ULR 열린 문제와 재개 조건

현재 실행 상태#

M1–M8은 완료됐다. 따라서 “ULR ontology를 반드시 찾아야 한다”는 의무 전선은 없다. 열린 문제는 현재 판정을 미완으로 만드는 빚이 아니라, 더 강한 candidate가 나타났을 때 선택적으로 여는 후속 연구다.

1. 가장 큰 개념 문제 — 네 질문에 진짜 접합 잔여가 있는가#

Sharing, Identity, Role, Formation은 서로 연결돼 보이지만 현재는 각각 다음 이론이 강하게 설명한다.

열린 핵심은 이 네 component theory의 단순 병렬 사용으로 나오지 않는 neural-specific junction residual이 있는가다. 다음 중 최소 하나가 필요하다.

1. component theory의 적용만으로 나오지 않는 정리;
2. 기존 equivalence 둘이 갈리는 neural-specific counterexample;
3. strongest typed baseline과 다른 preregistered prediction;
4. large-model held-out behavior·transfer의 점증적 가치;
5. cross-time·cross-model transport obstruction의 직접 측정.

현재 확립된 항목은 없다.

2. U0 — Physical response가 standard testing을 넘어서는가#

engineered matched pair에서는 passive-equivalent system이 reset/clone response로 갈렸다. 그러나 raw port-response B3와 declared routing B4가 결과를 흡수했다. homogeneous tanh seed-only version도 stable class를 만들지 못했다.

다음 U0 increment는 같은 endpoint를 더 크게 반복해서는 안 된다. 정보가치가 있는 후보는 다음 중 하나다.

• architecture label 없이 training에서 carrier split이 자연 발생;
• recurrent Transformer, KV cache 또는 fast weight의 gauge-descended response quotient;
• 동일 probe의 raw standard response를 넘어 disjoint held-out behavior family 예측;
• train environment에서만 얻은 organization law가 unseen environment로 transport.

종료 규칙: Q가 B3·B4·B*를 넘지 못하거나 stable class가 사전등록 split에서 재현되지 않으면 해당 candidate를 weakened/absorbed로 닫는다.

3. U1 — External relation이 behavior와 internal mechanism으로 이어지는가#

WordNet relation은 Caltech·CIFAR의 relation geometry를 cross-fit했지만 retrieval behavior bridge는 실패했다. 다음 질문은 외부 taxonomy가 단지 observer의 비교 좌표인지, 모델 내부의 transportable causal structure를 예측하는지다.

필수 gate는 다음과 같다.

1. external relation을 train 전 동결;
2. model·objective·dataset holdout;
3. untrained·architecture prior와 B* 대조;
4. geometry가 아닌 held-out behavior target;
5. internal carrier claim과 external baseline을 분리.

종료 규칙: geometry만 맞고 behavior가 추가로 맞지 않으면 Z5는 external baseline으로 유지한다.

4. U2 — Formation의 admissible neural target이 있는가#

formation 정의는 준비됐지만 current carrier survivor가 없어 NO_ADMISSIBLE_TARGET이다. 새 target은 최소 다음 package를 가져야 한다.

열린 세부 질문:

• pointwise quotient와 time-indexed family identity를 어떻게 구분할 것인가?
• same stratum deformation과 structural boundary crossing을 어떤 invariant로 가를 것인가?
• noisy training trajectory에서 transport가 gauge-independent하게 정의되는가?
• metric co-onset이 structural event 뒤의 보조 indicator가 되는가?
• intervention이 candidate structural type의 future causal role을 바꾸는가?

시작 조건: M3 reduction gate를 통과한 carrier가 먼저 있어야 한다. carrier 없이 defect·co-onset부터 실행하지 않는다.

5. U3 — Possibility field에 독립 signature가 있는가#

“학습이 가능한 trajectory의 field를 바꾸고 추론이 그 field를 읽어 경로를 만든다”는 직관은 유용하지만, 현재는 ordinary dynamics와 predictive-state description의 재명명일 수 있다.

필요한 것은 다음을 동시에 만족하는 signature다.

• state space, norm, noise coupling과 admissible trajectory grammar가 명시됨;
• full dynamics를 그대로 저장한 trivial code가 아님;
• predictive state·control reachability와 다른 finite falsifier가 있음;
• cross-model 또는 cross-context transport를 예측함;
• B* 이후 held-out behavior를 개선함.

독립 signature가 없으면 Z3은 exploratory metaphor로 남는다.

6. F0 — UAR assembly injectivity를 올바른 source에서 다시 물을 수 있는가#

기존 composite mono는 철회됐다. 다시 묻는다면 joint quotient $Q=\Theta^{\mathrm{adm}}/G_\Sigma$에 대해

의 off-diagonal collision incidence를 직접 정의해야 한다. channel source의 exclusion을 assembly source에 옮겨 쓰지 않는다.

열린 proof obligation:

1. quotient source와 map을 먼저 고정;
2. diagonal·off-diagonal을 같은 source에서 분리;
3. injectivity와 unramifiedness를 각각 증명;
4. fibre마다 한 good section이 아니라 모든 collision을 배제;
5. generic open의 quantifier와 boundary를 명시.

이 문제는 선택 수학이며 M8을 막지 않는다.

7. F1 — Localization identity#

135 chart cover와 chart-free incidence ideal의 localization equality는 SUPERSEDED-AS-GATE다. sheaf와 localization 관점에서 강화할 수 있지만 typed channel exclusion이나 current ontology verdict의 선결 조건은 아니다.

열린 질문은 local certificate가 overlap에서 어떻게 glue되고, chart-free support·radical과 정확히 일치하는지다. 증명이 없으면 optional strengthening으로 남긴다.

8. F2 — Channel-CERT와 Assembly-CERT#

과거 CERT-B/C는 channel과 assembly source를 섞을 위험이 있었다. 후속은 두 certificate를 먼저 분리해야 한다.

• Channel-CERT: typed channel collision boundary.
• Assembly-CERT: quotient assembly ramification·collision boundary.

그 뒤에야 bad boundary의 support 또는 radical을 복원하는 강화문을 물을 수 있다. 현재 증명·반증으로 표기하지 않는다.

9. Observer theorem의 적용 문제#

Canon 24의 measurability·TV theorem은 일반적이지만 실제 model에 적용하려면 observer contract가 필요하다.

열린 항목:

1. actual Transformer에서 role variable을 어떤 system boundary로 선언할 것인가?
2. KV cache, fast weight, optimizer state, tool memory의 read/write/reset/clone port는 무엇인가?
3. transcript law를 finite sample에서 어떤 rate로 추정할 수 있는가?
4. composite role class의 minimax separation은 어떻게 계산하는가?
5. finite test basis가 full response-profile factorization을 언제 보장하는가?
6. nonstationary·online policy의 path-law singularity를 어떻게 검정하는가?

이 응용이 성공해도 observer-relative result를 observer-independent ontology로 승격하지 않는다.

10. Set core의 일반화#

Post-Canon 119–120의 intrinsic dual organization은 Set 수준에서 증명·감사됐다. 열린 일반화는 다음과 같다.

• stochastic kernel과 measure-enriched category;
• topology·metric을 가진 response quotient;
• partial renewal과 multiple persistence timescale;
• joint quotient의 functorial transport;
• finite-sample identifiability와 robust perturbation;
• 자연학습 neural family에서의 nontrivial realization.

Set core의 존재만으로 learning/inference ontology를 선언하지 않는다.

11. Streaming·sheaf·constraint frontier#

143–148은 local-to-global forcing, streaming memory, relation completion, portwise delivery, train-only organization을 exact finite model에서 조사했다. 다음 decisive question은 같은 problem family와 resource ledger를 가진 identity-closed baseline을 넘어서는 uniform neural scaling law가 있는가다.

필수 비교축:

• same raw stream과 query order;
• same primitive와 precision;
• storage port, fanout, replay, advice와 compiler cost의 계상;
• train-only law acquisition과 sealed target;
• approximation metric과 error amplification;
• source·split·model-selection의 결과 전 동결.

finite suite만으로는 tailored lookup compiler를 배제할 수 없으므로 uniform family와 scaling lower bound가 필요하다.

12. Positive control 다음의 natural experiment#

remote parity, Heisenberg, crossed module, Latin cube, octonion 설계는 protocol이 planted dependency를 검출할 수 있다는 calibration이다. 다음 단계는 control을 더 복잡하게 만드는 것이 아니라 다음 차이를 시험하는 것이다.

확인해야 할 항목:

• candidate law가 target에서 사후 추출되지 않았는가?
• baseline에게 같은 source access가 주어졌는가?
• representation-specific residual이 same-type compiler에 흡수되지 않는가?
• DEV와 CONFIRM dataset·manifest가 분리됐는가?
• negative control과 positive control이 모두 protocol을 calibration하는가?
• learned result가 multiple seed·architecture·environment에 transport되는가?

13. M8 재개 gate#

새 후보가 다음을 결과 전에 모두 등록할 때만 ontology 판정을 다시 연다.

한 gate라도 결과 뒤에 추가하면 M8 evidence로 사용하지 않는다.

현재 post-canon 근거의 성숙도도 gate의 일부다. 119–142는 Git 추적 자료이고 143은 수정 중이며, 144–159는 로컬 미커밋·미추적 작업물이다. 그 문서 안의 PASS나 sealed를 Canon 승격 또는 공개 provenance로 읽지 않는다.

14. 하지 않을 일#

• 같은 engineered endpoint를 크기만 키워 반복하지 않는다.
• unexplained residual을 ULR의 양으로 이름 붙이지 않는다.
• exact finite control을 natural emergence로 바꾸지 않는다.
• finite benchmark에서 suite-tailored compiler를 빼고 efficiency를 주장하지 않는다.
• metric onset만으로 formation을 선언하지 않는다.
• Canon 24 이후 working artifact를 자동으로 Canon 25라고 부르지 않는다.

현재 우선순위의 압축#

가장 높은 정보가치는 “ULR을 더 그럴듯하게 보이게 하는 예”가 아니라, 다음 둘 중 하나를 분명히 하는 실험에 있다.

1. 자연학습 neural family에서 B* 이후에도 남는, transportable하고 gauge-descended한 residual을 찾는다.
2. 그런 residual이 다시 absorption됨을 보여 Z0 typed pluralism의 범위를 더 정확히 닫는다.

둘 다 Main 연구의 성공이다. ULR의 현재 목적은 특정 결론을 지키는 것이 아니라, 네 문제의 접합부에서 새 이론이 정말 필요한지 끝까지 판별하는 것이다.