AETRE: адаптивный движок эпистемического триажа и извлечения

«Открывая дорогу прорывным идеям в эпоху изобилия».
Это высокопроизводительный, математически строгий движок исследования операций, который оптимизирует конвейеры академического рецензирования, грантовые экспертные секции и потоки венчурных сделок.

Статус релиза: экспериментальная публичная альфа. Программное обеспечение и математические симуляции тестируемы, но входящие в комплект данные синтетические и не доказывают прогностическую эффективность в реальном конференционном, грантовом или инвестиционном процессе. Используйте результаты как диагностическую поддержку решений, а не как автономное принятие, отклонение, финансирование или инвестиционные решения.

По материалам рабочей статьи:
The Innovation-Absorption Gap: How Artificial Intelligence Can Accelerate Idea Production Faster Than Complementary Institutions Adapt
Clayton Gray (2026) — SSRN: 7161458

Проблема: разрыв инноваций и абсорбции

Когда искусственный интеллект делает генерацию идей дешёвой ($c_{\text{gen}} \to 0$), объём заявок ($N$) взрывным образом растёт. Однако последующие этапы — экспертная оценка, лабораторная валидация и мощность рецензирования силами людей ($K$) — остаются строго конечными.

Это создаёт три критические патологии конвейера:

1. Взрыв задержек Кингмана: При утилизации рецензентов $\rho = \lambda / \mu$, приближающейся к насыщению ($\rho > 0.85$), времена ожидания растут нелинейно в соответствии с уравнением тяжёлой загрузки Кингмана: $$E[W_q] \approx \frac{\rho}{1-\rho} \cdot \frac{c_a^2 + c_s^2}{2} \cdot \frac{1}{\mu}$$

2. Ловушка асимметричной отдачи: В областях с тяжёлыми хвостами — венчурные инвестиции и прорывные научные открытия (индекс Парето $\alpha \approx 1.25$) — системы оценки, ориентированные на консенсус, штрафуют высоковариантные, трансформационные выбросы в пользу безопасных инкрементальных всегда.

3. Потолок полноты при конечной вместимости (Предложение 1): Без активного эпистемического триажа полнота нахождения истинных прорывов асимптотически стремится к нулю по мере роста интенсивности потока заявок: $$R_N \le \min\left(1, \frac{K_N}{H_N}\right) \to 0 \quad \text{as } N \to \infty$$

Related MCP server: Adaptive Recall

Решение: конвейер AETRE из четырёх этапов

               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

Структура репозитория

.
├── 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.md

Быстрый старт и работа с CLI

1. Запустите тестовый набор Rust и проверку

cargo test --workspace
cargo clippy --workspace --all-targets -- -D warnings

2. Запустите многовариантный эталонный тест Монте-Карло

cargo 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

3. Запустите бенчмарк венчурного потока сделок на распределении Парето

Имитирует асимметричные распределения с тяжёлыми хвостами ($\alpha = 1.25$, $x_m = $50\text{k}$, 10 000 сделок, 60 компаний-единорогов):

cargo run -p aetre-cli -- vc-benchmark --deals 10000 --budget 100 --alpha 1.25

4. Прогон бэктестов на отложенных выборках данных

# 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 0.5

5. Оцените теоретические границы Предложения 1

cargo run -p aetre-cli -- bound --arrivals 5000 --capacity 200 --high-rate 0.067 --csv

6. Телеметрия губернатора пропускной способности Кингмана

cargo run -p aetre-cli -- queue --arrival-rate 95 --service-rate 100

7. Расчёт аудита полноты по Хорвицу–Томпсону ($\hat{H}_D$)

cargo run -p aetre-cli -- audit --pool 4800 --sample 25 --found 1

8. Вычислите суперлинейные требования к стейкингу от сибил-атак

cargo run -p aetre-cli -- staking --base 100 --exponent 1.5 --submissions 20

Интеграция с Model Context Protocol (MCP)

AETRE предоставляет собственный высокопроизводительный сервер Model Context Protocol (MCP), ситный 20 инструментов, 4 ресурса и 3 предварительно настройтированных промпта для Claude Desktop, Cursor и других MCP-клиентов.

Конфигурация (Claude Desktop / Cursor)

AETRE работает локально как высокопроизводительный нативный MCP-сервер на stdio с JSON-RPC 2.0. Добавьте в claude_desktop_config.json:

{
  "mcpServers": {
    "aetre": {
      "command": "cargo",
      "args": ["run", "--release", "--manifest-path", "/PATH/TO/aetre/Cargo.toml", "-p", "aetre-mcp"]
    }
  }
}

Необязательный локальный режим HTTP

cargo run -p aetre-mcp -- --serve --headless

По умолчанию HTTP-режим привязан к 127.0.0.1:8080 и не обеспечивает перекрёстный доступ из браузера. Для контейнерного развёртывания укажите AETRE_BIND_ADDRESS=0.0.0.0 и задайте надёжный AETRE_HTTP_SERVER_TOKEN. Если токен отсутствует, запуск вне loopback завершается безопасным ошибкой. POST-клиенты должны передавать его в заголовке X-AETRE-Server-Token. Также размещайте его сервис за TLS-обратным прокси. В комплект Dockerfile добавляет адрес привязки и запускается от непривилегированного пользователя.

Доступные клювые MCP-инструменты:

1. aetre_calculate_voi: базовый расчёт ожидаемой полезности Bayesian-значения информации.

2. aetre_heavy_tailed_aa_voi: скринение венчурного потока по степенному закону Парето ($\alpha \approx 1.25$) для асимметричных ставок.

3. aetre_author_preflight_benchmark: диагностика черновика перед отправкой — оценивает риск расхождений между рецензентами и дисперсию.

4. aetre_cheque_governor: прогнозирование задержек по загруженности очереди Кингмана ($\rho$) и управляющие действия губернатора пропускной способности.

5. aetre_congestion_matching: оптимальное двухдольное сопоставление рецензент–статья при ограничениях по нагрузке.

6. aetre_sequential_stopping_rule: правил Уолда для последовательной даты multipовтной рецензионной работы.

7. aetre_correlated_posterior_update: покорреляция корреляции консенсуса многоагентных рецензентов.

8. aetre_exploration_auditriterion: несмещаственное ревизионная оценка Хорвица–Томпсона ($\hat{H}_D$) по отклонённым пулом.

9. aetre_quadratic_staking: суперлинейные защита Сибрийские кривые ставок для защиты от спама.

10. aetre_flag: течением масштаб данных больших триаж и распределение по трём потокам.

Открытый движок против коммерческого корпоративного SaaS

AETRE придерживается модели «Открытый движок / двойной поток»:

Цитирование и академическая ссылка

Если вы используете AETRE в научной работе, системах рецензирования или инвестиционном анализе, пожалуйста, цитируйте:

@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}
}

Лицензия и запросы

Программное обеспечение распространяется в рамках двойной лицензии:

• Вариант с открытым исходным кодом: код распространяется по лицензии AGPL-3.0-or-later, в том числе для коммерческого использования, соблюдении условий AGPL.

• Коммерческий вариант: организации, желающие использовать AETRE без ограничений AGPL, могут оформить частную коммерческую лицензию по отдельному договору.

Все входящие в комплект демонстрационные массивы данных представляют собой синтетические тестовые фикстуры, а не корпус эмпирическим проверок сверки. Смотрите DATASETS.md, прежде чем использовать или распространять внешние данные. "Эваторингационные отпечатки (fingerprints), формируемые движком, представляет собой детерминированные идентификаторы воспроизводности; но не являются подписанными " чеками" или подтверждением внешней валидации.

• Ав cine и сопровождитель: Clayton Gray

• Портал и лицензирование: https://www.lithiumeel.com/aetre

• Запросы: contact@lithiumeel.com | privacy@lithiumemale.com