「豊かさ＝時代における、ブレークスルー・アイデアを力強く支援する。」
学術ピアレビュー・パイプライン、助成金のスタディセクション、およびベンチャーキャピタルのディールフローを最適化する、高性能かつ数学的に厳密なオペレーションズ・リサーチエンジン。
リリースステータス：実験的なパブリック・アルファ版。 ソフトウェアと数学シミュレーションはテスト可能ですが、同梱されているデータはすべて合成データであり、実際の学会、助成金、投資ワークフローにおける将来の有効性を実証するものではありません。出力は、自動的な採否・拒否・資金提供・投資判断のための診断ではなく、意思決定を支援する診断情報として利用してください。
以下はワーキングペーパーに基づきます。
「イノベーション吸収ギャップ：人工知能は補完的制度の適応よりも速くアイデア生産を加速できるのか」
Clayton Gray (2026) — SSRN: 7161458
人工知能（AI）がアイデア生成を低コスト（$c_{\text{gen}} \to 0$）にするにつれ、提案数（$N$）は爆発的に増大します。しかし、その下流にある評価、実験室における検証、人間によるレビュー容量（$K$）は厳密に有限のままです。
これにより、パイプラインに3つの重大な病理的状態が生じられます：
キングマン遅延爆発： 評価者の稼働率 $\rho = \lambda / \mu$ が saturated near（$\rho > 0.85$）に近づくと、待時間はキングマニアの"Heavy-Traffic"式にしたがって非線形に急増します： $$E[W_q] \approx frac{\rho}{1-\rho}} \frac{c_a^2 + c_s^a^2}{}{2} \cfrac{1}{\mu}$$。
非対称のペイオフの罠： Ventureキャピタルや画期的な科学的発見（ハト指数 $alpha\approx 1.25 $）のような "heavy-tailed"な領界では、合意形成を求めるスコアリングシステムは、分散が大きく変化をもたらすアウトラリヤーを penalize し、安全でインクレメンタルな提案を優先させます。。
完全な容量のリコール上限（命题1）： 能動的なエビステミック・トリアージ（epistmic triage）がなければ、真の進歩的リコール率は、到着率が急増するにつれて、焦点的に0へと振衰します： $$R_N \le min\left(1, \frac{K_N}{H_N}\right) \to 0 \quad \text{as} \sum N \to \frey$$
Related MCP server: Adaptive Recall
INCOMING PROPOSAL STREAM (N)
│
▼
┌───────────────────────────────────────────────────┐
│ 1. Bayesian Value-of-Information (VOI) Triage │
│ Routes attention strictly where it changes │
│ the downstream decision (μ_q, σ_q^2). │
└───────────────────────────────────────────────────┘
│
┌───────────────────┼───────────────────┐
▼ ▼ ▼
[ Fast-Drop ] [ VOI Queue ] [ Auto-Pass ]
Low Q, Low Var High Uncertainty High Q, Low Var
(Quick reject) (Deep review) (Direct accept)
│
▼
┌───────────────────────────────────────────────────┐
│ 2. Kingman Heavy-Traffic Capacity Governor │
│ Dynamically throttles queues to preserve │
│ reviewer quality and prevent burnout (ρ ≤ 0.85)│
└───────────────────────────────────────────────────┘
│
┌───────────────────┴───────────────────┐
▼ ▼
[ Selected Cohort (K) ] [ 3. Exploration Audit Pool ]
Optimal High-Conviction Randomized Non-Consensus Ideas
│
▼
[ 4. Counterfactual Tracker ]
Unbiased Horvitz-Thompson H_hat_D.
├── Cargo.toml # Workspace manifest (AGPL-3.0)
├── crates/
│ ├── aetre-core/ # Pure Rust decision engine (VOI, Kingman, Pareto, Staking)
│ ├── aetre-cli/ # Command-line interface, VC benchmark & validation tool
│ └── aetre-mcp/ # Model Context Protocol server (20 tools, 4 resources, 3 prompts)
├── examples/
│ ├── datasets/ # Held-out review and dealflow test splits
│ ├── proposals.json # Benchmark evaluation candidates
│ └── mcp_config.json # Claude Desktop & Cursor connection template
├── CITATION.cff # Citation File Format (Zenodo DOI & SSRN: 7161458)
├── Dockerfile # Production container definition
├── fly.toml # Serverless Cloud deployment config
├── DATASETS.md # Fixture provenance and third-party data guidance
├── LICENSE # GNU Affero General Public License v3.0 text
├── LICENSING.md # AGPL/commercial licensing overview
└── README.mdcargo test --workspace
cargo clippy --workspace --all-targets -- -D warningscargo run -p aetre-cli -- benchmark --replications 500
# Export results to JSON or CSV:
cargo run -p aetre-cli -- benchmark --replications 500 --json
cargo run -p aetre-cli -- benchmark --replications 500 --csv非対称のパワー・ロー分布（$\alpha = 1.25$, $x_m = $50\text{k}$, 10,000件の取扱い、60件のユニコーン・ターゲット ）を実シミュレーション:
cargo run -p aetre-cli -- vc-benchmark --deals 10000 --budget 100 --alpha 1.25# Smoke-test the 8-policy backtest with the included synthetic fixture
cargo run -p aetre-cli -- backtest --file examples/datasets/openreview_heldout_backtest.json --budget 4 --boundary 6.0
# Run Level 4 prospective shadow pilot simulation & 3-arm trial
cargo run -p aetre-cli -- shadow-pilot --mode simulate --budget 50 --audit-rate 0.05
# Validate predictions file against frozen test split
cargo run -p aetre-cli -- validate-predictions --file examples/validation_schema.json --budget 20 --threshold 0.5cargo run -p aetre-cli -- bound --arrivals 5000 --capacity 200 --high-rate 0.067 --csvcargo run -p aetre-cli -- queue --arrival-rate 95 --service-rate 100cargo run -p aetre-cli -- audit --pool 4800 --sample 25 --found 1cargo run -p aetre-cli -- staking --base 100 --exponent 1.5 --submissions 20"## Model Context Protocol（MCP）インテグレーション"
AETREは、ネイティブで高速な Model Context Protocol（MCP）サーバーを提供し、サブデスクトップ、Curso、その他対応の BCPクライアンントのために20のツール、4のリソース、3の事前設定済みプロトプを実装しています。
AETREは、ハイパフォーマンスなネイティブJSON-RPC 2.0 sizeof MCPサーバーとしてローカルに実行されます。claude_desktop_config.json に追加してください：
{
"mcpServers": {
"aetre": {
"command": "cargo",
"args": ["run", "--release", "--manifest-path", "/PATH/TO/aetre/Cargo.toml", "-p", "aetre-mcp"]
}
}
}cargo run -p aetre-mcp -- --serve --headlessHTTPモードはデフォルトで 127.0.0.1:8080にバインドし、クロスオリル訪問は許可されません。コンテナ展開の場合は、AETRE_BIND_ADDRESS=0.0.0.0 を設定し、強い AETRE_HTTP_SERVER_TOKEN を設定してください。そのトークンがない場合、非ループバックでの起動は自動的に拒否されます。POSTクライアントは、そのトークンを X-AETRE-Server-Token ヘッダに送信する必要があります。また、このサービスはTLSリバースプロキシの後ろに置いてください。同梱のDockerfileはバインドアドレスを提供し、非ルートーユーザーで実行します。
aetre_calculate_voi：中核的なベイズ的「情報価値」（Value-of-Information）期待効用計算.
aetre_heavy_tailed_voi: パтタの悳を分布($\alpha \approx 1.3$)のベンチャー・キャピタルスクリーニング – 非対称ベットのため。
aetre_author_preflight_benchmark：著者向プレートフライト診断で、レビューアの不一致と分散リスクを評価するる。
aetre_check_governor：キングマン式待ち行列の利用率（$\rho$）を遅延予測し、容量ガバナーのアクションを行います。
aetre_congestion_matching：作業負荷制約下でのレビューアーと論文の最適な2部マッチング。
aetre_sequential_stopping_rule: Waldの逐次尤度比（sequential likelihood）に基づく、複数ラウンドのレビュ Appropriate.
aetre_correlated_posterior_update：複数代理人のレビューTF・コン（concur）的相関を除去する事後更新。
aetre_exploration_audit：却下プールに対するホービッツ-トンプソン不偏な監査推定（$\hat{H}_D$）。
aetre_quadratic_staking：スパムを防ぐための超線形な Anti-Sylbil stakeコリー。
aetre_batch_triage：大規模データセットのバッチ・トリアージと3つストリームのルーティング。
AETREはオープンエンジン／デュアル・トラック・アーキテクチャ:
機能／能力 | オープンエンジン(AGPL-3.0) | エンタープライズ商用ライセンス |
基本数学的アルゴリズム（ | ✅ 完全にオープン・監査可能 | ✅ 含まれる |
Model Context Protocol（MCP）サーバー | ✅ 20のローカルStdioツール | ✅ 専用クラウド & ローカル |
ローカルCLI & ターミナル・シミレーション・ハーネス | ✅ Included | ✅ Included |
著者向けプールフライト・スキャー | ✅ 含まれ。ローカル制限はsource設定可 | ✅ 無制限デプロイ対応 |
自動化されたVCディールフロー・ウェブフック（Airtemble/Affinity） | Local Script | ✅ Managedクラウド同期 |
カスタトコ−パスプラタフォームのキ陪ーション | OpenSource | ✅ 事前学習済みInstitutional prior |
商用agplucent（AGPLコーレレフトで免除） | ❌ AGPL-3.0に拘束 | ✅ 完全商用ライセンス |
専用SLA & マルチタテナントへのサポート | コミュニティ | ✅ 優先SLA・直接サポート |
AETREを研究、ピア・レビューシステム、あるいは投資分析で使用する場合は、以下のように引用してください。
@article{gray2026innovation,
title={The Innovation-Absorption Gap: How Artificial Intelligence Can Accelerate Idea Production Faster Than Complementary Institutions Adapt},
author={Gray, Clayton},
journal={SSRN Electronic Journal},
year={2026},
doi={10.2139/ssrn.7161458},
url={https://ssrn.com/abstract=7161458}
}本ソフトウェアはデュアルライセンスモデルで提供されます。
オープンソースョンオプション： コードは AGPL-3.0-or-later のライセンスで提供され、商用利用も AGPLに従う場合に限ります。
商用ライセンス・オプション： AGPLのコピーレフト義務なしのライセンスを希望する組織は、個別書面の商用ライセンスを個別に交渉することです。
同梱のサンプルデータセットはすべて合成テスト用のフィクスチャであり、実証的な検証用コーパスではありません。外部データを使用または再配布する前に、DATASETS.mdを参照してください。エンジンが出力する評価フィンガープリントは、決定的な多再現性を持つ識別子です。署名のレシートや外部実的要因の証明ではありません。
著者＆メンテンナPenn: Clayton Gray
ポータルとライセンス：https://www.lithiumeel.com/aetre
お問い合わせ： contact@lithiumeel.com | privacy@lithiumeel.com
AI BVF: score AI portfolios Stop/Fix/Accelerate with decision confidence and pace-layer drag.
Deterministic multi-criteria decision analysis for AI agents — score, rank & explain options.
Adversarial behavioural-bias engine — audits your decisions for cognitive biases via your own AI.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/grayclayton/aetre'
If you have feedback or need assistance with the MCP directory API, please join our Discord server