信念ループ(Belief Loop)

エージェントに、外の世界に対する人間らしい信念サイクルを与える：予測を宣言し、現実に照らして採点され、次の機会に自分のキャリブレーションを目にする。

これは何か

タスクフォワードモデル(v1.53/v1.54)が予測するのは、エージェント自身の実行 です(どのツールを使うか、何回呼び出すか、ジャッジが通すか)。信念ループは欠けていた外側の層を追加します：外部世界に対する構造化された予測——対象は市場に限らず何でも——を観測された現実に対して決定論的に決済し、エージェントのキャリブレーション記録を次の意思決定プロンプトに注入して返します。

ループの全体像(すべてのフックはプログラム的です：信念と現実の差分はすべてプラットフォームが計算して注入し、エージェントに自分が何を予測したかを 思い出すことを求めることは決してありません。arXiv:2605.29463 のリフレクション虚構化の証拠によって強制された設計です)：

belief_submit (MCP) ──▶ belief_log (prediction.db)
      ▲                        │
      │ 次のディスパッチの     │ tick 起動時に1行の対照を添付：
      │ プロンプトに校正       │ 「70%で上昇と言ったが、1.2%下落」
      │ セクションを注入       ▼
      │ (n<30 は件数のみ) belief_settle (MCP) ─▶ 決定論的な3方向 Brier
      └────────────────────────┘   (ライブ観測とのクロスチェック、許容誤差 ±1%)

使い方

エージェントには3つの MCP ツールが与えられます：

belief_submit — subject(予測対象となる外部の何か。銘柄コード 2317 や trial_conversion_rate のような KPI など)、horizon(いつ決済するかを表す自由形式のラベル。例：今日の終値 や 今週金曜、40文字以内)、 direction(up/down/flat)、probability(0〜1)、短い根拠、そして方向の判定基準となる参照値。
belief_settle — 信念の id と実現値。決済は決定論的です：参照値に対する方向判定、設定可能なフラットバンド([belief] flat_band_pct、デフォルト 0.3%)、3方向 Brier スコアリング。ゲートウェイがその subject のライブ tick 観測を持っている場合、報告された値をクロスチェックします(許容誤差 1%、乖離時は拒否——エージェントは現実を自己申告できません)。tick フィールドと subject の対応付けは、プラットフォームの zXXXX → XXXX 命名規則、または規則に従わないソース向けに config.toml の [belief] tick_subject_map エントリ(キー = tick フィールド名、値 = subject)で行います。
belief_stats — エージェント自身のキャリブレーション記録。

ダッシュボード：Foresight ページに信念と検証タブが追加されます。予測リスト(方向+信頼度と実現結果の対照、的中/外れ)、Wilson 下限の的中率、平均 Brier、過信度を表示します。決済済みの信念が30件未満の間は件数のみを表示し、その旨を明記します。「効いていそう」とは決して表示しません。

2つの例

投資(最初に検証されたユースケース)：subject = 銘柄コード、horizon = 今日の終値、参照値 = 提出時点の価格、実現値 = 終値。ライブ tick フィードが設定されていれば、決済時にクロスチェックされます。
ビジネス KPI：subject = trial_conversion_rate、horizon = 今週金曜、参照値 = 今週開始時のコンバージョン率。エージェントは毎週月曜に、どちらの方向へ動くかの信念を提出し、週末に CRM の実際の数値で決済します。tick フィードは不要で、スケジュールされたゴールタスクで決済を駆動できます。

誠実な境界線

エージェントのキャリブレーション履歴をプロンプトに注入することは、実証済みのメカニズムではなく実験です。2026-08 の文献調査ではどちらの方向にも一次証拠が見つからなかったため、すべての信念行に統計が注入されたかどうか(stats_injected)を記録し、この問いに自分自身のデータで答えられるようにしています。
キャリブレーションはタスク成果とは別に採点され、両者は乖離することが知られています(arXiv:2607.03015)。よく校正されたエージェントが自動的に高性能なエージェントであるとは限らず、ダッシュボードも両者を決して混同しません。
決済済みサンプルが30件未満の間は、いかなる数値も結論として提示されません (全体を通して Wilson 下限と件数のみの表示)。