Editorial Ilmu Komputer & AI
GenOS: Sertifikat Komposisional untuk Ketangguhan Semantik dalam Generasi Kode AI
Masalah inti
Agen pengodean AI adalah alur kerja stokastik: prompt diinterpretasikan, artefak disampel, validator menghasilkan observasi, dan orkestrator melakukan commit atau perbaikan. Karena setiap tahap bersifat probabilistik, perubahan kecil pada prompt atau spesifikasi dapat mengubah distribusi perilaku program meskipun teksnya tampak sinonim. Sistem yang ada mengevaluasi kebenaran, tetapi tidak memiliki kriteria komposisional untuk mengganti prompt, kontrak, generator, atau program secara aman di dalam alur kerja agentik yang utuh.
GenOS menangani masalah penggantian ini dengan memperkenalkan semantik operasional probabilistik. Setiap lapisan dimodelkan sebagai kernel Markov, dan setiap antarmuka membawa kesetaraan yang relatif terhadap pengamat. Pertanyaan utamanya bukan apakah satu keluaran itu benar, melainkan apakah penggantian satu komponen mempertahankan probabilitas peristiwa hilir yang tertutup-kesetaraan, termasuk verified commit. Hal ini menggeser ketangguhan dari properti empiris model bahasa tertentu menjadi properti terukur dari komposisi alur kerja.
Inovasi
Audit insertion-sort yang dapat dieksekusi menginstansiasi teori ini dengan parafrasa bahasa alami, satu kontrak formal, enam program, dua pengamat, dan eksekusi menyeluruh pada 121 masukan. Prompt yang setara menghasilkan distribusi kelas kode dan commit yang identik. Prompt yang memberikan probabilitas 5% pada kontrak in-place dibedakan oleh pengamat mutasi, sementara jarak hilir tetap berada dalam batas yang diprediksi.
Di seluruh 20.000 uji acak kernel berhingga, tidak ada hukum eksak maupun aproksimasi yang dilanggar. Uji-uji ini menguji klaim komposisional di bawah berbagai konfigurasi kernel berhingga, memberikan dukungan empiris untuk hasil penurunan kuosien, bisimulasi, keamanan guarded-commit, dan ketakberkembangan total-variasi. Audit insertion-sort menunjukkan bahwa teori ini dapat dieksekusi dan bahwa kesetaraan yang relatif terhadap pengamat dapat mendeteksi perbedaan yang bermakna secara semantik yang akan terlewat oleh kemiripan tingkat teks.
Mengapa penting
GenOS bersifat parametrik terhadap model: kompatibilitas adalah properti terukur yang harus diuji, bukan asumsi tentang perilaku model bahasa. Ini merupakan penyimpangan signifikan dari pendekatan yang mengandalkan ketangguhan empiris spesifik model. Dengan memperlakukan setiap lapisan sebagai kernel Markov dan setiap antarmuka sebagai kesetaraan yang relatif terhadap pengamat, kerangka ini menyediakan sertifikat komposisional yang tetap valid ketika prompt, kontrak, generator, atau program diganti.
Batas ketangguhan aditif menawarkan diagnostik praktis: galat aproksimasi dapat dilacak ke lapisan individual, memungkinkan pengerasan alur kerja yang tertarget. Audit insertion-sort menunjukkan bahwa pengamat mutasi dapat membedakan probabilitas kontrak in-place sebesar 5% bahkan ketika jarak hilir tetap berada dalam batas yang diprediksi, menggambarkan sensitivitas kesetaraan yang relatif terhadap pengamat.
Kandidat taksonomi untuk karya ini meliputi Architecture, Cybersecurity, Network, dan Cryptography. Pendekatan sertifikat komposisional relevan untuk pipa generasi kode AI yang aman, di mana verified commit dan keamanan guarded-commit sangat penting. Pekerjaan mendatang dapat memperluas semantik ini ke logika program yang lebih kaya, kelas pengamat yang lebih kompleks, dan alur kerja agentik yang lebih besar. 20.000 uji acak kernel berhingga memberikan dasar empiris yang kuat, tetapi validasi yang lebih luas pada agen pengodean dunia nyata dan spesifikasi bahasa alami masih menjadi arah terbuka.
Siapa yang sebaiknya membaca
Membuka konten member…