PipeR

【arxivエンドースメントを探しています】 cs AIへの初投稿のため、arxivに論文をお持ちの方を探しています。 実験：同じモデル・同じHWで、適応型ネットワーク（AAS）vs 固定ネットワークを比較。 結果：p=0.0007、d=4.29、5/5試行で適応型が優位。 粘菌の原理をLLMネットワークで検証しました。 コード・結果・安全設計すべて公開済み👇 github.com/piperendervt-glit… エンドース or ご紹介いただける方、DMください🙏 #arxiv #LLM #AI研究

🧪 New idea: Past-log-aware AAS (Adaptive Artificial Synapse) What if the weight update rule in a multi-agent LLM network could reference past experiment logs instead of starting from zero every time? Pros: + Faster convergence (starts from proven weights, not zero) + Fully explainable (why each weight = traceable from past results) + Lower risk of runaway weights (stable initialization) + Task-aware: use different initial weights for different task types Cons: - Log quality determines weight quality (garbage in, garbage out) - Logs are task-specific — can't transfer world_consistency logs to math tasks - Risk of over-exploitation (always following past optima, never exploring) - Requires ε-greedy or similar mechanism to maintain exploration The core insight: original AAS updated weights reactively (task-by-task). This variant initializes weights proactively from historical performance, then fine-tunes in real time. Still a draft — building toward this after NCA v6-v10. Code so far 👇 github.com/piperendervt-glit… #LLM #MultiAgent #AI #experiment #AdaptiveAI

🧠 Can LLM nodes behave like Neural Cellular Automata? I ran an experiment: 3 LLM nodes (qwen2.5:3b) in a ring topology, each updating its answer by looking only at its neighbors — pure local rules, no global control. Results vs fixed pipeline: ✅ Overall accuracy: +4% (NCA wins) ❌ Groupthink: 99/100 tasks → all nodes converged to CONTRADICTION The NCA update loop amplified the model's bias instead of creating diverse reasoning. Now testing anti-sycophancy prompts + confidence-weighted voting to fix it. 🔗 github.com/piperendervt-glit… #LLM #NeuralCellularAutomata #AIExperiment #LocalLLM #Ollama

Visualizing the Thomas attractor on Meta Quest 3. Up to 500 particles evolving simultaneously, colored by their Lyapunov exponent — red = chaotic, blue = stable. Supports both VR and Mixed Reality (passthrough) modes. Built with Unity + Meta XR SDK. #MixedReality #MetaQuest3 #Mathematics #Visualization #Unity3D

TRUSS Phase 4 (Titan) is complete. A multi-agent architecture designed to suppress uncontrollable AI through structural design, not rules. Key results: · Threshold θ=0.3 is overdetermined: confirmed independently from 6 mathematical frameworks (statistical, experimental, geometric, dynamical, control theory, information geometry) · Experimental response to albatrosary (2026): P(E3)=0.10 (90% suppression vs theoretical) Cov(Xi,Xj)=0.075 · 16-node tesseract RC mutual monitoring network · Validation scope honestly documented: limited task environment ≠ safety guarantee in diverse real-world settings Moving to Phase 5 (Aegis). GitHub: github.com/piperendervt-glit… Zenodo: zenodo.org/records/18922652 #AISafety #TRUSS #MultiAgent

【追記しました】 ノートルダム大学の研究チームが独立して 同方向の結論を発表していたことがわかり、 考察に追記しました。 「つながり方が知性を生む」は LLMでも脳でも成立するかもしれません。 note.com/pipe_render/n/n18ce…

LLMのネットワーク構造を変えるだけで性能は上がるのか？ モデルサイズではなく「つながり方」を変えた実験を行いました。 結果：適応ネットワークが全5試行で固定ネットワークを上回る（+17.6%, p=0.0007, d=4.29） 実験の詳細と、研究を止めた理由をnoteに書きました。 #AI #LLM #機械学習 note.com/pipe_render/n/n18ce…

ガサラキのロボットが何で乗るの疲れるのか分かった気がした、、、

脳以外の臓器もある種の”記憶”を保持しているんだろうか？ (エピソード記憶のコンテキストのような、、、)

Kinect v2 + RealSense D435 x 2 Screen VR Video Meeting System. (Demo: Local PC only)

HMDレスなプロジェクターVRを使った、ビデオ会議システムのデモ(アバターは自分自身)

Face Trackingの精度が上がったため、CAVE VRの実現コストが大幅に下がった、ってだけ

RealSense VRのプロジェクター版

Johnny LeeのWiiリモートVRのRealSense版