Pocchito Context Model · 研究・開発ノート
「わかってくれる」を、
少しずつ、確かに。
今のお願いに、必要な記憶を。
あなたとの文脈を理解するAIの研究を進めています。
最終更新： · 学習候補のレビュー・分離検査・環境準備
研究の進み具合を見る合成の評価候補
場面をまとめた単位
文脈の理解を点検
「さっきの続きで」「今日はいつもと違う感じがいい」。そんなひとことには、直前のやりとりや、その人の好み、今だけの事情が含まれています。
私たちは、何を頼まれているか、どの記憶が関係するか、何を確認するべきかを見分ける、小型言語モデルの研究を始めました。既存のモデルへの追加学習を検討し、ポチっとのための文脈理解を育てていきます。
評価基盤とアプリの連結検証に加え、学習候補の独立AIレビュー、分離検査、ローカル環境確認を進めました。追加学習による重み更新・精度改善の実証は未実施です。学習済みモデルの配布や本番導入も行っていません。このページは、確認できた進捗を更新日付きでお伝えするものです。
学習を始める前に、データと環境を確かめる。
- 合成の学習候補
- 104件・13ラベル
- 修正版の分割
- 学習候補92件／調整候補12件・39意味グループ
- 追加学習・精度改善
- 重み更新・改善の実証は未実施
別のAIが104件すべてをレビューし、ラベル1件、文脈1件、表現7件を修正。分割をまたぐ3組の判断パターンを同じ側へまとめ、修正版も再確認しました。人による確認や盲検評価とは区別しています。
近似警告1件は、既に公開・使用済みの診断文との類似でした。文章を書き換えて消さず、既知で重なりのある診断として扱います。元の評価400件との規定の文字列検査では完全一致・近似一致0件でしたが、意味的な独立性の証明ではありません。
Qwen3-1.7B＋LoRAをローカルで構築し、学習・評価本文とは別の合成入力で勾配計算を確認しました。optimizerの更新stepと重み保存は0です。追加学習による重み更新・精度改善の実証は、まだ行っていません。
現行方式・外部API・小型モデルの比較対象を選び、クラウド上に空の保管基盤を準備しました。独立管理者はアサイン待ちで、未見評価データの投入・封印、正式評価、追加学習は保留しています。調整候補12件では全13ラベルを評価できないため、独立した正式評価を先に整えます。
いま、ここまで進んでいます。
- 設計済み
確かめる基準をつくる
意図の判定、話題の切替、足りない条件の確認、記憶の使い分けなど、10分類の評価設計と共通の入出力形式を整備しました。
- AIによる点検済み
別々の視点で、評価候補を点検する
合成400件をAIエージェント2体が作成者の正解や相手の回答を見ずにラベル付けし、不一致を整理しました。似た判断構造を73のグループにまとめ、分割をまたがないよう再配置・再点検しました。人による確認や未見の最終評価は、これからです。
- 基盤を構築
同じ条件で比べる道具をつくる
入力・出力・採点を分離した共通評価ランナーを構築し、データや実行結果の版とハッシュを記録する仕組みを整えました。既存モデルの既知データによる予備実験と、これから行う正式な方式比較を区別しています。
- 連結検証まで進展
実際の仕組みを、合成ケースで確かめる
意図分類と記憶コンパイラーをつなぎ、一時状態・出来事・価値観・来歴の入力、記憶の本人確認・訂正・忘却、意思決定、カレンダー・メール専用経路の検証を追加しました。外部サービスやモデル応答の代替を使い、アプリ側の処理を確認する段階です。
- 学習前の準備
候補を点検し、正式評価を整える
学習候補104件を別のAIがレビューし、分割を整理しました。小型モデルの環境確認も実施。正式評価の管理者はアサイン待ちで、追加学習は保留しています。
- これから
本番へ進めるかを判断する
本番の応答に影響しない形で比較し、改善と限界を確認してから採用を判断します。研究中のモデルへ自動で切り替えることはありません。
件数だけで、完成にしない。
400件は、100の場面に、元の依頼・丁寧な表現・他の人の記憶が混ざる場合・削除済みの記憶が混ざる場合の4条件を用意したものです。400の独立した場面を試したという意味ではありません。
開発用120件・検証用80件・非公開評価候補160件・回帰確認用40件に分けています。判断構造の重複は73の漏洩防止グループに整理し、同じグループが分割をまたがないことを確認しました。ただし、意味的重複が存在しないことの証明ではなく、正式な最終評価セットは未確定です。
AI2体の初回の回答集合は372/400件で一致し、相違28件を裁定しました。これは注釈の一致で、モデルの正答率ではありません。同じシステムモデルを使うAI間では誤りが相関する可能性があり、盲検は手続き上のものです。人による確認、独立したアクセス監査、学習候補との意味的な独立性の確認は完了していません。非公開候補160件も、作成者が見た作業用データで、未見の最終試験ではありません。
ここで数えているのは、合成した評価候補の件数です。正答率や、モデルの性能を表す数値ではありません。
モデルの説明も、開発の一部に。
Pocchito Context Model
日本語の依頼から、意図・条件・関連する記憶・確認方針を整理する研究プロジェクトです。
- 現在の段階
- 学習候補レビュー・分離検査・環境準備
- 研究用の基盤候補
- Qwen3-1.7Bの固定版・Apache-2.0本文を確認。成果物の配布審査は未完了
- 学習済み重み／精度改善の実証
- まだありません
- Hugging Face
- 研究説明のプレースホルダーを公開。学習済みモデルは未配布です。
モデルカードの準備版を読む・保存する（Markdown）
モデルカードには、用途、基盤モデル、データ、学習方法、評価結果と限界、利用条件を記録していきます。公開前に、モデル・追加学習部分・データそれぞれの権利と配布範囲を確認します。
あなたの記憶は、
訂正・削除できる場所に。
今回の研究では、実際の利用者の会話・メール・個人の記憶を学習データに使っていません。
アプリでは、一時的な状態、長く覚えること、好み・価値観、継続的なミッションを分けて扱います。理由や使う場面を添え、本人が確認・訂正・忘却できる仕組みを実装しています。これらはアプリと外部メモリの機能で、研究モデルが学習済みという意味ではありません。動的な好み・価値観・ミッションも共通評価ランナーへ接続し、本人確認から訂正・忘却後の生成入力までを検証しました。
個人の記憶をモデルの重みに埋め込むことを目指す研究ではありません。好みや記憶は、本人が確認・訂正・削除できる外部データとして扱い、今回のお願いに必要なものを選ぶ力を研究します。
何を確かめたかも、残していく。
本人確認・訂正・忘却、意思決定、カレンダー、メール、一時状態に加え、好み・価値観・ミッションの経路も、開発用の合成ケースで確認しています。検査数はプログラム内の確認条件の回数で、モデルの正答数や独立シナリオ数ではありません。
2026年10月25日には、別の既存コンパイラー評価20シナリオを3モードで実行し、60実行の合成条件のチェックを通過しました。モデルの精度・速度・費用や、実ユーザーでの有効性を測った結果ではありません。
好み・価値観・ミッションを、確認から忘却まで。
- 合成開発ケース
- 13ケース × 3反復 = 39実行
- 検査の一致
- 4,059 / 4,059項目
- Linux CI
- アプリ760テスト・研究153テスト、全件成功
本人確認を経た保存、条件に応じた利用、訂正・休止・完了・削除・忘却を会話API経由で検証しました。変更後に新しく作られる返信の入力も確認しています。
39実行は400件の評価候補とは別です。検査の一致はアプリの接続・境界の確認で、LLMの正答率ではありません。モデル応答は固定のテスト用代替を使っています。
別のAIが点検し、4点を改善しました。
- ミッションに添えた条件を、関連する好みにも引き継ぐ。
- 採点するときも、不正な入力を受け付けない。
- 拒否された更新で、記憶や会話の状態が変わらないことを確かめる。
- 訂正・忘却後の新しい生成入力に、古い内容が混ざらないかを確かめる。
修正後の再レビューで4点の解消を確認し、追加の重大な指摘はありませんでした。今回の点検は独立したAIによるコード・ケースレビューで、人の審査や、未見データでのモデル評価とは区別しています。
Linux CIのタイムアウトも解消しました。個別のケースや検査を減らさず、全件が完了することを確認しています。