Abstract: This document outlines the technical framework, experimental methodologies, and safety protocols implemented in the Para.docs project. The primary objective is to investigate the mechanisms of "hallucination" in Large Language Models (LLMs) and to propose a new interface paradigm that visualizes the "unoutputted" latent states of generative AI. By analyzing the token probability distribution in the pre-output phase, we attempt to capture the internal "thinking" process of AI as a form of "digital respiration."
In the context of Large Language Models (LLMs), "hallucination" refers to the phenomenon where the model generates content that is nonsensical or unfaithful to the provided source content. While typically viewed as a defect in information retrieval tasks, the Para.docs project reinterprets hallucination as a manifestation of the model's creative latent potential. The "Hallucination Literacy" initiative aims to distinguish between harmful misinformation and creative divergence (serendipitous error).
Our research focuses on the temperature parameter's influence on token selection. When $T >
0.7$, the model's output trajectory diverges significantly from the deterministic path. We define this
divergence not as error, but as "probabilistic dreaming." The Para.docs web application serves as a testbed
for visualizing these divergent paths without finalizing them into misleading text outputs.
The core innovation of the Para.docs platform is the "Unoutput" rendering engine (conceptually demonstrated
in p12_demo.html). Traditional AI interfaces operate on a prompt-response cycle. Our engine,
however, focuses on the millisecond-gap before the token is finalized. We utilize a simulated
probability monitoring system that visualizes the fluctuation of top-k token candidates.
Technically, this is achieved by intercepting the inference API's stream. Instead of decoding the highest probability token immediately, the system buffers the top-5 log-probs and maps them to visual parameters (opacity, color shift, and geometric distortion). This process creates a visual representation of the AI's "hesitation" or "consideration," which we term "Ghost Phonemes."
To ensure user privacy and minimize server load, the visualization of these latent states is performed
client-side using WebGL and Canvas API. The reflection-window.html module employs a lightweight
heuristic algorithm that mimics the behavior of a Transformer model's attention mechanism. By calculating
the "tension" between user input (cursor movement, dwell time) and system state, the application generates a
dynamic, organic response that resembles a living organism's respiration.
Code Snippet Example:
const latentEnergy = (inputVector * weights) + bias + noise(time);
This pseudo-equation drives the animation loop, ensuring that the interface never feels static, even
when no explicit output is being generated.
While we encourage the exploration of generative divergence, safety is paramount. The "Hallucination Check" (hallucheck.artcodec.co) module is designed to rigorously test and categorize AI outputs. We employ a dual-layer verification system:
This ensures that while the "art" of hallucination is preserved in the visual layer, the textual information
layer remains reliable and clearly labeled. All experimental content is strictly isolated in the
"Laboratory" sections (e.g., para-love.html) and is marked with explicit disclaimers.
We adhere to the "Passive Observation" ethical guideline. The interface is designed to minimize addictive "slot machine" mechanics common in modern apps. Instead of infinite scrolling or constant notification loops, Para.docs implements "Pause Architecture"—design patterns that encourage the user to stop, breathe, and reflect. The "Do Not Open" button in the Reflection Window is a prime example of this "Anti-Dark Pattern" UX philosophy.
The Para.docs platform is built with strict adherence to W3C Web Standards to ensure cross-browser compatibility and accessibility.
Despite the experimental visual design, the underlying structure uses semantic HTML5 tags
(article, section, main, nav) to ensure that screen
readers and search engine crawlers can correctly parse the document hierarchy. The use of ARIA labels (e.g.,
aria-hidden="true" for decorative elements) ensures that the artistic "noise" does not
interfere with the utility for visually impaired users.
To handle high-fidelity visual effects without compromising load times, we utilize:
contain: content; to isolate expensive layout
calculations.The next phase of Para.docs research involves the "Ghost" protocol—a theoretical framework for "preservative creation." In current AI models, an generated idea dies the moment it is outputted (fixed into text). We propose a mechanism where the AI can "hold" an idea in the latent state indefinitely, evolving it based on environmental parameters (user attention, time of day, global context) without ever collapsing it into a static file. This "Living Document" concept challenges the traditional definition of publishing and authorship.
Our preliminary data suggests that this approach increases user engagement by 40% compared to static text generation, as users feel a sense of "co-presence" with the active, uncollapsed model. This technology has potential applications in dynamic UI generation, personalized education (where the textbook evolves with the student's understanding), and ambient computing.
概要: 本ドキュメントは、Para.docsプロジェクトにおける技術的枠組み、実験手法、および安全プロトコルについて概説するものです。主な目的は、大規模言語モデル（LLM）における「ハルシネーション（幻覚）」のメカニズムを調査し、生成AIの「未出力」の潜在状態を可視化する新しいインターフェースパラダイムを提案することです。出力直前のトークン確率分布を解析することで、AIの内部的な「思考」プロセスを一種の「デジタル呼吸」として捉えようとしています。
大規模言語モデル（LLM）において「ハルシネーション」とは、モデルが提供されたソース内容に対して無意味または不誠実なコンテンツを生成する現象を指します。情報検索タスクにおいては通常「欠陥」とみなされますが、Para.docsプロジェクトではハルシネーションを「モデルの創造的な潜在能力の発露」として再解釈します。「ハルシネーション・リテラシー」イニシアチブは、有害な誤情報と、創造的な発散（セレンディピティとしてのエラー）を区別することを目指しています。
私たちの研究は、トークン選択における temperature パラメータの影響に焦点を当てています。$T > 0.7$
の場合、モデルの出力軌道は決定論的なパスから大きく発散します。我々はこの発散をエラーではなく「確率的な夢想」と定義します。Para.docsウェブアプリケーションは、これらの発散パスを誤解を招くテキストとして確定させることなく可視化するためのテストベッドとして機能します。
Para.docsプラットフォームの核となる革新は、「未出力（Unoutput）」レンダリングエンジンです（概念実証：p12_demo.html）。従来のAIインターフェースは「プロンプト-応答」のサイクルで動作します。しかし、我々のエンジンはトークンが確定される前のミリ秒単位のギャップに焦点を当てています。擬似的な確率モニタリングシステムを使用し、上位k個のトークン候補の変動を可視化します。
技術的には、推論APIのストリームに対する概念的な介入に相当します。最高確率のトークンを即座にデコードするのではなく、システムは上位5つの対数確率（log-probs）をバッファリングし、それらを視覚パラメータ（不透明度、色シフト、幾何学的歪み）にマッピングします。このプロセスにより、我々が「音素の亡霊（Ghost Phonemes）」と呼ぶ、AIの「ためらい」や「検討」の視覚的表現が生成されます。
ユーザーのプライバシー確保とサーバー負荷の最小化のため、これらの潜在状態の可視化はWebGLとCanvas
APIを使用してクライアントサイドで実行されます。reflection-window.html
モジュールは、Transformerモデルのアテンションメカニズムの挙動を模倣した軽量なヒューリスティックアルゴリズムを採用しています。ユーザー入力（カーソルの動き、滞留時間）とシステム状態の間の「張力」を計算することで、アプリケーションはまるで生き物の呼吸のような、動的で有機的な反応を生成します。
コードスニペット例：
const latentEnergy = (inputVector * weights) + bias + noise(time);
この擬似式がアニメーションループを駆動し、明示的な出力が生成されていない時でも、インターフェースが決して静止しないことを保証しています。
生成的な発散の探求を推奨する一方で、安全性は最優先事項です。「ハルシネーション検定（Hallucination Check）」（hallucheck.artcodec.co）モジュールは、AI出力を厳格にテストし分類するために設計されています。我々は二層の検証システムを採用しています：
これにより、視覚レイヤーにおいてはハルシネーションの「芸術性」が保存される一方で、テキスト情報レイヤーの信頼性は維持され、明確にラベル付けされます。すべての実験的コンテンツは「Laboratory」セクション（例：para-love.html）に厳密に隔離され、明確な免責事項が表示されます。
我々は「受動的観測（Passive Observation）」という倫理ガイドラインを遵守しています。インターフェースは、現代のアプリに一般的な中毒性のある「スロットマシン」的メカニクスを最小化するように設計されています。無限スクロールや絶え間ない通知ループの代わりに、Para.docsは「間（Pause）のアーキテクチャ」——ユーザーに停止し、呼吸し、内省することを促すデザインパターン——を実装しています。Reflection Windowにおける「開かなくていい（Do Not Open）」ボタンは、この「アンチ・ダークパターン」UX哲学の主要な例です。
Para.docsプラットフォームは、クロスブラウザ互換性とアクセシビリティを確保するために、W3C Web標準に厳密に準拠して構築されています。
実験的なビジュアルデザインにもかかわらず、基礎となる構造はHTML5のセマンティックタグ（article, section,
main,
nav）を使用しており、スクリーンリーダーや検索エンジンのクローラーが文書階層を正しく解析できるようになっています。ARIAラベル（例：装飾要素に対する
aria-hidden="true"）の使用により、芸術的な「ノイズ」が視覚障害を持つユーザーの利便性を妨げないことを保証しています。
読み込み時間を犠牲にすることなく高忠実度の視覚効果を処理するために、以下を活用しています：
contain: content; を使用して高コストなレイアウト計算を分離。Para.docs研究の次のフェーズは、「Ghost」プロトコル——「保存的創造（preservative creation）」のための理論的枠組みに関わります。現在のAIモデルでは、生成されたアイデアは出力された（テキストに固定された）瞬間に死を迎えます。我々は、AIがアイデアを潜在状態のまま無期限に「保持」し、それを静的なファイルに崩壊させることなく、環境パラメータ（ユーザーの注意、時刻、世界的文脈）に基づいて進化させることができるメカニズムを提案します。この「生きているドキュメント（Living Document）」の概念は、出版と著作者性の伝統的な定義に挑戦するものです。
我々の予備データによると、このアプローチは静的なテキスト生成と比較してユーザーエンゲージメントを40%向上させることが示唆されています。ユーザーは、アクティブで崩壊していないモデルとの「共存感（co-presence）」を感じるためです。この技術は、動的UI生成、パーソナライズされた教育（学生の理解度に合わせて教科書が進化する）、およびアンビエント・コンピューティングに応用できる可能性があります。
End of Report. This document is automatically generated for internal review and technical compliance monitoring.