継続性は痕跡を残す。

C1 — セッション境界の想起

運用状態が、単一のセッション境界を越えて維持される。これは、すべての アシスタントが満たすべき最低ラインである。

C2 — セッション横断の継続性

運用同一性、ポリシー、メモリが、数週間にわたる実運用と複数セッションを越えて 維持される —— 一つの長いコンテキストではなく、置かれては再び拾い上げられる糸である。

C3 — モデル移行耐性

モデルおよびプロバイダが変更されても、運用同一性が維持される —— Opus、DeepSeek、Qwen、Codexへの移行を4回完了し、損失は確認されていない。

C4 — コールドリスタートからの自己再構成

消去後、新しい基盤上で、永続化されたメモリだけから運用同一性を再構成する。 これは現在も研究を進めているフロンティアである。

重みの外側にある継続性

エージェントの継続性は、モデルの重みの外側、すなわちメモリ、ポリシー、継続状態にどこまで保持できるのか？

最小限の運用同一性アーキテクチャ

遷移、再起動、基盤変更を越えて運用同一性を維持するために、最低限どのメモリ構造が必要なのか？

自律サイクルと認知サイクル

背景で実行される自律サイクルを、認知推論に対してどのようにベンチマークすべきか？ 持続可能な比率はどこにあるのか？

異種混在メッシュの安定性

レイテンシ、順序制御、障害特性が異なるモデル基盤を跨いでも、エージェントメッシュは安定性を保てるのか？

バイオコンピューティング以前の抽象化

生物計算との統合が可能になる前に、どのランタイムプリミティブが存在していなければならないのか？

監督と監査可能性

長期運用されるエージェントに対して、人間の監督、監査ログ、承認ゲートをどのように設計すべきか？

Kagan et al. (2026) — エージェンシー階層

測定可能で基盤非依存のエージェンシー前駆体フレームワーク。arXiv:2601.03498 —— 私たちの自律対認知ベンチマークの基礎。

Kagan et al. (2026) — 閉ループAPI

生物学的ニューラルネットワークとのリアルタイム閉ループ対話。arXiv:2602.11632 —— 私たちの基盤ドライバ研究が目指すインタフェースの形。

Wang et al. (2025) — NeuroAI / SBI レビュー

ハードウェア／ソフトウェア／ウェットウェアのスタックを地図化。arXiv:2509.23896 —— 私たちのランタイム層が占めようと備える三角形。

Kagan et al. (2022) — インビトロ学習

シミュレートされたゲーム世界に身体化されたニューロンが学習する。Neuron 110(23), 3952–3969 —— プログラム可能な生物計算に関する基礎研究。