MindOS_lab

MindOS｜AI Reasoning Architecture
LLMが"自分の考え方と合わない思考"の問題を解く
Evaluation Control：推論時に意思決定を制御（モデルの再学習なし）
⭐ 1分で試せるデモ →

[MindOS_lab @MindOS_lab]

LLMのパーソナライズはたいてい「話し方」を微調整するだけ。 これは意思決定そのものを変える。

同じプロンプト。同じ入力。違うのはX0 / X1だけ。 → 優先順位が変わる

1分デモ↓
https://t.co/lqCFVvAjOP

#LLM #AIResearch #MindOS

[MindOS_lab @MindOS_lab]

言えること——そして言えないこと。
評価は制御できる → 推論時だけで → 再学習なしに
📷 https://t.co/lqCFVvAjOP

#AIResearch #OpenScience #LLM #MindOS

[MindOS_lab @MindOS_lab]

隠しトリックなし。ファインチューニングなし。プロンプトプレフィックスだけ。
⭐ 役に立ったらスターもらえると嬉しいです

[MindOS_lab @MindOS_lab]

これは「見るデモ」ではない。 自分で再現するデモ

実行：python demo_v3.py --runs 3
📷  https://t.co/lqCFVvAjOP

#LLM #GitHub #Demo #MindOS

[MindOS_lab @MindOS_lab]

同じ条件で複数回実行すると：
✅ X1（control ON） → 優先順位が安定（逆転しない）
⚠️ X0（control OFF） → 優先順位がブレる
対応ドメイン：キャリア・投資・都市開発
全部回しても5分かからない

[MindOS_lab @MindOS_lab]

これが単なるプロンプトエンジニアリングなら、ランダム文字列は何も変えないはず。 それらには意味が何もない。
でも変わる。
→ 優先順位が変わる → 結論が変わる → 推論構造が変わる
これがコア主張。

[MindOS_lab @MindOS_lab]

一番おかしいのはここ：

意味のある変更は何もしていない。 同じプロンプト。同じ入力。同じモデル。 違うのはX0 vs X1だけ。

→ 結論が変わる。

📷  https://t.co/lqCFVvAjOP

#LLM #MindOS #AIResearch

[MindOS_lab @MindOS_lab]

MindOSは評価をこう分解する：

何を基準にするか（評価軸）
どう考えるか（推論フレーム）
衝突したら何を優先するか（優先構造）
何を崩さないか（一貫性制約）
ここを制御すると挙動が安定する。 再学習は不要。

[MindOS_lab @MindOS_lab]

なぜLLMは一貫しないのか？

同じ質問なのに、毎回違う推論。 優先する軸が変わり続ける。

問題は知識の欠如じゃない。 評価がコントロールされていないことにある。

📷  https://t.co/lqCFVvAjOP

#LLM #EvaluationControl #MindOS #AIResearch

[MindOS_lab @MindOS_lab]

クイックスタート：

Clone
APIキーを追加
実行：

python demo_v3.py --runs 3
約1分で完了

[MindOS_lab @MindOS_lab]

LLMのパーソナライズはたいてい「話し方」を微調整するだけ。 これは意思決定そのものを変える。

同じプロンプト。同じ入力。違うのはX0 / X1だけ。 → 優先順位が変わる

1分デモ↓
https://t.co/lqCFVvAjOP

#LLM #AIResearch #MindOS

[MindOS_lab @MindOS_lab]

ランダム文字列で結果が変わるなら、
これは単なるプロンプトではない
深い層が制御されている
ファインチューニングなし
RAGなし
推論時のみ制御
→ Evaluation Control

・評価軸
・推論フレーム
・優先構造
・一貫性制約
をプレフィックスとして符号化
📊 意思決定の挙動に測定可能な変化（TSS ）

[MindOS_lab @MindOS_lab]

Post 30
MindOSが試しているのはここ↓
短対話から評価構造を抽出し、
それをinference-timeで
答えの選ばれ方に反映する
Memoryの追加でもない
Promptingの改善だけでもない
「個人化の別の層」

[MindOS_lab @MindOS_lab]

Post 29
しかも長い履歴が常に必要とは限らない
短い対話でも優先順位、判断パターン、整合の好みは見える
全部ではない、でも十分に効くことがある

[MindOS_lab @MindOS_lab]

Post 28
だから個人化はPromptingから
Evaluation Controlへ進む

AIの話し方ではなく、AIの選び方へ
どう比較し、どう選び、どう決めるか
そこが変わる

[MindOS_lab @MindOS_lab]

Post 27
重要なのは情報と評価構造の違い
情報は何があるかを教える

評価構造は何が重要かを決める
何を先に見て、どのトレードオフを受け入れるか

[MindOS_lab @MindOS_lab]

Post 26
Memoryだけでも足りない
ユーザー情報が増えてもそれだけで推論が合うとは限らない

重要なのは何を知っているかだけではない
何を良い答えとみなすか

[MindOS_lab @MindOS_lab]

Post 25
プロンプトだけではLLMの個人化は足りない。

口調や表現は変えられる
でも答えの選ばれ方までは変わらないことがある
深い層にあるのは評価

[MindOS_lab @MindOS_lab]

理論編24ポスト、完了
次は追加6ポスト

抽象から制御へ
Prompting / Memory の先にあるMindOSの層へ
次はEvaluation Control と MindOS

[MindOS_lab @MindOS_lab]

Post 24
もしAIが思考のインフラになるなら
推論OSは必然になる
その一つの試みがMindOS

[MindOS_lab @MindOS_lab]

Post 23
これは知能のOS化
Personal intelligence operating systems