pzqpzq/LSF_MDia

📚 マシン・ダイアレクトロジー (MDia)

何であるか – MDia は、大規模言語モデル（LLM）の中間推論ステップを 機械間通信プロトコル として扱える研究用 Python ライブラリです。人間が読みやすい連鎖的思考（CoT）を渡すのではなく、発話者モデル はコンパクトな 言語象徴フレームワーク（LSF）カード を出力します。これは「方言」を定義するもので、シンボル、文法、再利用可能な演算子、妥当性ルール、および実証的プロファイルを含みます。受話者モデル はその方言を解析・実行します。MDia は、この方言カードの作成、進化、プロファイリング、選択、ルーティング、検証のフルライフサイクルを提供し、厳密な再現性を保証します。

---

🎯 コアアイデア

コンセプト	意味
方言カード（LSF）	永続的な仕様 D = (V, G, O, R, ρ) – シンボル、文法、演算子、ルール、およびデータ駆動型プロファイル。
発話者 → 受話者	1 つのモデルが方言カードを生成し、別のモデルがそれを消費する。
有用性は関係的	方言の価値は発話者、受話者、タスク、ルーティングポリシー、トークン予算に依存する。
決定論的パイプライン	8 ステージの CLI パイプライン（collect → create → evolve → profile → select → run → validate-rules → report）で、評価前に証拠を固定する。
構築による再現性	不変のデータパーティション、コンテンツ由来の ID、完全なトークン会計、外部 API キーなしで動作するトゥイのオフラインデモ。

---

⚙️ 主な機能（README に記載）

• ブラックボックス LLM 互換 – 任意の API 基盤モデルに対応；内部状態へのアクセスは不要。
• 再利用可能な方言カード – バージョン管理、ハッシュ識別、アーカイブ可能で後で再利用可能。
• ルーティングポリシー – single、aggregate、compose、abstain/raw-fallback の計画を提供。予算、リスク、受話者の開放性を尊重。
• ルールベース検証 – 100 の機械社会言語学的ルールのバンク。各ルールには証拠レベル（完全、強力、未評価）が付与。
• 異種モデル間のプロファイリング – 正確性、トークンコスト、失敗モード、公開性、教育的利点などを捕捉。
• CLI 最優先設計 – mdia コマンドにパイプラインの各ステージ用のサブコマンドを備え、--help で詳細オプションを表示。
• オフライン決定論的デモ – examples/toy/ にフィクスチャを提供し、外部 API キーなしでローカルでライフサイクル全体を実行可能。
• 豊富なドキュメント – アーキテクチャ、パイプライン、ルール検証、拡張ガイド、論文からコードへのマップ。
• CI と品質ゲート – Python 3.10–3.12 でテスト、静的解析（ruff, mypy）、フォーマット、シークレットスキャンを実施。

---

🚀 典型的な利用ケース

シナリオ	MDia の役割
モデル間通信の研究	再利用可能な LSF を作成・進化させ、異なるモデルファミリーが互いの方言からどのように恩恵を受けるかを測定。
トークン効率の高い推論	長い CoT トレースを、下流の受話者が必要とする状態を保持するコンパクトな方言カードに置き換え、生成トークンを約 70% 削減（論文報告）。
カリキュラムスタイルの教育	弱い発話者が「教育用方言」を生成し、他のモデルが高有用性で採用できるようにする。
予算制約下でのロバストルーティング	トークン予算を尊重しつつ、受話者が抵抗する傾向がある方言を回避する single や compose ルーティング計画を展開。
検証可能な再現性	テスト評価前に方言選択とルーティング決定を固定し、ホールドアウトデータからの漏洩を防止。

---

📦 インストール（README から）

# リポジトリをクローン
git clone https://github.com/pzqpzq/LSF_MDia.git
cd LSF_MDia

# 仮想環境を作成（Python 3.10+ 必須）
python -m venv .venv
source .venv/bin/activate

# 編集可能モードでパッケージをインストール（すべての依存関係を取得）
pip install -e .

トゥイデモでは外部 API キーは不要。本番環境での実行には、docs/extending.md に記載された通り、互換性のあるモデルプロバイダーアダプターを追加する必要があります。

---

🏃‍♀️ クイックスタート例（README から）

# 決定論的トゥイパイプラインを実行
mdia pipeline --config configs/toy_mdia.yaml

このコマンドはバージョン管理された実行ディレクトリ（runs/<run_id>/）を作成し、以下を含みます：

• 原始トレース
• 生成された方言カード
• 進化とルーター検証プロファイル
• 固定された方言バンク
• ルート計画、予測、トークン会計、完全な再現性レポート 同じシードで再実行すると、まったく同じアーティファクトが再現されます。

---

📉 制限と範囲（記載または暗黙的に示されている）

• 研究用のみ – コントロールされた実験用に設計。プロダクション向けのサービングスタックではない。
• ベンチマーク固有のフィクスチャ – オフラインデモは小規模で再配布可能なデータセットを使用。論文の数値を再現するには、正確なモデルリビジョンとプライベートベンチマークデータが必要。
• ブラックボックス依存 – MDia は下位の LLM が標準 API で問い合わせ可能であることを前提。内部状態を公開するモデルには対応しない。
• ルールバンクは保守的 – 100 のルールのうち、19 個のみが強力な実証的根拠を持つ。残りは弱い証拠とマークされている。
• ルーティング決定は固定必須 – フレームワークは検証とテストパーティションの厳密な分離を強制するため、迅速なプロトタイピングでは制限に感じられる可能性がある。

---

📄 ライセンス

プロジェクトは MIT License（LICENSE を参照）でリリースされています。

---

📚 引用（README から）

MDia を出版物で使用する場合、併記された ICML 2026 ポスターと arXiv プリプリントを引用してください：

@inproceedings{mdia2026,
  title = {Machine Dialectology: from verbose reasoning traces to a measurable ecology of machine dialects},
  author = {…},
  booktitle = {Proceedings of the 2026 International Conference on Machine Learning (ICML)},
  year = {2026},
  url = {https://arxiv.org/abs/2606.29354},
  note = {Poster 61557}
}

（正確な著者リストは arXiv エントリから取得可能。）

---

🔗 次に進むべき場所

• アーキテクチャガイド（docs/architecture.md）を読むことで、新しいモデルプロバイダーを実装する方法を理解。
• ルールシステム（docs/rules.md）を探索し、社会言語学的制約を追加または変更したい場合。
• トゥイパイプラインを試す と、生成された report.md を確認し、プロヴァンスリンクがどのように記録されるかを確認。
• レガシー作業領域（legacy/）をチェックし、CLSRフレームワークの以前のバージョンを歴史的文脈で確認。

---

MDia は、異種 LLM エージェント間で再利用可能な記号的プロトコルを研究する本格的なオープンソース研究プラットフォームです。上記のすべての情報は、リポジトリの README から直接取得されています。