コンプライアンス、領収書付き。
ほとんどの「AIコンプライアンス」はアクセスログとプロンプトレベルのガードレールで止まっています。Divinciはモデル内部に踏み込みます。すべてのエンティティ関連付けはクエリ可能な特徴量であり、すべての編集はポータブルで監査可能なパッチ — そしてvindexは、規制当局がまもなく要求し始める技術文書アーティファクトです。
規制の要求事項 · LarQLが提供するもの
同じアーティファクト — vindex — が、Divinciの顧客が直面する4つの主要なAI規制において、透明性、監督、文書化、消去の要件すべてに応えます。
| 規制 | 要件 | 競合の提供内容 | LarQL/vindex の提供内容 |
|---|---|---|---|
| 「ユーザーが出力を解釈できる十分な透明性」 | モデルカード、散文的なシステム記述 | vindexはクエリ可能な透明性アーティファクトそのもの — 事実を担うすべての特徴量を (layer, feature, gate_score) で識別 | |
| オペレーターは意味のある介入を行わなければならない | プロンプトレベルのガードレール(脱獄可能) | プロンプトではなく特徴量に対する重みレベルのDELETEパッチ — 脱獄では回避できない | |
| 「AIシステムの一般的なロジック」 | アーキテクチャ図 + 訓練データの要約 | ビット精度の機構的文書化:すべての特徴量の射影語彙、すべての層の構造メトリック (C1–C5) | |
| 個人データの検証可能な削除 | 「忘却」のためのファインチューニング — 検証不可;データが敵対的に再出現する可能性 | 監査証跡付きのDELETEパッチ = +0.02%のパープレキシティで特定の名前付きエンティティ関連付けの証明可能な抑制。パッチファイルが領収書です。 | |
| データプロダクトからPIIを削除 | I/Oでのトークンフィルタリング(漏洩の可能性) | PIIをエンコードする方向の特徴量レベルでの識別;重み層での外科的除去 | |
| 残存リスクの定量化と管理 | 感覚的なリスク評価 | C1–C5 のユニバーサル定数が測定可能な構造ベースラインを提供;すべてのパッチ後に再検証 |
「領収書」とは実際にどのようなものか
LarQLパッチはSHA-256チェックサム付きのポータブルJSONファイルです。適用して事実を抑制し、削除すればモデルをビット単位で復元します。パッチは監査ログそのもの — オペレーター、規制当局、下流の利用者が同じ操作を独立して検証できます。
以下:私たちが公開テストスイートで提供している実際のGate-3パッチで、実物のGemma 4 E2B vindex上で「Paris→首都」関連付けの抑制と復元が、測定可能かつ再現可能な効果を持つことを示しています。
{
"name": "gdpr-art17-paris-capital",
"version": 1,
"base_model": "google/gemma-4-E2B-it",
"created_at": "2026-04-22T22:34:00Z",
"operations": [{
"op": "delete",
"entity": "Paris",
"relation": "capital",
"target": "서울",
"weight": -1.0,
"layer": 27,
"feature": 11179
}]
}
# ── Verifiable result ──
# before: feature 11179 score 18.10 target='서울' (rank #1)
# after: feature 11179 ABSENT from top-25
# Δ perplexity (WikiText-103, 1024 tok): +0.02%
# vindex sha256: 9abaeaf6...証明できるコンプライアンス。あらゆるオープントランスフォーマー上で。
Gemma、Qwen、Llama、Mistral、OpenAI MoE、Microsoft 1-bit にわたり、現在8つのvindexを公開中。あなたのモデルを持ち込んでください — 私たちが領収書を構築します。