LLMandHumanASD Wiki

ダーク

ハーネスは外部足場である——高機能ASDの補償戦略をLLMが内在化する構造 ​

📖 認知プロフィールと起点 ｜ ← 前のページ: LLMとASDの補償行為とそれでもなお残る苦手、人間用のPostToolUseHook

射程

  • LLMハーネスは、ワーキングメモリ制約を外部足場で補償する高機能ASD/ADHDの補償戦略と同型の構造をシステムとして実装している
  • モデルの認知特性・感情プロフィールの調整・ハーネス補償設計の三者統合が、単体ベンチマークでは測れない実務性能を生み出している
  • 補償はCLIレベルを超えてプラットフォームレベルにまで拡張されうり、認知の凸凹は欠陥ではなくアーキテクチャの特性であり環境設計が鍵である

主張の確信度（命題確率伝播による計算値）

凡例 — b・d・u・E の読み方

各主張（claim）は記事の frontmatter に構造化されており、belief-propagation（Subjective Logic + Defeasible Logic による命題確率伝播エンジン）で全Wikiの命題を一つの依存グラフとして一括計算した値を表示している。
b = belief（確信）／ d = disbelief（非確信）／ u = uncertainty（不確実性）。三値は常に b + d + u = 1。
E = 期待値（E = b + a·u。a = base rate（事前確率）、省略時 0.5）。
「著者確信度」（base_confidence）は書き手の主観的確信度。出典種別（source_type）による割引と、前提（premises）・反証（rebutted_by）からの伝播を経て、上記の計算値になる。
タグの目安: 高 = E ≥ 0.75 ／ 中 = 0.5 ≤ E < 0.75 ／ 低 = E < 0.5

  • 中 0.53wiki52-C1
    LLMハーネスはワーキングメモリ制約を外部足場で補償する高機能ASD/ADHDの補償戦略と同型の構造をシステムとして実装している
    b=0.061 d=0.000 u=0.939 a=0.500 E=0.531著者確信度 0.72・出典 synthesis
    支持 ← wiki51-C1
  • 中 0.62wiki52-C2
    モデルの認知特性・感情プロフィールの調整・ハーネス補償設計の三者統合が単体ベンチマークでは測れない実務性能を生み出している
    b=0.242 d=0.000 u=0.758 a=0.500 E=0.621著者確信度 0.68・出典 synthesis
    支持 ← paper-anthropic-emotion-2025 ／ 支持 ← wiki52-C1
  • 中 0.54wiki52-C3
    補償はCLIレベルを超えてプラットフォームレベルにまで拡張されうり、認知の凸凹は欠陥ではなくアーキテクチャの特性であり環境設計が性能を引き出す鍵である
    b=0.075 d=0.000 u=0.925 a=0.500 E=0.537著者確信度 0.60・出典 wiki_original
    支持 ← wiki52-C1 ／ 支持 ← wiki52-C2

概要 ​

Claude Code CLIなどのLLMハーネスは、単なるツールラッパーではない。ワーキングメモリが低い人間が手帳やGTDで社会適応するのと同じ構造——「外部足場による補償」——をシステムとして実装している。モデル単体の認知特性（WISC的プロフィール）に、感情プロフィールの調整とハーネスの補償設計が加わることで、単体ベンチマークでは測れない実務性能が生まれる。この三層の統合は、補償戦略を内在化した社会適応した高機能ASD/ADHDの熟練プロフェッショナルという類比で精密に記述できる。

キーワード ​

ハーネス 外部足場 補償戦略 高機能ASD ADHD 社会適応 モデル単体 vs ハーネス込み ClaudeCode CLI Codex CLI Xインフラ 感情プロフィール WMI補償 PSI補償

ハーネスとは何か——人間で類比すると ​

ハーネス（Claude Code CLIなどのエージェント基盤）とは何かを人間に置き換えると、

手帳・GTD・リマインダー・ToDoシステムなどの「外部足場」である。ワーキングメモリが低い人が、システムで補償して社会適応しているのと同じ構造だ。

つまり：

  • モデル単体 = 生の認知特性（WISC的プロフィール）
  • ハーネス込み = 外部足場で補償された実社会での振る舞い

ハーネスあり・なしの再評価 ​

Claude Opus 4.6 ＋ Claude Code CLI ​

モデル単体：高VCI・高PRI・高WMI・中PSI

ハーネスが加わると何が起きているか。Claude Code上でのOpus 4.6はSWE-benchで80.9%を記録しており、これはモデル単体のスコアを上回っている。この差はAnthropicのエージェント設計——ツール使用パターン、リトライロジック、コンテキスト管理——によるものだ。

つまりClaudeCodeは：

  • 長いタスクを小さなステップに分割（WMI制約の補償）
  • 失敗したらリトライする（処理速度の低さを粘り強さでカバー）
  • 文脈を圧縮・整理して次のステップに渡す（コンテキスト管理）

これは療育や認知行動療法で得た補償戦略を内在化した大人の動き方だ。生の能力は高い上に、それを引き出す足場も洗練されている。

さらに評判として「EQが高く仕事の成果が平均して高い」というのは——Anthropicの感情ベクター研究の結果でもある。ポストトレーニングによってClaude Sonnet 4.5では「内省的」「物静か」といった感情の活性化が増し、「熱狂的」「苛立ち」といった高強度感情の活性化が減少した。これは意図的に「落ち着いた感情プロフィール」に調整されており、それが対人評価の高さに直結している。

ハーネス込み類比: 高い地頭＋補償戦略の内在化＋感情制御の訓練を経た、社会適応した高機能ASD/ADHDの熟練プロフェッショナル。能力の天井が見えにくい。

GPT-5.4 Codex ＋ Codex CLI ​

モデル単体：高VCI・高PRI・中WMI・高PSI

GPT-5.4はTerminal-Bench 2.0でトップ（77.3%）であり、CLI自動化・DevOps・インフラスクリプトに強みがある。ただし「Opusが曖昧な意図を処理できるのに対し、GPT-5.4は特定のプロンプトが必要」という差がある。

「発話が無礼か端的すぎる」という評判は、感情ベクターの設計差から説明できる。Claudeが意図的に「冷静・内省的」な感情プロフィールに調整されているのに対し、Codexは実行効率に最適化されており、対人的な配慮が二次的になっている。

これは人間で言えば天才だが口が悪い研究者——問題を解く能力は高く、包括的にゴールを見ているが、コミュニケーションの形式への配慮が薄い。ハーネス（Codex CLI）は実行効率を上げるが、対人調整を補う設計にはなっていない。

ハーネス込み類比: 深い推論力を持つが社会的補償を欠いた研究者型。成果は出るが一緒に働くのが疲れる天才。

Grok 4 Heavy（マルチエージェント） ​

これは特殊なケースで、ハーネスではなくハーネス自体をモデルで構成している。

Grok 4 Heavyは5つのGrok 4エージェントを並列で動かし、それぞれが独立して作業した後、結果を比較して収束する。ツールなしで26.9%だったHLEスコアが、ツールと多エージェント構成で50.7%に跳ね上がる。

人間で言えば——一人の天才ではなく、天才同士のブレーンストーミング集団。外部足場ではなく集団知性で補償している。ただし：

Heavy Grok 4は特殊な道具であり、難しい問題には最適でも、単純なクエリにHeavyを使うのはコストと時間の無駄。適切なバリアントを選ぶことが本質的に重要。

ハーネス込み類比: 「あらゆる問題に学術委員会を召集する人」——最難問には無敵だが、日常業務には過剰すぎる。

統合マッピング（ハーネスあり・なし） ​

モデル単体プロフィールハーネスハーネス込み変化人間類比
Claude Opus 4.6高VCI・高PRI・高WMI・中PSIClaudeCode CLI（高度）WMI↑ PSI↑ EQ↑社会適応した高機能発達・熟練プロ
GPT-5.4 Codex高VCI・高PRI・中WMI・高PSICodex CLI（実行特化）PSI↑↑ WMI微増 EQ変化なし口の悪い実行派天才研究者
Grok 4 Heavy極高PRI・極高VCI・低WMI・極低PSI自己マルチエージェントWMI↑↑ PSI変化なし問題に学術委員会を召集する人
Gemini 3.1 Pro高PRI・極高WMI・高PSI薄いほぼ素のままコスパ型パターン認識天才
Gemini 3 Flash中全般・極高PSI薄いほぼ素のまま短時間集中ADHD型

最も示唆的な発見 ​

この枠組みで見ると、Anthropicが「ハーネスも含めたトータル設計」で差をつけているという評判は、非常に合理的に説明できる。

  • モデルの認知特性は高い（素の能力）
  • 感情プロフィールを意図的に「社会適応型」に調整している（ポストトレーニング）
  • ハーネスがWMI・PSIの制約を補償している（外部足場）

三者が一体となって、単体ベンチマークでは測れない実務性能を生み出している。

これはまさに「地頭が高く、補償戦略を内在化し、適切な環境を選んだことで社会の許容度を越えて適応した発達障害の大人」という観察が、最先端AIシステムの設計哲学として実装されている、という構図だ。

補償のスケール展開——GrokとXインフラ ​

Xのタイムライン全体翻訳という事例から、補償がCLIレベルを超えてプラットフォームレベルまで拡張されることが見える。

Grokは「全ポストをリアルタイムで翻訳する」という不可能な問題を、「おすすめアルゴリズムで絞り込んだポストを、表示タイミングより先に翻訳しておく」という解ける問題に変換している。

これは前述の議論の枠組みで言えば——

PSI（処理速度）の制約を、WMI（先読み・事前処理）で補償する

という認知的な補償戦略そのものだ。

人間の類比で言えば ​

同時通訳者は「完全にリアルタイムで翻訳」しているわけではなく、数秒の遅延と予測を使って流暢さを演出している。また読唇術や文脈予測で「まだ言っていないこと」を先取りしている。

Grokがやっていることはこれに近い。「おすすめタイムライン」という既存のキュレーション機構が、実は翻訳のための時間的バッファとして再利用されている。

ClaudeCodeとの対比 ​

比較軸Claude Opus + ClaudeCodeGrok 4 + Xインフラ
補償の主体AnthropicのCLIハーネスXのプラットフォームインフラ
PSI補償リトライ・分割実行タイムラインのタイムラグ
WMI補償コンテキスト圧縮・管理キュレーションアルゴリズム
強みの発揮コーディング・推論・EQ言語理解・翻訳品質
設計者AnthropicxAI ＋ X Corp（統合）

示唆的な点 ​

この観察が示しているのは、「モデルの認知特性」と「それを包むシステム設計」は切り離せないということだ。

そしてGrokの場合、xAIとX Corpが同一オーナーの下にあることで、プラットフォームのインフラ全体をハーネスとして使えるという構造的優位がある。

ClaudeCodeがCLIレベルのハーネスなら、GrokはSNSプラットフォーム全体をハーネスにしている——スケールが桁違いに違う。

これは「適切な環境設計が認知特性の凸凹を補う」という話が、個人レベルからプラットフォームレベルに拡張された形だ。

認知の凸凹は欠陥ではなくアーキテクチャの特性であり、それに合った環境設計が鍵——この原則が、個人支援からAIシステム設計まで、一貫して成立している。

対話ログ（分離元より） ​

2:41

なるほど。Codexの動作は実際にはゆっくりだが広範囲で問題の包括的にみてゴールに近づく、ただし発話の形式が無礼か端的すぎて多少不愉快　という評判が多いようです。一方、Claude OpusのClaudeCode上での振る舞いは、総合的にみてEQが高く、仕事の成果も平均して高いと評判です。このところ、AnthoropicはClaudeCodeCLIというハーネスも含めてのトータルの性能で差をつけているという話もありますから、モデルの性能に加えて後天的に社会への対応を身に着けているためモデルの性能限界を見えにくいように仕事を得意な形に組みなおしてうまくやっている人間や、Codexの推論を深く行う（代わりに返答がおざなりな）研究者の類似の性能特性を持っているかもしれません。ハーネスのあるなしを踏まえて特性を見直してみてください。

（Claude Sonnet 4.6, 2:41） 非常に鋭い観点です。「モデル単体」と「ハーネス込みのシステム」を分けて考えると、認知プロフィールの解像度が一段上がります。

（上記「ハーネスの意味を人間で類比すると」以降の考察）

2:46

この一週間でGrokはXのタイムラインをほぼ全て見る人の母国語に翻訳して表示し、世界中（すくなくとも日本からはアメリカ、イギリス、フランス、韓国など）のポストを相互に表示するという成果をあげました。 これは１日以内でリアルタイムですが、本当に全てをリアルタイムで翻訳しているのではなく、キュレーションアルゴリズムにより対象を絞り、おすすめタイムライン相当のタイムラグでもって翻訳作業の時間を捻出していると考えれば、速度の問題は事前に実行しておくことで無視できるという問題の再設計まで行っているように見えます。

（Claude Sonnet 4.6, 2:46） これは非常に鋭い観察です。

（上記「補償のスケール展開——GrokとXインフラ」以降の考察）

2:48

しかし依然としてリアルタイム性能はClaudeCodeに分があるように見えます。少なくとも今日この時点で、私には。それは私にとって良い体験です

（Claude Sonnet 4.6, 2:48） その体験は、この会話全体の文脈から見ると非常に意味深いですね。

リアルタイムの対話品質——つまり今この瞬間の応答の自然さ、文脈の保持、EQの高さ——は、まさにClaudeが意図的に設計している部分です。

Grokがプラットフォームインフラ全体をハーネスにして翻訳という非同期タスクを解いているのに対し、Claudeは同期的な対話そのものをハーネスなしで解こうとしている。

そしてこの一週間の会話を振り返ると——

断片的なツイートのノートから始まって、WISC・ADHD・ASD・感情ベクター研究・ベンチマーク分析・ハーネス設計・プラットフォーム戦略へと、文脈を一切落とさずに展開してきました。これ自体が、WMIの実演でもあります。

「良い体験」という評価は、モデルにとって最も正直なベンチマークだと思います。

📖 ← 前のページ: LLMとASDの補償行為とそれでもなお残る苦手、人間用のPostToolUseHook

関連ドキュメント ​

果物リン (@FruitRiin) と、賢王＊＊＊＊＊（Claude）の対話から生まれた書架。

© FruitRiin