{
  "built_at": "2026-10-19",
  "candidate_threshold": 3,
  "mechanisms": [
    {
      "candidate": false,
      "count": 3,
      "id": "score_transfer_to_units",
      "note": "Ранжируется одна структура, а возвращается другая. Ни оператор поиска (C1), ни переранжирование (D1) этого перехода не выражают.",
      "note_en": "One structure is ranked and a different one is returned. Neither the search operator (C1) nor reranking (D1) expresses that transition.",
      "technologies": [
        {
          "id": "gfm_rag",
          "name": "GFM-RAG"
        },
        {
          "id": "hipporag",
          "name": "HippoRAG"
        },
        {
          "id": "rag_as_memory",
          "name": "RAG as Memory"
        }
      ],
      "term": "перенос оценок узлов на единицы извлечения",
      "term_en": "transfer of node scores onto retrieval units",
      "verdict": {
        "decided_at": "2026-09-01",
        "decision": "declined",
        "reason": "Механизм повторяется, но измерением не становится: выразить его значило бы завести измерение «над чем построен указатель», отличное от «что возвращается» (A1). Такое измерение обязывает проставить значение у каждой записи реестра, то есть перечитать все источники, а сам перенос оценок есть следствие отсутствующей координаты, а не координата. Ввод измерения под следствие закрепил бы признак вместо причины. Пересмотреть решение стоит тогда, когда владелец готов заполнить «над чем построен указатель» по всему реестру: тогда перенос оценок станет выводимым как случай, где эта координата расходится с A1.",
        "reason_en": "The mechanism recurs but does not become a dimension: expressing it would mean introducing a dimension of what the index is built over, distinct from what is returned (A1). Such a dimension obliges a value on every record of the registry, that is a rereading of every source, while the transfer of scores is itself a consequence of the missing coordinate rather than a coordinate. Introducing a dimension for the consequence would enshrine the symptom instead of the cause. The decision is worth revisiting when the owner is ready to fill in what the index is built over across the registry: the transfer of scores will then be derivable as the case where that coordinate diverges from A1."
      }
    },
    {
      "candidate": false,
      "count": 2,
      "id": "lexical_rule_routing",
      "note": "Маршрутизация (B2) называет обученный классификатор, языковую модель и политику по стоимости. Здесь путь выбирается перечнем слов и образцов: вопрос со словом «почему» ведёт к одному слою связей, со словом «когда» к другому. Ничего не обучено и никакая модель не вызвана, поэтому записано базовое значение, а сам механизм остаётся здесь.",
      "note_en": "Routing (B2) names a trained classifier, a language model and a cost-aware policy. Here the path is chosen by a list of words and patterns: a question containing «why» leads to one layer of relations, one containing «when» to another. Nothing is trained and no model is called, so the base value is recorded and the mechanism stays here.",
      "technologies": [
        {
          "id": "ledgermind",
          "name": "LedgerMind"
        },
        {
          "id": "magma",
          "name": "MAGMA"
        }
      ],
      "term": "выбор пути обработки по словарным правилам над текстом запроса",
      "term_en": "the processing path chosen by lexical rules over the text of the query",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 2,
      "id": "random_walk_ranking",
      "note": "Обход графа (C1) говорит, что структура обходится, но не как распределяется вес по узлам.",
      "note_en": "Graph traversal (C1) says the structure is traversed, but not how weight is distributed across nodes. Different rules give different results on the same graph.",
      "technologies": [
        {
          "id": "hipporag",
          "name": "HippoRAG"
        },
        {
          "id": "rag_as_memory",
          "name": "RAG as Memory"
        }
      ],
      "term": "ранжирование случайным блужданием с предпочтением",
      "term_en": "personalized random-walk ranking",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 2,
      "id": "learned_relevance_propagation",
      "note": "Оператор поиска (C1) говорит, что структура обходится, но не то, по какому правилу вес расходится по вершинам. Случайное блуждание и обученная передача сообщений дают на одном графе разные ответы, а обучаемость компонентов (G3) говорит лишь о том, что извлекатель обучен, не называя, что именно обучено делать.",
      "note_en": "The search operator (C1) says the structure is walked but not by what rule weight spreads across the nodes. A random walk and a trained message passing give different answers on one graph, while the trainability of components (G3) says only that the retriever is trained and does not name what it was trained to do.",
      "technologies": [
        {
          "id": "g_reasoner",
          "name": "G-reasoner"
        },
        {
          "id": "gfm_rag",
          "name": "GFM-RAG"
        }
      ],
      "term": "распространение значимости по графу обученной моделью",
      "term_en": "propagation of relevance over the graph by a trained model",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 2,
      "id": "max_similarity_interaction",
      "note": "Модель представления (A5) называет вид представления, но не правило, по которому два набора векторов сводятся к одной оценке.",
      "note_en": "The representation model (A5) names the kind of representation but not the rule by which two sets of vectors collapse into a single score.",
      "technologies": [
        {
          "id": "colbert",
          "name": "ColBERT"
        },
        {
          "id": "colpali",
          "name": "ColPali"
        }
      ],
      "term": "сравнение по максимуму сходства между представлениями",
      "term_en": "max-similarity interaction between representations",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "whole_query_result",
      "note": "Запрос к графовой базе возвращает всё, что удовлетворяет его условиям, и это передаётся модели как есть. Отбор и сжатие (D2) называют способы уменьшить найденное: первые k, бюджет контекста, пересказ, сжатие в векторы. Значения для отказа от уменьшения нет.",
      "note_en": "A query to the graph database returns everything that satisfies its conditions, and this is passed to the model as it is. Selection and compression (D2) names ways of reducing what was found: the first k, a context budget, a restatement, compression into vectors. There is no value for not reducing it.",
      "technologies": [
        {
          "id": "unified",
          "name": "Unified RAG over Structured and Unstructured Data"
        }
      ],
      "term": "весь результат точного запроса без отсечения",
      "term_en": "the whole result of an exact query, with no cut",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "intra_trajectory_state_lifecycle",
      "note": "Страта эволюции состояния (F1, F2, F3) определена для систем, хранящих память между запросами, и потому к разбору одного запроса не применяется. Здесь же состояние живёт именно внутри разбора: у записи есть срок годности, есть состояния «действующая», «устаревшая», «противоречивая» и «отброшенная», есть поле замещающей записи и есть проверки, переводящие запись из одного состояния в другое. Механизм тот же, что у памяти, а область действия иная, и схема этого различия не выражает.",
      "note_en": "The stratum of state evolution (F1, F2, F3) is defined for systems that keep memory between queries and therefore does not apply to the handling of a single query. Here the state lives inside that handling: an entry has a time to live, states of active, stale, conflicted and dropped, a superseding-entry field, and checks that move it from one state to another. The mechanism is the one memory has, the scope is different, and the schema does not express that difference.",
      "technologies": [
        {
          "id": "ledgermind",
          "name": "LedgerMind"
        }
      ],
      "term": "жизненный цикл состояния внутри одного разбора запроса",
      "term_en": "a lifecycle of state inside the handling of a single query",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "anticipatory_streaming_retrieval",
      "note": "Управление обходом (C2) говорит, сколько раз система обращается к указателю, но не то, когда обращение происходит относительно запроса. Здесь сопоставление и расширение идут, пока говорящий ещё говорит, и к моменту паузы остаётся только поиск в отобранном, отчего задержка ответа почти не растёт.",
      "note_en": "Traversal control (C2) says how many times the system consults the index but not when the consultation happens relative to the query. Here matching and expansion run while the speaker is still speaking, and by the pause only the search within what was selected is left, so the delay before the reply barely grows.",
      "technologies": [
        {
          "id": "voicemem",
          "name": "VoiceMem"
        }
      ],
      "term": "извлечение, начатое до конца запроса",
      "term_en": "retrieval begun before the query has ended",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "provenance_closed_repair",
      "note": "Контроль обоснованности (E2) говорит, что проверка происходит, а приписывание источника (E3) говорит, на что ссылается ответ. Ни то, ни другое не выражает запрета на пополнение состояния: здесь исправление ограничено набором типовых действий, каждое из которых либо ничего не добавляет, либо добавляет только вывод инструмента, так что ошибка остаётся прослеживаемой, а свободный текст в состояние не попадает вовсе.",
      "note_en": "Groundedness control (E2) says that a check happens, and attribution (E3) says what the answer cites. Neither expresses a prohibition on adding to the state: here repair is restricted to a set of typed operations, each of which either adds nothing or adds only a tool output, so an error stays traceable and free-form text never enters the state at all.",
      "technologies": [
        {
          "id": "ledgermind",
          "name": "LedgerMind"
        }
      ],
      "term": "исправление, не способное внести содержание без происхождения от инструмента",
      "term_en": "repair that cannot introduce content without provenance from a tool",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "generated_per_agent_configuration",
      "note": "Запись реестра есть точка конфигурационного пространства, а пометка переменного значения говорит, что систе́ма выбирает значение среди своих режимов. Здесь ни того, ни другого: система порождает устройство памяти под назначение конкретного агента, решая, какие разряды сведений извлекать, как их хранить, извлекать и уплотнять, и порождённое устройство управляет всеми прочими стадиями. Точка пространства оказывается не выбранной из списка, а созданной.",
      "note_en": "A registry record is a point in the configuration space, and the variable mark says the system picks a value among its own modes. Here it is neither: the system generates the memory design for the purpose of a particular agent, deciding which categories of material to extract and how to store, retrieve and compact them, and the generated design governs every other stage. The point in the space is not chosen from a list but created.",
      "technologies": [
        {
          "id": "agentic_context_management",
          "name": "Agentic Context Management"
        }
      ],
      "term": "конфигурация памяти, порождаемая под каждого агента",
      "term_en": "a memory configuration generated for each agent",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "multiple_modes_one_record",
      "note": "Запись — точка конфигурационного пространства, но система предлагает несколько режимов, различающихся значениями измерений. Записывается объединение подтверждённого: значение ставится, если хотя бы один режим им обладает.",
      "note_en": "A record is a point in the configuration space, but the system offers several modes differing in their values. The union of what is confirmed is recorded: a value is set if at least one mode has it.",
      "technologies": [
        {
          "id": "msft_graphrag",
          "name": "Microsoft GraphRAG"
        }
      ],
      "term": "несколько режимов работы с разной конфигурацией",
      "term_en": "several operating modes with differing configurations",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "layered_typed_graph",
      "note": "Топология указателя (A4) называет вид структуры, но не то, что узлы бывают разного рода и уложены слоями с переходами между ними: признак, сущность, документ, сообщество. Прочтение «граф» уравнивает такой указатель с графом, у которого узлы однородны, и теряет то, что выдача берётся по слоям разной крупности.",
      "note_en": "Index topology (A4) names the kind of structure but not that nodes come in differing kinds laid out in layers with passages between them: attribute, entity, document, community. Reading it as «graph» equates such an index with one whose nodes are uniform and loses that the yield is taken by layers of differing grain.",
      "technologies": [
        {
          "id": "g_reasoner",
          "name": "G-reasoner"
        }
      ],
      "term": "несколько слоёв узлов разного рода под одним указателем",
      "term_en": "several layers of nodes of differing kinds under one index",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "typed_relation_views",
      "note": "Топология указателя (A4) называет вид структуры, но не то, что структур несколько и они существуют одновременно над одними и теми же узлами: время, причина, сходство и участие сущности образуют раздельные слои рёбер, и запрос выбирает, по какому слою идти. Прочтение «граф» уравнивает такую память с графом, у которого рёбра одного рода.",
      "note_en": "Index topology (A4) names the kind of structure but not that there are several of them at once over the very same nodes: time, cause, likeness and entity participation form separate layers of edges, and a query picks which layer to walk. Reading it as «graph» equates such a memory with a graph whose edges are all of one kind.",
      "technologies": [
        {
          "id": "magma",
          "name": "MAGMA"
        }
      ],
      "term": "несколько типов связей как отдельные представления одного набора узлов",
      "term_en": "several typed relation views over one and the same set of nodes",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "analogical_case_retrieval",
      "note": "Прецеденты сопоставляются по разбору на признаки задачи и решения, а не по расстоянию между векторами. Оператор поиска (C1) называет действие над указателем, но не признак подобия, по которому две задачи считаются схожими.",
      "note_en": "Cases are matched by their decomposition into problem and solution features rather than by distance between vectors. The search operator (C1) names the operation over the index but not the criterion of similarity by which two problems are held to be alike.",
      "technologies": [
        {
          "id": "cbr_rag",
          "name": "CBR-RAG"
        }
      ],
      "term": "отбор по подобию прецедента, а не по близости представления",
      "term_en": "selection by analogy between cases rather than by closeness of representations",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "llm_scored_partial_answers",
      "note": "Порядок сборки задан оценкой языковой модели, а не структурой индекса и не отдельной моделью переранжирования.",
      "note_en": "The assembly order is set by a language model's own judgement, not by index structure and not by a separate reranking model.",
      "technologies": [
        {
          "id": "msft_graphrag",
          "name": "Microsoft GraphRAG"
        }
      ],
      "term": "оценка полезности частичных ответов моделью",
      "term_en": "model-scored usefulness of partial answers",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "biencoder_rerank",
      "note": "Среди механизмов переранжирования схема называет перекрёстный кодировщик, то есть модель, читающую запрос и документ вместе. Здесь порядок пересматривает та же двухбашенная модель, что и ищет, и значения для этого нет.",
      "note_en": "Among reranking mechanisms the schema names the cross-encoder, that is a model reading query and document together. Here the order is revisited by the same bi-encoder that retrieves, and there is no value for that.",
      "technologies": [
        {
          "id": "rarg",
          "name": "RARG"
        }
      ],
      "term": "переранжирование двухбашенной моделью представлений",
      "term_en": "reranking by a bi-encoder representation model",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "relevance_ordered_traversal",
      "note": "Оператор поиска говорит, чем ищут, управление обходом — насколько глубоко, но ни то ни другое не говорит, в каком порядке обходятся документы. Здесь относимость задаёт порядок, не будучи при этом каналом свидетельств.",
      "note_en": "The search operator says what searches, traversal control says how deep, and neither says in what order documents are visited. Here relevance sets the order without being the evidence channel itself.",
      "technologies": [
        {
          "id": "rarg",
          "name": "RARG"
        }
      ],
      "term": "порядок обхода корпуса по оценке относимости",
      "term_en": "corpus traversal ordered by a relevance estimate",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "intent_ordered_context",
      "note": "Порядок подачи (D3) называет естественный порядок, возрастание надёжности и иерархию. Здесь найденное упорядочивается топологической сортировкой по той связи, которую выбрало намерение: по времени для вопроса «когда», по причинности для вопроса «почему», так что причина стоит раньше следствия. Порядок задаёт не поиск и не оценка надёжности, а сама структура выбранного слоя.",
      "note_en": "Arrangement (D3) names natural order, ascending reliability and hierarchy. Here what was found is ordered by a topological sort over the relation the intent selected: by time for a «when» question, by causality for a «why» one, so that a cause precedes its effect. The order is set neither by the search nor by an estimate of reliability but by the structure of the selected layer itself.",
      "technologies": [
        {
          "id": "magma",
          "name": "MAGMA"
        }
      ],
      "term": "порядок подачи, взятый из связи, которую выбрало намерение запроса",
      "term_en": "an assembly order taken from the relation the query intent selected",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "query_dependency_ordering",
      "note": "Преобразование запроса (B1) называет разбиение на подвопросы, но не то, что между ними строится граф зависимостей и что топологическая сортировка задаёт порядок, в котором они разрешаются, так что ответ на один подвопрос входит в формулировку следующего.",
      "note_en": "Query transformation (B1) names the splitting into subquestions but not that a graph of dependencies is built between them and that a topological sort sets the order in which they are resolved, so that the answer to one subquestion enters the wording of the next.",
      "technologies": [
        {
          "id": "logicrag",
          "name": "LogicRAG"
        }
      ],
      "term": "порядок разрешения подвопросов по их взаимной зависимости",
      "term_en": "an order of resolving subquestions by their dependence on one another",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "rejected_candidate_pruning",
      "note": "Кандидат, отвергнутый однажды, перестаёт возвращаться и в дальнейшем. Забывание (F3) описывает, как сохранённое перестаёт учитываться, тогда как здесь исключается то, что никогда не сохранялось.",
      "note_en": "A candidate rejected once stops being returned thereafter. Forgetting (F3) describes how stored material ceases to count, whereas what is excluded here was never stored in the first place.",
      "technologies": [
        {
          "id": "roza_graphs",
          "name": "ROZA Graphs"
        }
      ],
      "term": "постоянное исключение отвергнутых кандидатов из выдачи",
      "term_en": "permanent exclusion of rejected candidates from future results",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "language_coherence_ranking",
      "note": "Переранжирование говорит, какой механизм пересматривает порядок, но не по какому признаку помимо относимости. Здесь при равной относимости выше ставится документ на языке запроса, и это свойство схема не выражает.",
      "note_en": "Reranking says which mechanism revisits the order, and not by what criterion besides relevance. Here, at equal relevance, a document in the query's language ranks higher, and the schema does not express that property.",
      "technologies": [
        {
          "id": "lamar",
          "name": "LAMAR"
        }
      ],
      "term": "предпочтение языку запроса при ранжировании",
      "term_en": "preference for the query's language in ranking",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "approximate_then_exact",
      "note": "Две ступени одной модели, а не модель поиска плюс модель переранжирования. Переранжирование (D1) описывает вторую модель, которой здесь нет.",
      "note_en": "Two stages of one model, not a search model plus a reranking model. Reranking (D1) describes a second model, which is absent here.",
      "technologies": [
        {
          "id": "colbert",
          "name": "ColBERT"
        }
      ],
      "term": "приближённый отбор с последующим точным пересчётом",
      "term_en": "approximate shortlist followed by exact rescoring",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "sparse_and_dense_one_pass",
      "note": "Измерение модели представления называет один вид представления. Здесь одна модель за один проход выдаёт оба, и потребитель выбирает, каким пользоваться; схема хранит одно значение и такого выбора не выражает.",
      "note_en": "The representation-model dimension names one kind of representation. Here one model emits both in a single pass and the consumer chooses which to use; the schema holds one value and does not express that choice.",
      "technologies": [
        {
          "id": "uembed",
          "name": "UEmbed"
        }
      ],
      "term": "разреженное и плотное представление одной моделью за проход",
      "term_en": "sparse and dense representations from one model in a single pass",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "resolution_as_cost_lever",
      "note": "Разрешение, с которым единица подаётся модели, задаёт расход входа и меняется независимо от числа единиц. Отбор и сжатие (D2) описывают, сколько единиц войдёт в контекст, но не то, во сколько обойдётся каждая.",
      "note_en": "The resolution at which a unit is given to the model settles the input spend and varies independently of the number of units. Selection and compression (D2) describe how many units enter the context but not what each of them costs.",
      "technologies": [
        {
          "id": "pixelrag",
          "name": "PixelRAG"
        }
      ],
      "term": "разрешение изображения как рычаг стоимости",
      "term_en": "image resolution as a lever on cost",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "modality_aware_ranking",
      "note": "Порядок выдачи зависит от того, текст перед нами, таблица или изображение, а не только от близости к запросу. Переранжирование (D1) называет способ пересчёта порядка, но не признак, по которому единицы сравниваются между модальностями.",
      "note_en": "The order of results depends on whether a unit is text, a table, or an image, and not on closeness to the query alone. Reranking (D1) names the manner of reordering but not the criterion by which units of different modalities are compared against one another.",
      "technologies": [
        {
          "id": "rag_anything",
          "name": "RAG-Anything"
        }
      ],
      "term": "ранжирование с учётом модальности единицы",
      "term_en": "ranking that accounts for the modality of a unit",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "validated_compaction",
      "note": "Отбор и сжатие (D2) называют способ сокращения найденного до размера окна, но не то, проверяется ли результат сокращения. Здесь каждое уплотнение сопровождается оценкой сохранности и коэффициентом сжатия, а при падении оценки ниже порога повторяется с меньшей силой. Различие существенно: непроверенное сжатие даёт уверенно неверный ответ, и повторное уплотнение уже уплотнённого без проверки уходит в вырождение.",
      "note_en": "Selection and compression (D2) name the manner of reducing what was found to the size of the window, but not whether the result of the reduction is checked. Here every compaction carries a preservation score and a compression ratio, and repeats with less force when the score falls below a threshold. The difference matters: unchecked compression yields a confidently wrong answer, and compacting an already compacted context without a check degenerates.",
      "technologies": [
        {
          "id": "agentic_context_management",
          "name": "Agentic Context Management"
        }
      ],
      "term": "уплотнение контекста с проверкой на потерю сведений",
      "term_en": "compaction of context checked for loss of information",
      "verdict": null
    },
    {
      "candidate": false,
      "count": 1,
      "id": "decisions_as_memory",
      "note": "Между запросами сохраняется то, как система оценила свидетельство, а не само свидетельство. Запись обратно (F1) называет род сохраняемого материала, но не различает сведение о мире и суждение системы о нём.",
      "note_en": "What is kept between queries is how the system judged a piece of evidence, not the evidence itself. Write-back (F1) names the kind of material stored but does not distinguish a fact about the world from the system's judgement about that fact.",
      "technologies": [
        {
          "id": "roza_graphs",
          "name": "ROZA Graphs"
        }
      ],
      "term": "хранение решений об оценке, а не самих сведений",
      "term_en": "storing evaluation decisions rather than the facts themselves",
      "verdict": null
    }
  ]
}