技術的概要：価値のインターネットにおける自律的・文脈認識型リスクインテリジェンス

1. 問題定義

**価値のインターネット（IoV）**は、異質で部分的に信頼されるネットワークとして特徴づけられ、支配的な限界リスクは単一のブロックチェーンに限定されるのではなく、複合的である。このリスクは、ルート健全性、市場センチメント、流動性の断片化、および実行システムのポリシー制約という 4 つの相互依存ベクトルから構成される。

現在のリスク評価ツールは「単一チェーン」のパラダイムに基づいて動作しており、近年顕著な結果をもたらしている 4 つの重要な失敗モードを捉えられていない。

1. ブリッジの断片化: クロスチェーンブリッジは、主要な資本ルートであると同時に、支配的な悪用表面（exploit surface）としても機能する。
2. 流動性の断片化: 論理的な資産はチェーン間で異なる価格で取引される。ルート全体としては流動的に見えても、特定の執行スライスにおいては流動性が不足している可能性がある。
3. ナラティブの伝染: センチメントのショックは、オンチェーンの状態変化よりも速く伝播し、オフチェーンのテキストドリフトに起因する事象に対してリスクエンジンを盲目にする。
4. 自律的実行リスク: 大規模言語モデル（LLM）を仲介する自律エージェントは、純粋なオンチェーンの緩和策では対処できない新たな攻撃表面を導入する。

本論文は、既存のブリッジセキュリティに関する文献が根本的な問いに答えていないと主張する：文脈認識型リスクプリミティブは実際には何を果たさなければならず、またどのようにして誠実さを保たれるのか？

2. 手法：5 エンジンアーキテクチャ

提案される解決策は、共有インテリジェンスファブリック上で動作する 5 つのエンジンからなる複合アーキテクチャである。設計は、分散型検証と、エージェント行動に対する憲法的制約を強調する。

A. 5 つのエンジン

1. 予測エンジン: 価格、流動性の深さ、ボラティリティ、出来高分布、およびルート健全性に関するポイント予測と分布予測を出力する。これは他のすべてのエンジンの入力として機能する。
2. Bittensor 検証サブネット: 予測層を分散化する。異質なマイナー集団が予測を生成し、バリデーターが報酬配分ルール（Yuma コンセンサス）を用いて実現された結果に対してそれらをスコアリングする。これにより、経済的にインセンティブ付与され、検証可能な研究表面が創出される。
3. センチメント融合エンジン: オフチェーンのテキストストリーム（ニュース、ソーシャルメディア、グレー文献）とオンチェーンのフローシグナルを組み合わせる。システムは、12 のニュースアダプターと 3 つのソーシャルストリームアダプターを含むマルチモーダル特徴量セットに対して検証されたスタッキングを伴う遅延融合戦略を採用する。
4. 自律エンジン: 制約付きメニューから行動を選択する LLM 仲介の意思決定層である。重要なのは、Anthropic の仕様に基づく憲法的 AIフレームワークの下で動作することであり、自由形式の目標ではなく、書面化された原則リスト（例：「購入のみ」、「デプロイヤーウォレットを絶対に使用しない」）に対して行動がチェックされることである。このエンジンはデフォルトで「一時停止」状態であり、ライブへの切り替えには明示的なボードの承認を必要とする。
5. API リスクおよびシナリオエンジン: 予測分布を事前コミットされたアクションプログラムに変換する。これらのプログラムは「停止ルール」のロジックに従う：シナリオ $\Sigma$ が確率 $>p$ で実現された場合、リソース限界 $B$ 内でプログラム $P$ を実行する。

B. 形式的検証メカニズム

本論文は、マイナーをスコアリングするためのバリデーター損失分解を定義する。マイナー $i$ に対する損失 $L_i$ は、3 つの成分の凸結合である：
$$L_i = \alpha \cdot \text{Brier}(p_i, y) + \beta \cdot \text{Inconsistency}(m_i) + \gamma \cdot \text{Calibration}(c_i)$$

• Brier 成分: 誤った予測と過信を罰する。
• 不一致成分: 同じチェーン状態コンテキストを共有するクエリに対する予測のドリフトを罰する。
• 較正成分: 移動平均ウィンドウにわたって、表明された信頼度と実現された精度の間のギャップを測定する。

C. オーケストレーション

システムは、エージェントタスク管理（役割、権限、監査証跡のスコープ設定）とランタイムオーケストレーション（状態機械の実行）を分離する。ランタイムはLangGraphを使用し、厳格なルールを強制する：ポリシー境界を迂回することはできない。すべてのモデル呼び出しは、監査可能性を確保し、直接の LLM HTTP パスを防止するために、プロセス内 AiRouter を経由する。

3. 実証的アーティファクトと結果

このアーキテクチャは、2 つの具体的な実証的評価によって支えられており、本論文は測定された結果とアーキテクチャの提案を明確に区別している。

アーティファクト 1: ポリシー制約付き流動性ストレス応答（第 5 節）

• 設定: 「トレーダー役割」憲法を使用した、Solana のマイクロキャッププール（RYA トークン）における 27 時間の実験。
• 実行: システムは、2 つのストレス事象と 1 つの損切り事象にわたり、合計 5.2 SOL に及ぶ 52 回の時間重み付けスライス購入を実行した。
• 主要な観察:
  • セーフティ回路（損切り）は、46% の価格下落で自動的にトリガーされ、設計通りエンジンを一時停止した。
  • 人間によるループ内のエスカレーションは、初期承認と同じ監査証跡に記録され、意思決定チェーンの完全な再構築を可能にした。
  • 役割コントラクトは、ハードルール（例：売り注文なし、デプロイヤーウォレット使用なし）に違反することなく、すべての事象にわたって維持された。
• 結果: ポリシー制約付きシナリオエンジンの展開可能性を実証したが、エージェントは完全な LLM 仲介エンジンではなく、決定論的ポリシーであった。

アーティファクト 2: 本番環境較正弧（第 6 節）

• 設定: Blue us-east-1 展開における予測エンジンの 168 時間評価。
• 結果:
  • 主要な精度: 時価総額上位 1,000 資産に限定された特定の 168 時間コホートにおいて 99.34%。
  • ベースライン精度: より広範な本番コホートで約 53%（「偶然よりわずかに上」と記述）。
  • 較正: Brier スコアは 0.1335 だった。
• 留保事項: 本論文は、99% という数値が文脈なしでは誤解を招くと明確に述べている。これはクラス不均衡（トップキャップ資産におけるクラッシュの低ベースレート）とコホート制限によって駆動されている。アーキテクチャの貢献は 99% の精度そのものではなく、検証サブネットがマイナーをスコアリングできる本番環境のテレメトリ表面の存在にある。

4. 主要な貢献

1. 5 エンジンアーキテクチャ: 予測、分散型検証、センチメント融合、憲法的自律行動、およびシナリオベースの実行を統合する、自律的・文脈認識型リスク予測のための一貫したデータフロー。
2. 反証可能なバリデーター損失仕様: 予測出力の経済的検証を可能にするスコアリングメカニズム（Brier + 不一致 + 較正）の形式的定義。
3. 制約の実証的検証: 憲法的エージェントが流動性ストレス、損切りトリガー、ガバナンスエスカレーション下でポリシー境界を侵害することなく動作しうることを示す 27 時間のストレステスト。
4. 較正の誠実な報告: 高い主要精度（99%）とその必要な留保事項（53% のベースライン、クラス不均衡）を組み合わせる本番環境較正弧。これは、生予測性能よりも検証プリミティブを主要な価値提案として位置づける。

5. 意義と主張

本論文は、完全に解決され、スケール検証されたシステムではなく、IoV に対する反証可能なアーキテクチャを提供すると控えめに主張している。

• 展開可能性: システムは展開可能であり、現実世界の流動性ストレスとガバナンスエスカレーションを処理できることが示された。
• 反証可能性: 著者は、主張が失敗する可能性のある具体的な条件を定義している（例：同じポリシー下で 2 つ目のプールが再収束しない場合、または広範コホートの Brier 誤差が 0.20 を超える場合など）。
• 検証プリミティブ: 核心的な貢献は、モデルの現在の予測性能ではなく、リスク予測を検証するためのメカニズム（Bittensor サブネットと損失関数）である。
• 限界: 本論文は、バリデーター損失成分が、ライブのマルチマイナーメタグラフに対してまだスケールで測定されていないことを認めている（テストネットのシャドウ実行のみが存在する）。さらに、ケーススタディは完全な LLM 仲介自律エンジンではなく、決定論的ポリシーを利用しており、これは引き続き構築すべき課題である。

要約すると、本論文は、単一チェーンのリスク評価から、分散型検証、オフチェーンセンチメント融合、および憲法的に制約されたエージェント実行の組み合わせを通じてリスクを管理する、複合的・文脈認識型フレームワークへの転換を提案している。