adhd: アンカリングバイアスを防止する並列発散的アイデーションフレームワーク（AIエージェント向け）

adhd: アンカリングバイアスを防止する並列発散的アイデーションフレームワーク（AIエージェント向け）

何を解決するか

ADHDは、自己回帰的推論における「早期収束」とアンカリングバイアスに対処します。標準のChain-of-ThoughtまたはTree-of-Thoughtでは、エージェントはしばしば最初のアイデアに固執し、明白でない幅広い解決策を探求したり、推論プロセスにおける潜在的な罠を特定したりすることに失敗します。

どうやって動作するか

このプロジェクトは、生成と評価の間に厳格な機械的分離を持つ二段階ループを実装しています：

  1. Diverge: システムはN個の並列で隔離されたLLM呼び出しを生成します。各呼び出しには特定の「認知フレーム」（有利点プロンプト）が与えられ、結果を評価することは禁止されます。これらのプロセスは共有コンテキストがゼロであるため、互いのアイデアにアンカリングすることはできません。
  2. Focus: 別の批判的LLM呼び出しが、新規性、実行可能性、適合性に基づいてアイデアにスコアを付けます。その後、アイデアをクラスタリングし、「トラップ」（魅力的だが壊れたアイデア）を剪定し、上位Kの生存者を詳細なスケッチに深掘りします。

対象者

これは、設計決定、APIサーフェス設計、ファズデバッグ、命名、戦略的計画などの複雑なタスクにおいて高品質なアイデーションが必要な開発者およびAIエージェントビルダーのために設計されています。

ハイライト

  • Architectural Fix: 隔離された並列プロセスを使用することにより、アンカリングをプロンプトの問題ではなく構造的な問題として扱います。
  • Trap Detection: 特定の一般的だが欠陥のあるアイデアがなぜ回避すべきかを具体的に特定し、説明します。
  • Agent-Agnostic: 各種エージェント（Claude Code, Cursor, Windsurf など）のスキルとしてインストールできるか、TypeScript ライブラリ/CLIとして使用できます。
  • Proven Performance: ベンチマークでは、シングルショットベースラインと比較して新規性とトラップ検出において顕著な向上が示されています。

summary: これは、異なる認知フレームの下で隔離された並列推論プロセスを生成し、別の批判者を使用して最良の解決策に収束する前に、アンカリングバイアスを防止するAIエージェントのための推論フレームワークです。

title: adhd: アンカリングバイアスを防止する並列発散的アイデーションフレームワーク（AIエージェント向け)

Sources