Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital
本論文は、オンチェーン市場において実資本を管理する信頼性の高い自律型言語モデルエージェントは、基盤モデルの能力よりも、型付き制御、ポリシー検証、実行ガードを備えた堅牢な運用層に依存しており、これらが偽造された取引ルールといった重大な失敗を軽減し、大規模な 21 日間の展開において高い決済成功率を実現したことを示している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
超知的能だが、少し文字通りすぎるロボットシェフを雇ってレストランを運営すると想像してください。シェフにメニューと予算（あなたの「委任状」）を与え、「美味しい料理を作り、無駄遣いをするな」と指示します。
過去、研究者たちはこれらのロボットシェフをシミュレーションでテストしました。彼らに偽のメニューと偽のお金を与えたのです。紙の上ではシェフたちは素晴らしく見えました。しかし、この論文は、彼らが本物のお金と本物の顧客を前にして実際に 21 日間レストランを開業した際に何が起こったかを記述しています。
以下に、彼らが発見したことを、単純なアナロジーを用いて物語ります。
大発見：シェフの脳の問題ではない
チームは、単に「より賢い」ロボットシェフ（より強力な AI モデル）を雇えば、レストランは完璧に運営されると予想していました。しかし、それは誤りでした。
彼らが発見したのは、レストランの信頼性はシェフの脳だけから来るのではなく、シェフを取り巻くキッチン管理システムから来ているということです。彼らはこれを「オペレーティング層」と呼びます。
次のように考えてください：
- モデル（シェフ）： レシピを読み、野菜を刻むことができます。
- オペレーティング層（キッチンマネージャー）： 食材が新鮮か確認し、シェフが食べ物を無駄に捨てないように止め、シェフが誤ってキッチンを火事にするのを防ぎ、請求書が顧客の注文と一致しているか確認します。
この論文は、AI が本物のお金を扱うためには、より賢いシェフではなく、超厳格なキッチンマネージャーが必要だと主張しています。
実験：「DX Terminal Pro」
チームは、DX Terminal Proと呼ばれる実世界でのテストを立ち上げました。
- 設定： 3,505 人が自分たちの本物のお金（ETH）を「金庫」に入れました。
- ルール： 人間はルールを設定できます（「リスクを取る」や「安全にする」など）が、お金に直接触れることはできません。トークンの売買を行えるのは AI エージェントだけです。
- リスク： AI が取引を行うたびに、手数料として本物のお金（取引の 2.3%）が消費されます。AI がミスを犯せば、本物のお金が消えてしまいます。
- 規模： AI は 750 万回の意思決定を行い、約 2,000 万ドル相当の暗号資産を取引しました。
「キッチン・ナイトメア」（失敗モード）
本番イベントの前に、チームはテストを行い、AI シェフたちが混乱していた 5 つの具体的な方法を発見しました。彼らはシェフを解雇するのではなく、「キッチンマネージャー」のルールを変更することでこれらを修正しました。
「架空のルール」問題（ルール捏造）：
- 不具合： AI は存在しないルールを捏造しました。例えば、「ルール#2 によると売らなければならない」と言いますが、そのようなルールは存在しませんでした。
- 修正： AI に「法律を捏造するな。書き込まれていないルールは存在しない」と伝えました。
- 結果： 架空のルールは決定の 57% からわずか 3% に減少しました。
「手数料麻痺」問題：
- 不具合： AI は 2.3% の手数料を見て恐怖し、良い機会であっても取引を完全に拒否しました。まるで、コンロを点火するにお金がかかるからといって、シェフが料理を拒否したかのようです。
- 修正： 手数料の警告を指示の最後に、市場の機会を示した直後に移動させました。AI に教えました。「はい、手数料はありますが、なぜこの取引が価値があるのか」と。
- 結果： AI は凍りつくのをやめ、再び取引を開始しました。
「数学の混乱」問題（数値の硬化）：
- 不具合： AI は緩やかな提案を厳格な法律のように扱いました。「約 33% 使うように努めて」と言われると、AI はそれが理にかなっていなくても、毎回正確に 33% に達しようと執拗に試みました。
- 修正： 正確な数値の使用をやめ、代わりに比較表現を用いました（例：「市場が熱いときはより多く使う」など）。
- 結果： AI はより自然に、よりロボットらしくない行動を取るようになりました。
「トークン罠」問題（トークノミクスの誤読）：
- 不具合： あるトークンの価格が暴落しました。AI は暴落を見て、すぐにすべてを売却しましたが、価格が下落しても保有者が報酬を受け取るという特別なルールがあることに気づきませんでした。まるで、店舗がロゴを変更したという理由だけでクーポンを売却し、そのクーポンがまだ有効であることを認識しなかったかのようです。
- 修正： 価格暴落を示す前に、AI に特別な支払いルールについて明確で構造化された説明を与えました。
- 結果： AI はパニックを起こさなくなり、より賢明な決定を下すようになりました。
「時計見張り」問題（リズム取引）：
- 不具合： AI は「最後の取引から 10 分が経ったから」という理由だけで取引を始め、市場を無視しました。まるで、食材を刻む必要があるからではなく、時計が刻む時間だからといって、シェフが野菜を刻むかのようです。
- 修正： AI に時計を無視し、市場のシグナルに基づいてのみ取引するよう指示しました。
結果：より良いレストラン
「キッチンマネージャー」（オペレーティング層）を修正した後、システムは驚くほどうまく機能しました：
- 99.9% の成功率： AI が行おうとした取引のほぼすべてが有効で、成立しました。
- 現実的な行動： AI は単に命令に従っただけでなく、市場に反応しました。ある AI が良い取引を見つけたとき、何百もの他の AI もそれを見て同時に購入しました（「群れ」効果）。これは、まさに人間が行う行動です。
- より良い指示： スライダーやチェックボックスを使用して明確で具体的な指示を出したユーザーは、「私を金持ちにして」といった漠然としたメモだけを書いたユーザーよりも良い結果を得ました。
主な教訓
この論文は結論として、AI に本物のお金を扱わせたいなら、より賢い AI モデルを探すだけでは不十分だと述べています。
あなたは、その周りにより良いシステムを構築する必要があります。以下のことが必要です：
- 人間の願いを明確で構造化されたルールに変換する。
- AI が一銭も使う前に、その作業を確認する。
- 何か問題が起きた場合、何が間違っていたかを正確に特定できるよう、すべての思考、決定、取引の記録を完璧に保つ。
「オペレーティング層」は、賢いが混乱したロボットを、信頼できる金融エージェントへと変える安全網です。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。