は、後の世代が継承する、追跡可能で年代を特定できる癖を残すかもしれません。原理的には、この伝承が発展するにつれて、系譜はたどりやすくなりうるでしょう。出所が混ざり、稀な形が失われることで、逆に手がかりが消えてしまう可能性もあります。
第4節の条件はなお支配的です。これらの癖は候補の手がかりです。共通祖先の強い証拠と見なされるには、一つの手がかり、あるいはその従属性を考慮に入れた上で併せて評価された一組の手がかりが、独立の起源のもとで十分に起こりにくく、共通祖先のもとで大幅により確からしくなければなりません。検討された研究のどれも、その測定をまだ提供していません。
モデル崩壊。各ラウンドで合成データが実データを置き換える置き換えのもとでは、AI生成の出力での訓練を繰り返すと稀なパターンが侵食されます。ありふれた「安全な」構文が珍しいものを押しのけます（Shumailovら、Nature、2024年）。合成データが代わりに実データと並んで蓄積する場合には、言語モデルの実験は、研究された設定では崩壊が回避されることを見出しました（Gerstgrasserら、2024年）。後者はプレプリントであり、別個の知見であって、Shumailovらの主張の一部ではありません。
論文は、置き換えの結果を、馴染みのある「より易しい」読みへの写本のドリフト、すなわちlectio facilior（より易しい読み）と比較しています。論文はその書き写しのドリフトを凡庸化（banalisation）と呼びます。確からしいものを好む書き写しの繰り返しは、稀な内容をすり減らしうるのです。提案される対応関係は、これらのパターンの間のものです。モデルでは、この選好は訓練から来ます。写本では、書き写しの癖から来ます。論文は、写本とモデルが同一だとは主張していません。
年代の確かな最古の出所の価値。2022年より前に生み出されたテキストは、比類なく価値のある参照層を提供します。比較対象は核実験以前の鋼です：その価値は、固有の優越性ではなく、素材の年代と来歴から来ます。2022年より前のテキストは利用可能な最古の大きな層ですが、機械生成のテキストを含まないわけではありません。それをベースラインとして有用にしているのは、来歴が知られている場合の、その来歴です。
論文は、来歴が知られていることを条件に、この層は後の伝承が発展するにつれて価値を増すと論じています。その後の伝承の増大は測定されていません。データの出所を追跡することは、事実上、アーカイブの規律になります。
仕込まれたマーカー。ウォーターマークと書き写し防止のフィンガープリントは、意図的に仕込まれた手がかりです。その実証された継承は、モデル世代間で伝達が起きることについて、現存する最も明確な実験的証拠を提供します。
保存の機会。論文は、何世紀もの喪失の後に復元するのではなく、形成されつつある伝承をそのまま保存することを提案しています。暗号学的ハッシュ、封印されたスナップショット、データの出所の記録が、この仕事を支えうるでしょう。
コードは、この伝承の中で最もよく保存されている種類のテキストです。バージョン管理は、以前の状態をハッシュとタイムスタンプとともに、またプロジェクトが署名する場合には署名付き記録とともに保存できます。履歴が残っていれば、コードベースの2022年より前の状態は、復元すべき失われた原本ではなく、チェックアウトできるファイルかもしれません。この種の先を見据えた保存がどこかで成功しうるとすれば、それはここです。
セキュリティ上の帰結。欠陥のあるコーディングパターンは、ある年にコミットされ、スクレイピングされ、2年後にはモデルに訓練によって取り込まれている可能性があります。設計されたマーカーは伝達を実証しており、論文はまた、参照に基づく教師モデルの検証からの証拠も記録しています。自然に生じた癖が祖先関係の復元を支えるかどうかは、未解決のままです。伝達の議論をセキュリティに関わるコーディングの誤りに拡張することは、論文が直接の研究を報告していない、さらなる推論です。その拡張には慎重な検証が必要です。
計画中の研究は、特定の欠陥パターンを時間をさかのぼって追跡することになります。この推論が成り立つなら、脆弱なパターンは、毎回独立に再発明されるのではなく、訓練データを通じて継承されうることになります。そうなれば攻撃者は、将来のモデルが模倣を学習するような微妙に壊れたパターンを、公開リポジトリに意図的に仕込むことができます。この見方では、共通の訓練コーパスは、レビューが知りうることの限界であると同時に、相関した失敗を仕組むことのできる攻撃対象領域でもあることになります。
論文の外にある、日付のある二つの出典が、このセキュリティ上の帰結に関わります：2025年末のポイズニング研究と、2026年5月の実務家の発言です。どちらも冒頭で述べた規則に対する明示された例外であり、別添に収められています。
時間を通じた発展についての予測は、連続するモデル世代をまたいで次のいずれかが成り立つなら、失敗します：
今日利用できる検証は、より狭いものです。既存の研究は、いくつかの候補となる方法を提供しています：
このプログラム自身が提案する実験について、論文は、仕込まれたマーカーの部分のみが今日実行できると述べています。これはその実験に対する限界であって、他の検証が信頼できるものになると決して判明しえないという主張ではありません。
より明確にステンマ学的な操作（多数の証人を比較し、自然に生じた、仕込まれていない特徴を家系図へとグループ化すること）には、まだ欠けている測定が必要です。自然に生じた癖、あるいは併せて評価された一組の癖は、独立の起源のもとでどれほど起こりにくいのか？共通祖先のもとではどれだけより確からしくなるのか？第4節が説明するように、検討された研究のどれもこの測定を提供していません。
出力の類似性に基づくツリーはすでに存在します。論文の§7.1は、最も近いPhyloLMを論じています。論文の検索では、偶然のもとでの起こりにくさと継承の確からしさの両方でスコア付けされた特徴から構築され、その上で記録された系譜に照らして検証された、多数のモデルにわたるツリーは見つかりませんでした。論文は、2026年10月の検索を経て、この不在を暫定的なものとして扱っています。長期のプログラムは、今年構築し実行できるものよりはるかに大きいのです。
逆方向に引く証拠もあります。誤りを犯す経路では、より能力の高いモデルの方がより相関しているのであって、相関が低いのではありません。これは一時点におけるモデル間の比較であって、世代をまたいだ比較ではありません（第3節）。
公表もまた、この方法を弱めうるでしょう。プログラムが公の場で成功すれば、将来のモデルは結局その記述や公開された例で訓練されることになり、その検出器は最適化の標的になります。その有効性は低下しうるし、仕込まれたマーカーは継続的な更新を必要とするでしょう。したがって、たとえ伝承がステンマ学的研究により適したものになるとしても、信頼性は時間をかけて検証されなければなりません。論文は後者の発展を予測していますが、測定はしていません。
枠組みは失敗に開かれたままでなければなりません。自らへの反論を予測することは、理論が正しいことを確立しません。その対象がますます理論に適合するようになると予測することも同様です。あらゆる起こりうる結果が枠組みを確認するように見えるなら、議論は反証不可能になっています。論文はこの弱点を、その限界の節で指摘しています。時間とともによりよく適合するという予測は、枠組みをより厳しく検証する理由であって、前もってそれを信じる理由ではありません。
第2節の問いに対する実践的な答えは、四つの作業条件です。これらは、このプラクティスが責任を負う用意のある評決と、第4節および第5節の研究プログラムの両方に適用されます。それぞれが、個々の事例で欠けているかもしれないものを特定します。
コードを実行すること、型をチェックすること、あるいは仕様を参照することで問いに決着がつくなら、パネルの意見はそのチェックの下位に置かれます。証言が扱うのは、機械的チェックと規範的文書では問いに決着がつかない、しばしば相当な大きさの残りの部分のみです。そこでさえ、その役割は、人間の最終決定のもとでのサンプリングとトリアージです。コンパイラがすでに決着をつけた問いを、パネルが裁定（adjudication）すべきではありません。
レビューの重みのうち機械的チェックにかかる割合は、増える一方であるべきです。とりわけ、レビュアーの独立性は最も能力の高いモデルの間で最も低いからです。ここで「機械的チェック」とは、実行、証明、テストを意味します。より多くの仕様を読むことは数に入りません。検証は信頼を取り除くのではなく、移動させます。信頼は、人間の決定者、提案されている独立性の測定、対照、そしてチェックそのものに残ります。研究論文には著者が構築した陽性対照が記録されており、その中には著者による調整が記録された事例が一件含まれます。下に述べる安全装置の失敗は、対照もまた精査を必要とする理由を示しています。
論文はこれをモデルの系統（lineage）と呼びます。単一の評決は、分布からの一回の抽出（draw）です（第2節）。これは、信じたいと思う所見にも等しく当てはまります。警戒すべき脆弱性の報告も含めてです。
ベンダーのラベルや一致するレビュアーの数は、独立性を確立しません。誰が答えたかを知ることも同様です：誰であるかは、答えがどれほど相関していたかを明らかにしません。プラクティスはこれまでに二度、この測定を間違えています（第7節）。測定は不確実性を狭めることはできますが、取り除くことはできません（第3節）。
機械的チェックが存在するところではどこでも、異論をそこに送ります。第3節は、これがどこで機能し、何をコストとするかを説明しています（「異論は仕事を生む」）。第7節は、所見がどのようにクローズするかを説明しています。
プラクティスはかつて、証明のない「何も見つからなかった」という主張を退けるための安全装置を作りました。あるレビュアーがそれを迂回する6通りの方法を見つけました。安全装置自身の5つのテストケースは、そのどれも捕らえていませんでした。この安全装置は、防ぐために設計された失敗そのものを繰り返していたのです。「誰がチェッカーをチェックするのか？」という問いは、どこか最終の層で消えるわけではありません。一つ上の水準へ移るのです。
2026年8月、プラクティスは2つのコードベースで、自らの完全なレビューを一回の安価なパスと比較しました。この比較は事前登録され、ブラインド採点されました。完全なレビューはそのコストに見合いませんでした：一方のコードベースでは負け、もう一方では勝者と呼ぶことができませんでした。
後の監査で、この比較は当初述べられていたほどクリーンではないことが分かりました。安価なパスの再現率（recall）の数値は検索による汚染を受けていたため、方向は維持されますが、差は維持されません。下に引用する公開済みのノートは、さらなる限界を挙げています：コードベースが2つだけで、うち一方は正解表が所見4件分であること、採点者が実験を走らせているモデルと同じモデルベンダーのものであること、完全なレビューが同じ汚染をどれだけ受けたかは知りようがないこと、そしてコストがモデル呼び出し回数で数えられており、それが安価なパスを実際より良く見せること、です。
これはWe measured our own method, and it did not earn its cost（英語）（counterproof.io、2026年9月16日公開）に記された説明です。論文はこの測定を載せていません。この説明は、冒頭で述べた規則、すなわちこの入門書は論文が言っていないことを何も言わないという規則に対する、三番目の明示された例外です。
商業上の約束は、証拠に対して責任を負えるものでなければなりません。そのためプラクティスは、自らのコミットメントを、顧客がチェックできる拒否事項として記述します。
以前の入門書は、一致が意味あるものとして受け入れられる前に、すべてのパネルで誤りの相関が測定されている、と主張していました。それは事実に反していました。提案されている測定器は、作られていません。
以前の二度の試みは、異なる仕方で失敗しました。初期の統計検定は逆向きに設定されていました。後のチェックは、レビュアーの誤りが相関しているかどうかではなく、レビュアーが文字どおり同じシステムであるかどうかを測定していました。二つ目の誤りはレビュアーが捕らえました。一つ目を誰が捕らえたかは、記録には書かれていません。
現在のプラクティスは、提案されている測定よりも少ないことしかしていません：
論文はまた、異なるレビュー手順を区別しています。別々の作業あるいはブラインドの作業と記述しているところでは、どのレビュアーも他のレビュアーの答えを見ていません。そのv1.37の項目は、v1.33とv1.35の確認ラウンドが他の席（seat）の所見を材料として与えていたことを記録しています。どちらの手順も、誤りの測定された独立性を確立しません。
これは独立性を中心に組み立てられた規律であって、独立性の測定ではありません。慎重な証拠の取り扱いを売り物にするプラクティスが、自らの方法論が未構築と記している測定器を宣伝することはできません。この種の誤りは、これまでに二度犯され、二度捕らえられています。この限界を公に述べることは、その誤りの再発を防ぐことの一部です。
意図されている成果物は、懐疑的な読者が精査できる記録です。それがその精査に耐えるかどうかは、読者が判断することです。そこには次のことが記録されます：
スコアはそのような記録を要約することができます。このプログラムはすでに、計算式が事前に固定され、除外項目が明示され、件数がスクリプトから得られるスコアを一つ用いています。それは一つの正当な測定器であり、他の信頼できる採点の形式を排除するものではありません。問題となるのは、基礎にある再実行可能な記録の代わりに差し出される数字、あるいは証明として提示される、未測定の一致の流暢な要約です。
この記録が強力な社内レビューチームと比べてコストに見合うかどうかは、顧客との実験を必要とします。事前に主張することはできません。第6節で明示された例外として記述されたプラクティスの2026年8月の測定は、完全なレビューを一回の安価なパスと比較したものであり、社内チームと比較したものではありません。
この商業的な説明には、さらに二つの限界が重要です。第一に、この枠組みは、売られている慎重さがAI生成の出力における誤りの頻度に釣り合っているかどうかを測定しません。敵対的レビューの売り手には、それを必要だと信じることへの利害があります。この問いは、その利益相反を開示したうえで、未解決のままです。
第二に、論文が2026年8月23日のチェックから報告しているとおり、公開された案件の記録はありませんでした：外部の読者がダウンロードして実行できる報告書も再現可能なアーティファクトもありませんでした。その日付のあるチェックは、記録がどのように構築されたかについての説明を支持します。それは、外部の読者が当時それを検証できたことを確立しません。論文はそれより後の公開チェックを提供していません。
この入門書は入り口です。より完全な議論は論文が提供します。
このプログラムは、AIの出力を判断するための信頼できる測定器を作ったとは主張しません。それが提案するのは、そのような測定器が満たさなければならない条件についての説明と、その説明が誤っていることを示しうる実験です。
第6節の四つの作業条件が実践上の出発点です：機械的チェックに従うこと、モデルの傾向全体を証人として扱うこと、独立性を問いの種類ごとに別々に測定すること、そして不一致を投票ではなく証拠に振り向けることです。三番目は、測定ではなく規律のままです。この方法がより優れたコードを生み出すかどうかを検証するために設計された統制比較は、走る前に中止されました。プラクティスの別個の2026年8月の測定は、明示された例外として、第6節で報告されています。
提案されている作業は三つの部分からなります：
一つ目が失敗すれば、この論旨は深刻な打撃を受けるでしょう。だからこそ、それは走らせる価値のある検証なのです：その結果は、提案に不利に働きうるのです。
これら二つの記述、すなわち2025年末のポイズニング研究と2026年5月の実務家の発言は、冒頭で述べた規則に対する明示された例外です。いずれも第5節（「セキュリティ上の帰結」）のコードリポジトリのシナリオに関わりますが、どちらもモデル間での欠陥のあるコーディングの癖の継承を確立してはいません。
英国AIセキュリティ研究所、Anthropic、アラン・チューリング研究所に、オックスフォードとETHチューリッヒを加えた13人の著者からなるチームによる2025年末の研究は、この文書がこれまでに出会ったなかで第5節のシナリオに最も近いメカニズムを検証しています（Souly、Rando、Chapmanら、arXiv:2510.07192）。その結果は、系譜の継承よりも狭いものです。
著者らは、6億から130億パラメータの密な自己回帰トランスフォーマーを、Chinchilla-optimalなデータセットで事前訓練しています。ほぼ一定の絶対数のポイズニングされた文書、すなわち250件が、検証されたすべてのモデルサイズとデータセットサイズにわたってモデルを侵害します。それらの文書は、一般的な能力に実質的な影響を与えることなく、トリガー条件付きの挙動の変化を植え付けます。
これは、コードリポジトリのシナリオに必要な下位メカニズムの一つを実証しています。すなわち、ポイズニングされた例がすでに訓練データの構成に入っている場合の植え付けです。コードリポジトリのシナリオはそれ以上のことを問います。常時オンのコーディングの癖は、重複除去とフィルタリングを含む通常のスクレイピングを生き延びるでしょうか？実験者たちは訓練データの構成を統制し、トリガーによって作動する挙動を仕込みました。そのより難しいケースは検証していません。
ここで述べた限りでは、この研究はまた、植え付けられた特徴が、最初のモデルの出力で訓練された二番目のモデルに受け渡されるかどうかも示していません。論文は、設計されたマーカーと参照に基づく教師モデルの検証から得られた伝達（transmission）の証拠を記録していますが、欠陥のあるコーディングの癖の継承についての直接の研究は報告していません。
この研究は、第5節の凡庸化（banalisation）の議論にも関わります。攻撃の成功は、クリーンなデータでの継続事前訓練の間に「おおよそ対数的に減衰」しますが、クリーンなデータでの事前訓練だけではバックドアは除去されません。多数派の分布からの圧力の下で浸食されていく少数派の特徴は、提案されたメカニズムの一部に似ています。この研究は、写字生が示すような、より易しい読みへのドリフトをまだ示していません。
アラインメントのファインチューニングは、検証された設定では攻撃の成功をほぼゼロにまで下げます。それは意図的な介入であり、誘導のない伝達にはそれに相当するものがありません。この研究自身が述べる限界は、現実的なポストトレーニングを通じたバックドアの持続性を、未評価であると指摘しています。
C++の設計者であるBjarne Stroustrupは、Ryan Petermanが司会を務めるThe Peterman Podでの2026年5月のインタビューで、関連する懸念を論じています。以下の引用は司会者が公開した書き起こしから取られ、録音に照らしてチェックされました。
AIが生成したコードについて語るなかで、Stroustrupはこう述べています：「訓練データを与えられるとき、それは古いコードで訓練されるほかない…LLMベースのコードは古いコードを模倣しており、古い性能と古いバグを再び手にしていると私は見ている」（1:32:09）。
それより前、バッファオーバーフローとハッキングについての研究と、「実際の数字を伴う」Herb Sutterの講演を思い起こしながら、彼はこう述べています：「90%超は、モダンC++を書かない人々によるものだ」（46:31）。1990年代の最適化の癖が残り続けるのは「技法が人々の頭の中に生き続け、コードの一部が残るからだ」と彼は述べています（1:25:58）。C互換性を保った理由を説明して、Dennis Ritchieの既知の誤りの方を自分自身の未知の誤りよりも好んだと彼は述べており、その選択を「はるかに扱いやすく理解しやすい」と呼んでいます（31:21）。
合わせて読むと、これらの発言は古い技法が人とコードを通じて残り続けることを記述しています。Stroustrupは、古いコードで訓練されたモデルは古いバグを繰り返すと考えています。これは証言であって、伝達の証拠ではありません。どの欠陥も遡って追跡されておらず、系譜も示されていません。彼の言う「バグ」は、モデルが人間の書いた古いコードから繰り返すと彼が考える欠陥です。この発言は、一つのバグを共有する二つのモデルが関係しているという証拠ではありません。
また、それは使用可能な系譜マーカーを特定してもいません。第4節が求める測定は依然として欠けています。すなわち、繰り返し現れる癖が独立の起源の下ではありそうになく、共通祖先の下では大幅により確からしいかどうかという測定です。計画中の追跡研究は、そうした主張を検証するために存在します。
裁定（adjudication）。レビュアーが一致するか否かにかかわらず、各所見について決定することです。機械的チェックが存在するところではそれが決定し、そうでなければ実名の人間が決定します。所見がクローズするのは、それを提起した者がそれを取り下げるか、問題がコードに対して実証されたときのみであり、投票を数えることによっては決してクローズしません。
アトラクター（attractor）。ここでは誤りのアトラクターのことです。複数のシステムが書き写しなしに独立にたどり着く誤答を指します。通常の説明は、それがそれらのシステムの訓練を所与とすれば最も確率の高い誤りだというものです。この説明は原因についての仮説であって、定義の一部ではありません。論文で報告された測定は、共通の誤りがよくあることを確立しますが、そのうちどれだけの割合が書き写しなしに生じたかは確立しません。したがって、共通の誤りだけでは祖先関係は確立されません。文化進化研究はアトラクターを、正しいか誤っているかを問わず、よく見られる安定した形に対してより広く用います。
凡庸化／モデル崩壊（banalisation / model collapse）。凡庸化とは、論文が名指す写本の過程です。易しい形やなじみのある形を好む繰り返しの書き写しが、珍しい形をすり減らしていくことです。論文はこれをモデル崩壊と比較します。モデル崩壊とは、実データを完全に置き換え、実データを混ぜ戻さないモデル生成テキストでモデルが繰り返し訓練されるときに、稀なパターンが失われることです。よく見られる「安全な」パターンがますます支配的になります。代わりに合成データが実データと並んで蓄積される場合には、言語モデルの実験は、研究された設定では崩壊が回避されることを見出しました。置き換えと蓄積の区別は、この主張にとって重要です。
校合（collation）。何が信頼できそうかを判断するために証人を比較することです。ここでは、校合は証人の回答をサンプリングし、突き合わせます。一つの真の回答の復元を保証するものではありません。
汚染／contaminatio（contamination / contaminatio）。第5節（周辺汚染（ambient contamination））では、汚染とはAI生成のテキストが訓練データに入り込むことを意味します。写本研究では、contaminatio（混態）とは、一つの写本が複数の先行する出所からの読みを併せ持ち、その祖先関係の追跡をより難しくしていることを意味します。第8節はこの語を、その作成中に入手可能だった資料の影響を受けた出所という論文の意味で、二つの姉妹編、すなわちこの入門書とProlegomena（序説）の両方に適用します。
決定可能な問い／判断を要する問い（decidable / judgement question）。ここでの語の用い方では、決定可能な問いとは、それに決着をつける機械的チェックが利用できる問いです。コードを実行する、型をチェックする、テストを走らせる、仕様を参照する、といったものです。これは日常的な用法であり、厳密な数学的意味ではありません。判断を要する問いには、そのようなチェックが利用できません。設計が健全かどうか、問題がどれほど深刻か、ある条項が何を意味するか、といった問いです。第1節は仕様を参照することの限界を説明しています。
蒸留（distillation）。選ばれたより大きな「教師」モデルの出力を模倣するように、新しい、通常はより小さなモデルを訓練することです。これは、今日のモデル出力が明日の訓練データに入り込む経路の一つです。
抽出（draw）。「系統」の項を参照してください。
判断を要する問い（judgement question）。「決定可能な問い／判断を要する問い」の項を参照してください。
Lectio difficilior / lectio facilior（より難しい読み／より易しい読み）。テキストの、より難しく通常でない読みと、より易しく予想どおりの読みのことです。写字生は繰り返しの書き写しを通じて後者へとドリフトする傾向があります。論文に従い、この入門書はそのドリフトを置き換え訓練の下でのモデル崩壊と比較します。
系統（lineage）。この語には本書で二つの用法があります。レビューの議論（第6節）では、繰り返しのサンプリングによって特徴づけられる一つの分布として捉えたモデルの回答を指し、この日本語版では「系統」と訳します。個々の回答はいずれも、その分布からの一回の抽出です。第4節と第5節ではlineageを通常の意味、すなわち祖先関係（どのモデルがどのモデルに由来するか、またどのモデルの出力で訓練されたか）の意味でも用いており、この日本語版ではその意味を「系譜」と訳します。
測定された独立性／脱相関（measured independence / decorrelation）。レビュアーの回答が独立かどうかは、問いの種類ごとに別々に、データでチェックしなければなりません。企業名が異なることや別々に委託されたことは、それを確立しません。過去の記録（この文書の付録と論文の変更履歴）では、「脱相関された席」は当時のプラクティスの意図を表しており、測定された性質ではありません。論文のv1.37の項は、v1.33とv1.35のレビューの確認ラウンドが他の席の所見を資料として提供したことを記録しており、したがってこのラベルはそれ自体では、ある席がそれらを見せられなかったことを意味しません。論文がレビュアーは別々に、あるいはブラインドで作業したと述べているところでは、誰も他者の回答を見ていません。その手続きでもなお、彼らの誤りの測定された独立性は確立されません。第7節を参照してください。
仕込まれたマーカー／ウォーターマーク（planted marker / watermark）。モデルの出力に意図的に埋め込まれた統計的シグネチャです。それが後に別のモデルに現れることは、後者が少なくとも部分的には前者のモデルの出力で訓練されたという証拠を提供します。この形の伝達は実証されています。
復元（reconstruction）。単一の決定的な回答を取り戻すことです。この入門書はこの語を、機械的チェックが存在する決定可能な問いに限って用います。これを判断を要する問いに適用することは、論文が撤回した行き過ぎを繰り返すことになるでしょう。
席（seat）。レビューパネル上の一つの位置です。一つの系統からの一つのモデルで、独自の指示書とツールを持ちます。これはプラクティスの定義（英語）です。
ステンマ／ステンマ学（stemma / stemmatics）。ステンマとは、どの写本がどの写本に由来するかを示す、復元された家系図です。ステンマ学はそれを構築する学問分野です。agentic stemmatics（エージェント・ステンマ学）は、モデルの系譜についての類似の作業に対してこの研究プログラムが提案する名称です。
証言（testimony）。法廷が証人の発言を秤にかけるように、秤にかけるべき主張として捉えたモデルの出力のことです。
トリアージ（triage）。より綿密で、よりコストのかかるチェックに値する所見へと注意を向ける、速く安価な最初のパスです。それ自体では最終的な評決ではありません。
敵対的下位祖本（adversarial hyparchetype）。「下位祖本」の項を参照してください。
祖本（archetype）。写本研究では、写本の一族がそこから由来する元のテキストのことです。多くのAIレビューの問いには、それに相当する単一のものがないかもしれません。復元すべき唯一の正しい回答がないのです（第2節）。
推定校訂はできない（cannot emend）。「推定校訂」の項を参照してください。
推定校訂（emendation）。現存のどの写本にも含まれない読みを取り戻す、提案された訂正のことです。失われた原本についての、情報に基づいた推測です。現在のレビュー方法にはこれができません。それはレビュアーが実際に提起した所見のみを扱います（第3節）。
エビデンスの段（evidence rung）。所見がどこまでチェックされたかを記録するラベルで、より高い段を含意しません。これはプラクティスの用語（英語）です。論文は「再現済み」と「読解済み」を用います（第7節）。確認済み所見の四つの段は、最も弱いものから最も強いものの順に、次のとおりです：
これらのいずれにも達しない所見はもっともらしいのみと格付けされます。それは別個の格付けであって、より弱い段ではありません。この項は2026年9月14日に訂正されました。付録を参照してください。
ホモプラシー（homoplasy）。近縁でない種に独立に生じる類似の形質を指す生物学用語です。共通祖先ではなく収斂です。アトラクターに最も近い対応関係にあたります（第4節）。
下位祖本／敵対的下位祖本（hyparchetype / adversarial hyparchetype）。下位祖本とは、複数の現存写本が共有する、失われた中間の祖先です。この入門書の敵対的下位祖本は、提案されたセキュリティリスクを名指します。過去のテキストとコードの共有プールは、レビュアーが独立に知りうることの限界であると同時に、攻撃者が将来のモデルに書き写させるべく壊れたパターンを仕込みうる場所でもあります。第5節の「セキュリティ上の帰結」を参照してください。
固有の癖（idiosyncrasy）。モデルを区別する安定した癖のことです。語の選択、構造、書式などです。モデルの識別に役立ちます。共通祖先の強い証拠と見なされるには、二つのモデルが共有する癖、またはまとめて評価されたそうした癖の一群が、独立の起源の下ではありそうになく、共通祖先の下では大幅により確からしくなければなりません（第4節）。
Leitfehler（指標誤謬）。ドイツ語で「導きとなる誤り」の意です。繰り返されやすいミスとは異なり、共通祖先を支持するに足るほど起こりにくい共通の誤りのことです。第4節はこれを祖先関係を物語る手がかりと呼びます。
最古の証人（oldest witness）。2022年より前のアーカイブのことです。大規模に利用できる年代の確かな最古の層であり、本質的により優れたテキストとしてではなく、ベースラインとして有用です。機械生成の資料を含まないわけではありません（第5節）。
オラクル（oracle）。決定可能な問いに決着をつける機械的チェックのことです。コードの実行、型チェック、テストの実行、仕様の参照などです。第1節は、この最後のものが何に決着をつけられ、何につけられないかを説明しています。適切なオラクルはパネルの意見に優越します。
多元発生誤謬（polygenetic error）。無関係な出所に書き写しなしに独立に生じる、易しい、あるいは自然な誤りのことです。Leitfehlerの反対であり、第4節がありふれたミスと呼ぶものです。
残余（residue）。機械的チェックと規範的文書が決着をつけられるものに決着をつけた後に残る、しばしば相当な量の判断を要する問いの集合です。第6節はこれを「残りの部分」と呼びます。
封印されたヴィンテージ／来歴マニフェスト（sealed vintage / provenance manifest）。暗号学的に封印されタイムスタンプを付された、データまたはコードのスナップショットで、その時点での状態を後から検証できるものです。
層序学（stratigraphy）。堆積した層を読んでその相対的な年代を確立することです。ここでは、モデル世代が特徴的で年代推定可能な形を残すかもしれません。それらの形が祖先関係の復元に役立つかどうかは、まだ検証されていません。第5節の「層の形成」を参照してください。
このページは、英語原文（バージョン「Draft v0.25, 24 October 2026」）の日本語訳です。翻訳と原文に相違がある場合は、英語原文が優先します。翻訳はClaude系統（Anthropic）のAIアシスタントを用いて行われ、まだ母語話者によるレビューを受けていません。英語の出典からの引用は翻訳してあります。下の改訂履歴が記述する逐語的なチェックは、英語原文に関するものです。
現在のバージョン：v0.25, 24 October 2026, DRAFT、改訂中のまま公開され、外部の編集上のレビューも査読も経ていません。両者が異なる箇所では、論文が優先します。
未解決のレビュー項目：改訂履歴は、Kimiのv0.13の四つの項目と、v0.4で行われた四つの修正について、クローズ待ちと記録しています。
規則：この文書は、論文が述べていないことを何も述べてはなりません（冒頭で述べています）。
その規則に対する三つの明示された例外は、それぞれ登場する箇所にその旨を表示しています：別添のポイズニング研究の段落と実務家の発言の段落（v0.6とv0.7で第4部に追加され、v0.15で別添に移されました）、および第6節にあるプラクティスの2026年8月の測定（v0.14で、当時の第5部に追加されました）です。用語集の席（seat）とエビデンスの段の項、および後者を指し示す第7節の一文は、プラクティスの用語集にあるプラクティス自身の定義を示しています。これらが記述しているのはプラクティスであって、論文ではありません。
論文で何を予期すべきか。この文書が紹介する論文は読みやすいものではなく、それは意図的なものです。密度が高いのです：結果に誰が金銭的利害を持つかの長い申告、詳細なバージョン履歴、そして論文自身の過去の誤りとそれがどう修正されたかを追う説明が含まれます。付録の一つ（何がいつ誤ったかを記録するもの）は、論文の論証部分の節のいくつかよりも長いのです。それは、論文が詫びている欠点ではありません：自信ありげに聞こえるというだけで出所を信用しないことについての論文が、自らの改訂履歴を隠したなら、自らの論点を掘り崩すことになるでしょう。しかしそれは、論文に予備知識なしで入るのが難しいということでもあります。
この文書がProlegomena（序説）とどう異なるか。Prolegomenaは、Kantの1783年のProlegomena to Any Future Metaphysicsを構造上の枠組みとして用いています：読者がすでに認めている事柄から出発し、それが可能であるためにはどのような条件が成り立っていなければならないかを問う彼の方法と、不一致を、隠れた誤った前提を共有していると判明する二つの対立する立場として演出する彼の手法です。その枠組みは、すでにいくらか哲学的素養のある読者には報いますが、そうでない読者には本物の障害となります。この文書は、同じ根底の論証と同じ話題の順序を保ちながら、Kant的な足場を完全に取り払い、すべてを平明な言葉で述べます。枠組みが実質的な働きをしていた箇所（主に、論争の両陣営が同じ仕方で共に誤りうるという論点）では、その論点を保ち、それを運んでいた語彙を取り払っています。ここでの平明な版が、この文書には追いかける余地のなかった問いを呼び起こした場合、あるいは哲学的な枠組みそのものに関心がある場合には、Prolegomenaは読む価値があります。
姉妹編の引用について。2026年10月18日に寄託されたv1.41（バージョンDOI 10.5281/zenodo.23458161）が、現在の正式版です。v1.39以降、論文は中心的な規則を二つの条件付きで述べています：共通の特徴が共通祖先の強い証拠と見なされるのは、それが独立に生じた可能性が低く、かつ由来の下で大幅により確からしい場合に限られる、というものです。v1.41は、言い直された形の不在主張についての文献検索を記録しています。v1.35は論文の訂正改訂で、2026年9月25日に寄託されました（バージョンDOI 10.5281/zenodo.22959463）。v1.33に対する二件の外部レビューを経て、論文はもはや、モデルの共通の誤りが大半は書き写しなしに生じるとは述べず、中心的な規則を確立された結果ではなく検証されるべき提案として述べ、いくつかの記述をその出典が示す内容に訂正しています。復元され検証されたモデルの家系図が未解決の研究課題であるという示唆のv1.33での撤回（論文が論じるPhyloLMは、出力の類似性からそのようなツリーを構築しています）を維持し、この文書の著者表示と同様に、起草に用いたAIの系統（lineage）を名指ししています。その改訂は、複数の開発元のAIレビュアーによってチェックされました（用語集：席を参照）。それは、寄託済みのv1.29本文の可読性の改訂であるv1.31の寄託の後を継ぎ、2026年10月16日のv1.38の寄託がこれに続きました。この文書が反映している訂正は、論文の付録Aに列挙されています。
番号付け。以下の項目と記載のうちv0.24より前のものは、当時の番号付け、すなわち第0部から第7部までを保っています。v0.24で旧第0部は新しい第1節に組み込まれたため、以前の各第N部は現在の第N+1節です。旧#part-6アンカーが開いていた節は現在の第7節です。#part-6へのリンクは現在、第6節を開きます。
凡例：席とは一つのAIレビュアーのことです（用語集：席）。行とは、一つの席が提起した一つの所見のことで、その提起者はその席です。CONFIRM-CLOSED、PARTIALLY-CLOSED、CHANGES NEEDED、REVISE、MERGE-WITH-EDITSのような大文字のラベルは、ドラフト、差分、一連のチェック、またはその席自身の以前の行に対する、その席の評決です。クローズログは下にリンクしたリポジトリです。起草アシスタントはClaude（Anthropic系統）です。
v0.25, 24 Oct 2026, DRAFT、改訂中のまま公開。第2節に小節「モデルが書いたコードは、人が書いたコードと違うのか？」が加わりました。L. J. Soonsの求めにより、この手引きが分散して述べていたことを読者が一箇所で見つけられるようにするためです：論文は、モデルが書いたコードがそれ自体として検出可能なほど異なる、あるいは劣るという主張をしていないこと。そのようなコードは依然としてプログラムであり、他方でそのコードについてのモデルの説明は主張であること。レビューにとって最も重要な違いは一致が何を意味するかであること（写本の場合の、共通の特異な誤りからの推論は、モデルの共通の誤りにそっくりそのままでは移せないからです）。そして、モデルの影響を受けた人間の書き物も同じ生まれつつある伝承に入ること。この小節は論文の§§1から4、6および11（§11.8を含む）から組み立てられており、新たな例外を宣言していません。三つの明示された例外は変わっていません。公開前に、それが依拠する論文の箇所に照らして、Grok（xAI）とDeepSeekがそれぞれ自身の指示書の下でチェックしました：8行と5行で、うち二つは共通であり、その中には、「別の理由でより頻繁に似る」が論文では未測定のままの頻度を述べているというものがありました。DeepSeekの行はすべて、Grokの行は六つが採用されました。Grokの残る二つは、パックがGrokに見せていなかった節（論文の§3、手引きの第6節）に関するもので、見せられた後にその席によってクローズされました。その後、確認ラウンドが二つの席の間で交互に行われ、双方が最終的な文言を見るまで続きました：両席はすべての行をクローズし、三つの節参照をそれらが支える文へと移し、Grokによる最後のラウンドでは未解決のものは何も見つかりませんでした。
v0.24, 23 Oct 2026, DRAFT、改訂中のまま公開。可読性の改訂。L. J. Soonsの依頼により、v0.23からCodex（OpenAI）とともに作成され、起草を担った系統（lineage）であるClaudeによって、v0.23と研究論文（ウェブ版テキストv1.42。これはv1.41の寄託を記録し、それ以外は何も変えていません）に照らしてチェックされました。旧第0部は、読者に対し、この文書の規則と限界を、それらが適用される問題より先に理解するよう求めるものでしたが、具体的な冒頭部に置き換えられました：三人のレビュアーが一つの誤りを繰り返しうるのは、一つの写本から書き写された三つの写本が一つの誤りを継承しうるのと同じです。この手引きはいま第1節から第8節までで構成され、その相互参照は番号が振り直されています。この付録の項目とエントリは、それぞれの時点の番号付けを保っています。文は短くし、詰め込まれた段落は小見出しの下に分割し、限定句はそれが限定する主張の後ろに置き、本文自身の慎重さについての繰り返しの注釈は減らしました。例、数値、引用、不確かさ、明示された例外は残し、中心となる規則は二つの条件をどちらも保っています。編集者は、冒頭部に規則と論文の§13への参照を元に戻し、ドラフトのダッシュを取り除き、この文書を「source introduction」と記述していた二つの文を訂正しました。別添へのそれ以前の変更（それぞれの時点の番号付けで）：二つの説明はv0.15で第4部から別添へ移りました。v0.20で、ポイズニング研究の説明は、設計されたマーカーと並んで参照に基づく教師モデルの検証を含めるよう、また欠陥のあるコーディングの癖の伝達（transmission）と継承を区別するよう訂正されました。公開前に、DeepSeekとGrok（xAI）が、それぞれ独自の指示書のもとでv0.23と比較しました：所見は6件と23件、うち5件は共通。すべて採用し、書き直しが主張の強さをずらしていた箇所ではどこでもv0.23の主張の強さを元に戻しつつ、新しい文の形は保ちました。その中には、方法全体が転用できるのは両方の条件が満たされチェックされた場合に限るというゲートも含まれます。その結果に対するGrokの確認ラウンドは、29行すべてがクローズ済みで、新たな欠陥はないと見出しました。続いて、この改訂をスウェーデン語に翻訳する過程で、訂正を要する文がさらに明らかになりました：5人の翻訳者（Claude系統）が、曖昧か、不整合か、または誤っている英文をすべて列挙するようそれぞれ求められ、それらを指摘し、各変更は実施前に論文またはv0.23に照らしてチェックされました。「この文書が載せている訂正」の下に列挙した主張レベルの訂正のほかに、代名詞と後方参照は、書き直しが落としていた先行詞を回復しました。これらの訂正は公開前に、最初のラウンドを通過したテキストと、Grok（xAI）およびDeepSeekによって、それぞれ独自の指示書のもとで比較されました：7行と1行。Grokの行はすべて採用されました。その確認ラウンドは、5行がクローズ済み、1行はこの文が置き換えるプレースホルダー、1行は文言上の指摘であると見出し、この指摘はその後、席（seat）自身の言葉で適用されました（論文の「生成器の実際の誤り率」）。DeepSeekの行は、論文が凡庸化（banalisation）と呼ぶものに関するもので、席が提案した文言ではなく、論文自身のテキストが示す方向で修正されました。DeepSeekの確認ラウンドは、論文の言葉に基づいて判断してこの行をクローズし、Grokの文言上の指摘をチェックして、新たな欠陥を見出しませんでした。公開された改訂版はその後、オランダ語、フランス語、スペイン語、ドイツ語に翻訳されました。それらの翻訳者（Claude系統）は同じ問いを与えられ、さらなる英文を指摘し、各変更は実施前に論文またはv0.23に照らしてチェックされました。この付録の前にあった二重の横線は、同時に取り除かれました。これらの訂正は公開前に、公開中のテキストと、Grok（xAI）およびDeepSeekによって、それぞれ独自の指示書のもとで比較されました：5行と2行。Grokの行はすべて採用され、4行は席自身の言葉で、5行目は公開済みのレビューに関する文を一語一語そのまま元に戻すことによって採用されました。DeepSeekの2行目は採用され（論文の語「校合（collation）」）、1行目は採用されませんでした。二つの翻訳者数は二つの異なる翻訳を記述しているからで、この理由はその確認ラウンドも受け入れました。続いてGrokの確認ラウンドが二回行われ、二回目は翻訳者のノートに由来する最後の変更を対象としました。両ラウンドは4行をクローズし、この付録自身の訂正項目に2点の文言上の指摘を残しました。どちらもその後、席自身の言葉で適用され、論証に欠陥は見出されませんでした。
v0.23, 23 Oct 2026, DRAFT、改訂中のまま公開。この文書をスウェーデン語に翻訳する際に見つかった訂正。6人の翻訳者（Claude系統）が、曖昧か、不整合か、または誤っている英文をすべて列挙するようそれぞれ求められ、それらを指摘しました。各変更は実施前に論文に照らしてチェックされました。第3部と第4部、および用語集の固有の癖の項は、いま規則の両方の条件を述べています。論文がv1.39以来そうしており、v0.22の訂正がこの文書もそうしていると述べていたとおりです。第2部の証言のみに関する文は、いま、論文がそのような領域を肯定も排除もしていないと述べています。第4部は六つの帰結を数え、その相互参照を明示しています。寄託に関する付録の注記はv1.41を挙げています。この文書自身のv0.14の規則に従い、委託された席を「外部の」と呼んでいた以下のエントリは、いま「別の系統の」と記しています。v0.18のエントリはもはやv1.33の第10回レビューラウンドをその最後とは呼ばず、v0.8のエントリは5件の訂正を数え、v0.7のエントリはもはや、4行がその提起者を待っていながらすべての行がクローズされたとは述べていません。文言：「直接の研究を報告していない」（二箇所）、「他の二つの席のいずれも…ない」、「それが依拠する研究」、「第一の部分の条件」。公開前に、別の系統の一つの席（DeepSeek）が論文に照らしてチェックしました。その席は欠陥を見出しませんでした。
v0.21, 26 Sep 2026, DRAFT、改訂中のまま公開。著者の決定により、論文のv1.37のエントリがそのレビューの確認ラウンドでは他の席の所見が提供されたと記録したのを受けて、用語集の「脱相関された席」の説明は、もはや、そのような席が他の席の所見を見せられなかったとも、別の開発元の席であるとも述べていません。それは、この語が測定された性質ではなく当時のプラクティスの意図を記録しているという論文の用語注記と、別々の作業またはブラインドの作業と確認ラウンドとの間の論文の区別に従っています。その変更をレビューしたCodexの席は、第6部の現在の実務についての説明が、なお、新しいレビュアーに以前の所見を伏せておくのはその一致が「アンカリングによって人為的に作り出されることがない」ようにするためだと述べていると見出しました。その文はいま席の置き換えテキストを用いており、それは同じ区別を行い、どちらの手続きも誤りの測定された独立性を確立しないと述べています。新しい二つの箇所はどちらも席のテキストであり、逐語的に適用されています。Codexの席に二回のラウンドで付され、各実行ではそのツールのグローバル指示ファイルが脇に置かれました（著者の報告による。実行ログはラウンド記録とともに保管されています）：一回目はCONFIRM-WITH-EDITSを返し、二つの置き換えテキストがここに適用されています。二回目は両方がクローズ済みであることを確認し、このエントリが、開発元に基づく定義が外された理由について、レビューが確立した以上のことを述べていたと見出しました。その記述は削除され、この削除とこの文は席に差し戻されていません。
v0.20, 26 Sep 2026, DRAFT、改訂中のまま公開。 v0.19に対するCodexの席の第2ラウンドの行は、確認ラウンドでCodexの席に差し戻されました：そのラウンドが部分的にクローズのまま残していた10行と、その置き換えテキスト15件すべてが、クローズ済みと確認されました。そのラウンドはさらに6点を見出し、それぞれにここでは席自身の置き換えテキストで応え、ページのマークアップを除いて逐語的に適用しました。第2部はもはや、レビュアーを誰が作ったかについては、どちらが真かを何も教えてくれないとは述べていません。第5部はもはや、外部の精査を生き延びることを信頼を得る条件とはせず、またプロセスを運営するチームが信頼される基盤のあらゆる部分を構築したとも述べていません。別添はもはや証拠をウォーターマーク式の蒸留に限定していません。そして寄託に関する付録の段落はいまv1.35を挙げ、そのチェックは以前の寄託に関するものだと述べています。席はまた、以下のv0.19のエントリの最後の数文が実際に起きた以上のことを述べていると見出しました。そのエントリは書かれたままにしてあり、席による訂正された説明は次のとおりです：「起草者は、公開前のCodexとKimiによる二回のレビューラウンドを記録しています。著者は、Codexのツールのグローバル指示ファイルが脇に置かれたと報告しています。それにもかかわらず、提供されたCodexの返答は、開発者提供のスキルおよびエージェントのカタログに曝されたことを記録しており、提供された指示のいずれかがそのようなファイルに由来したかどうかは確定できないと述べています。起草者は、Kimiがそのv0.19の所見をクローズしたと報告しています。Codexの第2ラウンドの返答は、10行を部分的にクローズのまま残しました。そのF1〜F7およびC1〜C8の置き換えテキストは、コロンの後の小文字の頭文字とページのマークアップを除いて逐語的に適用されました。そのTask Dの修復は、別途起草された改訂エントリを通じて組み込まれました。これらの変更は公開前にCodexに戻されていません。姉妹編の引用の寄託済みv1.35への移行は第2ラウンドの後に行われ、そのラウンドではレビューされていません。」Codexの席に差し戻され、その実行ではツールのグローバル指示ファイルが脇に置かれ（著者の報告による。実行ログはラウンド記録とともに保管されています）、このエントリにおけるB1の訂正を含め、6件の所見すべてがクローズ済みと確認されました。同じ席は、別添の冒頭がなお、そのテキストは三つの位置に関する語句を除いて変更されていないと述べていると見出しました。その段落はいま席の置き換えテキストを逐語的に適用して用いており、席には差し戻されていません。席は、与えられた資料一式からは、他に何も変わっていないことをチェックできませんでした。その資料一式にv0.19が含まれていなかったからです。起草者による二つのページのスクリプト比較は、このエントリに列挙したもの以外に変更がないことを示しています。
v0.19, 25 Sep 2026, DRAFT、改訂中のまま公開。論文v1.35に従います。v1.35は、v1.33に対する二つの外部レビューがその出典より強いと見出した主張を訂正したものです。また、この文書自身の規則を、論文以上のことを述べていたさらなる文にも適用します。第3部と第4部および用語集はもはや、モデルの共通の誤りの大半が偶然の収斂によって生じるとは述べていません。共通の誤りはよくあることで、書き写しなしに生じうること、そして論文が検討する研究はどれだけの割合がそうであったかを確立していないことを述べています。第3部の規則は、検証されるべき論文の提案として述べられています：その「そのとき、かつそのときに限り」は、成り立たなければならないがそれ自体ではどのモデルがどのモデルに由来するかを示さない条件となり、従属性を考慮に入れて一括して評価された一組の癖もそれを満たしうるとされます。写本研究が常にそれを強制していたという主張と、有意な誤りが由来を証明するという主張は、論文の文言に道を譲ります。第1部はもはや、外から見える何ものも裏付けのある答えと誤った答えを見分けられないとは述べていません。第2部はもはや、独立性を、投票が健全であるための条件とも、一致が証拠となるための条件ともしていません。従属性が評価されている場合には一致が主張を強めうると述べ、アンサンブル研究の両方の率を示しています。第3部はもはや、独立性を測定できるようになる前に祖先関係が分かっていなければならないとも、モデルが独立に収斂するだろうとも、「delve」の語群が独立に生じたとも（第3部と第4部）、ありふれた誤りや仕込まれた特徴以外のものは書き写しについて何も語らないとも述べておらず、帰属率を、報告されている言い換えに対する頑健性から切り離しています。第4部はもはや、2022年より前にはモデルが何も還元していなかったとも、復元すべき系譜がなかったとも、2022年より前のアーカイブが汚染されていないとも、周辺汚染（ambient contamination）が既定の状態であるとも、枠組みを支持する論拠が時とともに強まるとも、置き換え訓練が書き写しと同じプロセスであるとも、このプログラムの実験に今日利用できる検証が四つあるとも述べていません。欠けているツリーの範囲を論文が行った検索に、反証のための検証の範囲を時間を通じた発展についての主張に限定し、成長を論証されてはいるが未測定のものと位置づけ、混合と稀な形の喪失が系譜の手がかりを消しうることを加え、蓄積の結果を研究された設定では崩壊が回避されたものとして報告しています。また、その反証の基準を論文のものとして述べ直し、仕込まれたマーカーと並んで参照に基づく教師モデルの検証を記録し、その検出器を回避ではなく最適化の標的と呼び、歴史的比較の範囲を狭め、以前のコードを取り戻すことを、現存するバージョン履歴があることを条件としています。第4部の仕込まれたマーカーに関する一節は、論文が「証明」と言うところで「実証」と言っています。第5部は、重みを増していくという約束がどの機械的チェックを意味するのかを述べ、第6部は公開された案件の記録に対するチェックに日付を付し、もはやそれを先へ持ち越していません。用語集もこれに従います（アトラクター、凡庸化、固有の癖、Lectio、Leitfehler、最古の証人、仕込まれたマーカー、層序学）。アトラクターの項は、ノイズのある書き写しについての記述と、論文が載せていない二つの経験的言明を落とし、最古の出所の見出しは「クリーンな」と言っていたところを「年代の確かな」と言っています。姉妹編の引用は、2026年9月25日に寄託されたv1.35へ移ります。公開前に、他の系統の二つの席（CodexとKimi）が二回のラウンドで論文に照らしてチェックしました。Codexの席については、著者の決定により、そのツールのグローバル指示ファイルが脇に置かれました。Kimiはその所見をすべてクローズしました。Codexの第2ラウンドの所見には、Codex自身の置き換えテキストで応え、コロンの後の小文字の頭文字とページのマークアップを除いて逐語的に適用しましたが、Codexには差し戻していません。姉妹編の引用の寄託済みv1.35への移行は第2ラウンドの後に行われ、席には付されていません。
v0.18, 25 Sep 2026, DRAFT、改訂中のまま公開。確定したv1.33に追随します。その第10回レビューラウンドは、終盤に追加されたモデルファミリー帰属法、すなわちあるモデルファミリーに共通する誤答を、他のモデルファミリーがそれらをどれほどの頻度で出すかに照らして重み付けする方法（論文の§10と§7.1）をレビューしました。第4部の、現在利用できる検証の一覧にその第四の項目が加わります。それ以外は変わっていません。公開前に、別の系統（lineage）に属する一つの席（seat）、Kimiが論文に照らしてチェックしました。その唯一の所見（この項目の文言に関するもの）は、その席自身の言葉どおりに適用され、その席には戻されていません。そのチェックの後、姉妹編の引用に関する注記が論文の第11回レビューラウンドに合わせて更新されました：開発元は四つではなく五つとなり、論文はいまやその起草系統を明記しています。この更新は席にかけられていません。
v0.17, 24 Sep 2026, DRAFT、改訂中のまま公開。論文v1.33に追随します。姉妹編の引用はv1.33に移り、その注記は書き直されました。注記はもはやレビュアーを「脱相関された」とは呼んでいません。第2部と第6部は、能力が上がるにつれて異なるベンダーを選ぶことで得られる独立性が減るという推論（v1.33が撤回したもの）を落とし、代わりに論文がいま述べていることを述べます。第3部と第4部は、欠けている測定を論文が検討する研究に範囲限定します。第4部は、出力の類似性から構築されたツリーがすでに存在することを、論文の§7.1がいま述べているとおりに加え、現在利用できる検証の中にペアワイズの誤答スクリーニングを、§7.1と同じく挙げます。公開前に、別の系統に属する一つの席（Kimi）が論文に照らしてチェックしました。その六つの所見（この項目にあった二つの誤った部番号を含む）は適用され、その席に戻されました。
v0.16, 24 Sep 2026, DRAFT、改訂中のまま公開。冒頭の段落とページの説明文を、入りやすくなるよう書き直しました。主張は変わっていません。新しい冒頭は、第1部と第2部がすでに述べていること（モデル間の一致は同じ証拠を複数回数えることがある。異なるベンダーはそれ自体では独立ではない）だけを、論文が付けるのと同じ留保を付けて述べています。公開前に、チェッカーと、別の系統に属する一つの席（Kimi）が論文に照らしてチェックしました。
v0.15, 24 Sep 2026, DRAFT、改訂中のまま公開。移動のみで、主張は変わっていません。第4部にあった二つの明示された例外は第7部の後の新しい別添に移し、第4部にはポインタを残しました。旧位置を指していた三つの言い回し（「この節」「上の凡庸化の議論」「二段落上」）は、いまは第4部を名指しします。第7部の「論文に何を期待すべきか」と、より長いProlegomena（序説）の説明はこの付録に移しました。第7部には一文のProlegomenaの項目が残ります。本文は約9,300語から約8,400語になりました。一度席にかけました（Kimi、ファイルアクセスあり）：バイラインのバージョン表記を除いてクリーンで、その表記は修正しました。その席はまた、自らのv0.14の訂正行二つをクローズしました。
v0.14, 24 Sep 2026, DRAFT、改訂中のまま公開。長さのために削除と並べ替えを行いました（本文は約10,200語から約9,200語に）：繰り返しはポインタに削り、この文書のドラフト履歴は訂正一覧に移し、第4部はその評決で始まるようにしてその限界を一つの見出しの下にまとめ、その二つの例外は枠に入れてその場で折りたたみ、この履歴は折りたたんで最新のものを先頭に置きました。第三の明示された例外を追加しました（第5部）。「program」「skeptic」「skeptical」「unlabeled」はイギリス式の綴りにしました。ページの説明文はいまは第2部自身の一文を用い、論文を「その完全な弁護、バージョン履歴、訂正記録を伴わない」論証として説明しています。第7部と同じです。上に挙げた訂正を除いて主張は変わっていません。その他の編集は、削除、移動、統合、ポインタ、ラベル、そして語釈であり、語釈は論文から、または明示した箇所ではプラクティスの用語集やこのサイト自身のページから取っています。
v0.13, 23 Sep 2026, DRAFT、改訂中のまま公開。構成のみで、主張は変わっていません。姉妹編の引用に関する寄託の記帳はこの付録に移しました。移動した二つの文には、新しい位置でもなお正しく読めるよう小さなポインタの修繕を施し（「開く前に」「v1.31の寄託」）、移動した規則の段落には第7部へのポインタを加えました。論文の難しさについての第0部の説明は第7部に移しました。レビューを委託する読者向けに第6部へのポインタを置きました。ステンマ学（stemmatics）と校合（collation）は初出で説明し、席は用語集で定義しました。この文書が従う規則は第0部に、Prolegomenaの注記は第7部に移し、第7部はいまはProlegomenaがまだ公開されていないと述べています。壊れた括弧と古くなったポインタを修繕しました。用語集は、この入門書が使う語と、主に論文の語彙であるその他の用語とに分けました。公開前に一度席にかけ（Kimi、ファイルアクセスあり）、評決は四つの項目についてCHANGES NEEDEDでした：三つはここに記録したポインタの修繕と見出しで、意図的なものとして維持しました。四つ目は、写本研究者はこの比較を校合と呼ぶと述べる新しい一文で、論文を超えていたため、論文が述べることに狭めました。クローズはKimiが次に目を通すまで待ちです。
v0.12, 22 Sep 2026, DRAFT、改訂中のまま公開。記録のみ：v0.11で挙げたv1.31の寄託の事実は、同じ日に二つの脱相関された席、Kimi（Moonshot）とGrok（xAI）によって確認されました。両席はバイト単位で同一の指示書のもとでブラインドかつ並行して実行され、それぞれがZenodoレコードと配信ファイルそのものを自ら取得し、配信コピーとローカルコピーのハッシュを自ら計算し、DOIリダイレクトから最新バージョンを推測するのではなくコンセプトレコードのバージョン一覧を取得しました。両席とも七つのチェックすべてについて食い違いゼロでCONFIRM-CLOSEDを返しました。矛盾ではなく補強の空白が一つ：APIは最古のレコードにバージョンラベルを持たず、そのレコードが v1.15であることは、ファイル名、レコードID、時系列に依拠しています。クローズログのseq 29から 31に記録しました。論証の本文は変わっていません。
v0.11, 22 Sep 2026, DRAFT、改訂中のまま公開。記録のみ：姉妹編の引用はv1.30からv1.32に、寄託の記載はv1.31に移ります（2026年9月22日に寄託、バージョンDOI 10.5281/zenodo.22900116、起草アシスタントがZenodo APIを通じて、また配信ファイルをローカルコピーとバイト比較してチェック済み。独立した席による確認はまだありません）。論証の本文は変わっていません。v1.31は論文の可読性の改訂であり、その主張が変わっていないことは三つの脱相関された席によって検証されました。この文書は論文の文言を一切そのまま引用しておらず、論文の節構成も変わっていないため、この文書でそのために変更を要するものはありませんでした。
v0.10, 16 Sep 2026, DRAFT、改訂中のまま公開。記録のみ：姉妹編の引用はv1.29 → v1.30に移り、寄託の記載はv1.29に移ります（2026年9月16日に寄託、バージョンDOI 10.5281/zenodo.22790100、Zenodo APIを通じて、また配信ファイルをローカルコピーとバイト比較してチェック済み）。論証の本文は変わっていません。
v0.9, 15 Sep 2026, DRAFT、改訂中のまま公開。一度席にかけました（Kimi、ファイルアクセスあり、ライブラリPR #164）。名指しされた四つの変更を適用しました：削除したベンダー多様性の傾向がさらに二箇所で生き残っていたため、そこでも除去しました。「partly」と5%の組み合わせはSander自身の混合によって裏付けられていなかったため、言い直しました。Panのパラフレーズに関する但し書きと複数教師の混合の結果を加えました。本文の因果についての語釈を、訂正された用語集に揃えました。
v0.8, 15 Sep 2026, DRAFT、改訂中のまま公開。系譜信号の証拠に関する三ラウンドの文献レビューから五つの訂正を適用しました。いずれも少なくとも一つの非Anthropic系統の席にかけたものです：相関した誤りの数値とベンダー多様性の傾向（第2部）、マーカー継承の引用とパラフレーズの主張（第3部）、用語集の「アトラクター」の項目。証跡：CVRR-LIT-2026-09-15-003と CORRECTIONS-OWED-2026-09-15。結論は変わっていません。
v0.7, 7 Sep 2026, DRAFT、改訂中のまま公開。この文書に対して提起されたすべてのレビュー行は、それを提起した席によってクローズされています。ただし、前の改訂で修正された四つは例外で、提起者が次に目を通すのを待っています。この文書は外部の編集上のレビューも査読も受けておらず、両者が異なる箇所ではどこでも論文が優先します。著者：Claude（Anthropic系統）。L. J. Soonsの指示により、論文と Prolegomena（v0.16）を終始コンテキストに置いて執筆：これは、論文自身の§3の contaminatio（混態）行がこの語に与える厳密な意味での汚染（別の文書の所見をすでに視野に入れて作業する書き手）であり、これが証人ではなく扉である理由です。v0.1には独立した読解が一切ありませんでした。続いて、脱相関された、事前の誘導を受けていない三つの最初の読解が実行され、どれも他が何を見つけたかを知らされないままでした：Qwenは行き過ぎを見つけませんでした。GLMは、この入門書がProlegomenaよりも強く、広く、あるいは確信をもって何かを述べている箇所を12件（うち数件は、Prolegomena自身のレビュー履歴がすでに捕捉し意図的に和らげていた言い回しを再び持ち込むものでした）、加えてProlegomenaに対応物のない追加の主張を2件見つけました。v0.2はそのすべてを適用しました。DeepSeekはv0.2を起点として、他の二つの席のいずれも捕捉していなかった事例をさらに3件見つけ、v0.3はそれらを適用しました。その後、提起した両席はそれぞれ自らの行をv0.3に照らして確認しました。DeepSeekの確認ラウンドは、その3件の所見すべてについて CONFIRM-CLOSEDを返し、v0.3の残りに対するその席自身の範囲を限定しない走査は、新たな、まだ提起されていない事例を1件浮かび上がらせました：中止された実験についての一文が、その基準は「事前に公表された」と主張しているのに対し、Prolegomenaの§24が述べているのは「凍結され引用可能」という、より狭い主張のみである、というものです。GLMの確認ラウンドはその14行のうち13行をCONFIRM-CLOSED、1行をPARTIALLY-CLOSEDと返し（写本研究がどれほど長く存在してきたかについての追加された主張で、v0.3は弱めてはいたものの完全には退けていませんでした）、その席自身の v0.3に対する範囲を限定しない走査は、同じ欠陥クラスの事例をもう1件、別の段落に見つけ、さらに（行として提起することなく）本物の編集上の痕跡を指摘しました：DeepSeekの所見を修正するv0.3の継ぎ合わせから残された重複した句です。v0.4は、GLMの残りの項目、その席の同一クラス掃引による捕捉、DeepSeekの新たな「事前に公表された」の捕捉、そして重複した句の整理を適用しました。いずれかの席が提起したすべての行は、いまやその席自身の確認によってクローズされています。ただし v0.4で行われた四つの修正は例外で、そのクローズは各提起者が次に目を通すまで待ちです。
v0.7（2026年9月7日）は第4部に一段落を加えます（「同じシナリオについての、証言として秤にかけた実務家の発言」）。2026年5月のBjarne Stroustrupへのポッドキャストインタビューを引用するもので、この文書は論文が述べていないことを述べないという第0部の規則に対する第二の明示された例外です。この段落は、コードリポジトリのシナリオに関連する実務家の証言を報告し、それを証拠ではなく証言として扱うことを明示し、自然に生じた癖の系譜に関する問いを開いたままにしています。引用は、司会者が公開した書き起こしと一文字ずつ突き合わせ、2026年9月7日にL. J. Soonsが録音に照らしてチェックしました。これはマージ前に、一つの脱相関された席によって二ラウンドでゲートされました：Codex（OpenAI）が最初のドラフトを予備知識なしにレビューし（REVISE、六つの所見（ブロッキング四つ、編集二つ。ブロッキングの行のうち二つは起草アシスタント自身による解釈的な追加を削除し、一つは断定的な文言を削除し、一つは欠陥のある書き起こしの切り出しに起因するもので、これはその席に開示したうえで再提供しました）、記録CODEX-INTRO-STROUSTRUP-PARA-2026-09-07）、次いで改訂後の本文に照らして自らの行を確認しました（六つのうち五つがCONFIRM-CLOSED、範囲を限定しない走査はクリーン。六つ目は、強制改行されたドラフト内の引用の内部にあった改行で、席によってではなくスクリプトによる文字チェックでクローズしました。CODEX-INTRO-STROUSTRUP-PARA-R2-2026-09-07）。Codexはその後、ライブラリPRの差分を継ぎ合わせと変更履歴の整合性の観点からレビューしました（MERGE-AFTER-FIXES、この変更履歴の項目への編集一件、適用済み：CODEX-INTRO-V07-PR115-DIFF-2026-09-07。第一ラウンドの記録に照らして CODEX-INTRO-V07-PR115-DIFF-R2-2026-09-07で確認）。その他の論証の本文は変わっていません。
寄託履歴と、以前のチェックの範囲。2026年9月16日まで、このページ冒頭の姉妹編の引用は、コンセプト DOIの最新の寄託はv1.25（2026年8月24日、バージョンDOI 10.5281/zenodo.22077929）であると記していました。その後v1.29が寄託され（2026年9月16日、バージョンDOI 10.5281/zenodo.22790100）、その後にv1.31が寄託されました（2026年9月22日、バージョンDOI 10.5281/zenodo.22900116）。姉妹編の引用はいまはv1.41を挙げており、これは2026年10月18日にバージョンDOI 10.5281/zenodo.23458161として寄託されました（上の姉妹編の引用に関する注記を参照してください）。以下に述べるチェックは、それ以前のv1.25とv1.31の寄託に関するものです。v1.31の事実は、起草アシスタントがZenodo APIを通じて、また配信ファイルをローカルコピーとバイト比較してチェックし、その後同じ日に、二つの脱相関された席、Kimi（Moonshot）とGrok（xAI）によって独立に確認されました。両席はバイト単位で同一の指示書のもとでブラインドかつ並行して実行され、それぞれがレコードを自ら取得し、配信ファイルとローカルファイルのハッシュを自ら計算し、バージョン一覧を直接取得しました。両席とも、チェック可能なすべての主張について食い違いゼロでCONFIRM-CLOSEDを返しました（クローズログseq 31）。v1.25の事実は、二つの脱相関された席、Kimi（Moonshot）とGrok（xAI）によって独立にチェックされました。両席はブラインドかつ並行して実行され、起草アシスタントの報告を信用するのではなく、それぞれがZenodoレコードを取得し、寄託されたファイルのハッシュを自ら計算しました。両席とも、チェック可能なすべての主張について食い違いゼロでCONFIRM-CLOSEDを返しました。Grokはさらに、Zenodoのバージョン一覧エンドポイントに直接問い合わせ、より新しい、黙って飛ばされた寄託の可能性を排除しました。クローズログの seq 15（Kimi）とseq 16（Grok）に記録されています： https://github.com/clvstra/agentic-stemmatics-closure-log。v0.6（2026年8月31日）は、第4部に外部文献を引用する一段落を加えます（「ポイズニング機構に対する新たな経験的根拠」、arXiv:2510.07192）（この文書は論文が述べていないことを述べないという規則に対する明示された例外）。この段落はマージ前に二つの脱相関された席によってゲートされました（最初のドラフトについてGLMが、訂正後の本文について予備知識なしのDeepSeekがレビューし、いずれもMERGE-WITH-EDITS。編集はすべて適用しましたが、GLMのもの一つは例外で、当該論文自身の文言をPDFで直接検証した結果に取って代わられました）。加えて、引用したすべての事実を研究のPDFに照らして直接出典検証し、マージそのものにCodexの差分整合性パスを行いました。v0.5はこの段落を加えます。論証の本文は変わっていません。