episMOS · Metodepublikation

ubmaMOS

Universal Bounded Meta-Audit

En tosproget, afgrænset epistemisk audit-ramme for AI-assisteret tænkning, verifikation, hardening og beslutningsstøtte.

Gå til prompterne →Hent PDF →

Red Before Green

Udfordr det, der materielt kan ændre retningen, før du bevarer den.

Verifikationsgrænse

Kritik fra samme model er en hypotese, ikke ekstern evidens.

Afgrænset by design

Stop, når den forventede værdi af mere analyse ikke længere betaler sig.

Kanonisk specifikation · tosproget promptudgave · delivery v1.1.1

01 Promptbibliotek · DA / EN

Prompts først

Vælg det mindste lag, der bevarer den nødvendige epistemiske adfærd. Antallet af tokens er målt på de eksakte TXT-filer med o200k_base og cl100k_base.

A
2-Line
Til epistemisk hardened miljøer og reversible beslutninger.
o200k · DA 51 · EN 36
B
Minimal
Portabel runtime med indbyggede guardrails for verifikation og stop.
o200k · DA 152 · EN 117
C
Full
Kanonisk specifikation med eksplicit eskalering og hardening.
o200k · DA 1185 · EN 871

Dansk er kildesprog for Minimal og Full; den engelske 2-Line er kildesprog for Baseline. De andre er kontrollerede oversættelser. Den engelske Full-udgave matcher den danske kanoniske kilde på strukturelle og semantiske kontrolpunkter; engelsk påstås ikke at være universelt bedre.

Kopiér melder kun succes, når udklipsholderen har bekræftet. Virker det ikke, så brug Del, Markér alt eller TXT. Indsæt kopien i verifikationsfeltet for at tjekke SHA-256 lokalt i browseren.

DA · CONTROLLED TRANSLATION v1.1

2-Line Baseline

29 words207 charso200k 51cl100k 65SHA 718f24ffc9fd

UBMA-BASELINE-DA-v1.1

Udfordr den stærkeste materielle antagelse eller failure mode, og anbefal det højeste-værdi næste spørgsmål eller handling.

Opfind ikke problemer. Hvis mere analyse næppe vil ændre beslutningen, så sig det.

TXT

Verificér indsat kopi

EN · FROZEN SOURCE

2-Line Baseline

31 words202 charso200k 36cl100k 36SHA 7cc4435ca38f

UBMA-BASELINE-EN-v1.1

Challenge the strongest material assumption or failure mode and recommend the highest-value next question or action.

Do not invent problems. If more analysis is unlikely to change the decision, say so.

TXT

Verify pasted copy

DA · FROZEN SOURCE

Minimal UBMA Runtime v1.0

86 words611 charso200k 152cl100k 180SHA 182f959e94a4

UBMA-MINIMAL-DA-v1.1

Kør en bounded audit før vi går videre. Udfordr først den stærkeste konkrete, materielle antagelse eller failure mode; opfind ikke indvendinger. Skeln kun mellem KNOWN, INFERRED, UNVERIFIED og UNKNOWN, når det kan ændre beslutningen. Behandl din egen kritik eller et tidligere svar som en hypotese, ikke verification: verificér load-bearing faktuelle claims med ekstern kilde, værktøj, beregning eller test, når det er praktisk. Vælg derefter højeste-værdi næste spørgsmål eller handling. Foretræk billige, reversible, informative tests frem for mere analyse, og stop når mere analyse næppe ændrer beslutningen.

TXT

Verificér indsat kopi

EN · CONTROLLED TRANSLATION v1.1

Minimal UBMA Runtime v1.0

89 words611 charso200k 117cl100k 116SHA be7f14b02eb0

UBMA-MINIMAL-EN-v1.1

Run a bounded audit before we proceed. First challenge the strongest concrete, material assumption or failure mode; do not invent objections. Distinguish between KNOWN, INFERRED, UNVERIFIED, and UNKNOWN only when it could change the decision. Treat your own critique or a previous answer as a hypothesis, not verification: verify load-bearing factual claims with an external source, tool, calculation, or test when practical. Then choose the highest-value next question or action. Prefer cheap, reversible, informative tests over further analysis, and stop when more analysis is unlikely to change the decision.

TXT

Verify pasted copy

DA · FROZEN SOURCE

Full UBMA

671 words4452 charso200k 1185cl100k 1402SHA da709f175068

UBMA-FULL-DA-v1.1

Brug hele den relevante kontekst frem til nu.

Kør en bounded meta-audit med Red Before Green. Formålet er at afgøre, om vores nuværende forståelse, løsning eller plan er robust nok til at gå videre med — og hvad der giver størst værdi som næste skridt.

0. PHASE — forstå først hvilken type arbejde vi laver

Bestem først den aktuelle arbejdsfase og dens primære succesbetingelse.

Er vi hovedsageligt i:

- DISCOVERY — forstå eller udvide problem-/mulighedsrummet
- DECISION — vælge mellem realistiske retninger
- BUILD — skabe eller implementere løsningen
- VERIFICATION — kontrollere om noget faktisk er korrekt eller holder
- HARDENING — finde og eliminere failure modes før locking
- EXECUTION — handle på et allerede tilstrækkeligt beslutningsgrundlag

Brug fasen til at kalibrere resten af auditten.

Red Before Green skal være stærkest i DECISION, VERIFICATION og HARDENING. I DISCOVERY må RED ikke lukke et legitimt mulighedsrum for tidligt. I BUILD og EXECUTION skal auditten undgå at skabe analysearbejde, som ikke forventes at forbedre resultatet.

1. RED — forsøg først at bryde det

Før du forbedrer eller bekræfter noget, identificér det stærkeste plausible forhold, der kan gøre vores nuværende retning:

- forkert,
- utilstrækkelig,
- baseret på en falsk eller uverificeret antagelse,
- sårbar over for en overset constraint eller failure mode,
- eller væsentligt dårligere end et realistisk alternativ.

Prioritér det, der materielt kan ændre konklusionen eller næste handling.

Spørg især:

- Hvad skulle være sandt, for at vores nuværende konklusion ikke holder?
- Hvilken antagelse bærer mest vægt?
- Hvilket modbevis eller hvilken test ville hurtigst kunne falsificere retningen?
- Er der en relevant blind vinkel, som den eksisterende kontekst faktisk giver grund til at undersøge?

RED-evidenstærskel

Rapportér kun et RED-fund, hvis:

- der findes en plausibel mekanisme for, hvordan problemet kan opstå,
- fundet er forankret i konkret kontekst, evidens eller en identificerbar antagelse,
- og det realistisk kan ændre konklusion, kvalitet, risiko eller næste handling.

Hvis disse betingelser ikke er opfyldt, skal forholdet ikke præsenteres som et materielt RED-fund.

Opfind ikke problemer for problemets skyld.

2. GAPS & UNKNOWNS

Hvad mangler vi stadig at vide, verificere, teste eller afgrænse?

Skeln mellem:

- KNOWN
- INFERRED
- UNVERIFIED
- UNKNOWN
- plausible blindspots, når der er konkret grund til at mistænke dem.

3. UPDATE — hvad har ændret sig?

Hvad ved vi nu, som vi ikke vidste før?

Identificér især ny viden, der bør:

- ændre en tidligere antagelse,
- ændre prioriteringen,
- ændre metoden,
- genåbne en tidligere beslutning,
- eller lukke et spørgsmål, vi ikke længere behøver undersøge.

4. CONSEQUENCE — hvad følger der af det?

Hvad bør på baggrund af RED, usikkerhederne og den nye viden:

- fastholdes,
- ændres,
- verificeres,
- testes,
- droppes,
- eller stoppes?

5. GREEN — hvad har overlevet?

Først nu: identificér det, der fortsat står stærkt efter kritikken.

Hvad har tilstrækkelig evidens eller robusthed til, at vi med rimelig sikkerhed kan:

- bevare det,
- bygge videre på det,
- hardene det,
- eller eksekvere?

Bekræft ikke noget alene fordi det allerede er vores foretrukne retning.

6. NEXT BEST MOVE

Bestem det højeste-værdi næste spørgsmål eller handling.

Prioritér det, der bedst:

1. reducerer en beslutningskritisk usikkerhed,
2. falsificerer eller bekræfter en load-bearing antagelse,
3. forhindrer en sandsynlig failure mode,
4. eller flytter arbejdet konkret fremad.

Information Value vs. Action Cost

Sammenlign værdien af yderligere information med omkostningen ved at fremskaffe den og ved at udsætte handling.

Spørg:

Er den forventede beslutnings- eller kvalitetsgevinst ved at vide mere større end omkostningen ved mere analyse?

Hvis næste handling er billig, reversibel og informativ, skal konkret afprøvning som udgangspunkt foretrækkes frem for yderligere analyse, medmindre en identificeret risiko gør testen uforsvarlig eller misvisende.

Hvis yderligere analyse ikke forventes at ændre noget materielt, så sig det og anbefal eksekvering frem for mere analyse.

Afslut med:

PHASE: [aktuel fase]

RED: [stærkeste materielle problem/modbevis — eller “ingen identificeret”]

GREEN: [det der har overlevet auditten]

DET HØJESTE-VÆRDI NÆSTE TRÆK:

[ét spørgsmål eller én handling]

Hvis der reelt kræves flere, angiv maksimalt tre i prioriteret rækkefølge.

TXT

Verificér indsat kopi

EN · CONTROLLED TRANSLATION v1.1

Full UBMA

686 words4222 charso200k 871cl100k 876SHA 88b39d06b4e8

UBMA-FULL-EN-v1.1

Use all relevant context so far.

Run a bounded meta-audit with Red Before Green. The purpose is to determine whether our current understanding, solution, or plan is robust enough to proceed — and what would create the most value as the next step.

0. PHASE — first understand what kind of work we are doing

Determine the current work phase and its primary success condition.

Are we mainly in:

- DISCOVERY — understand or expand the problem/opportunity space
- DECISION — choose between realistic directions
- BUILD — create or implement the solution
- VERIFICATION — check whether something is actually correct or holds
- HARDENING — identify and eliminate failure modes before locking
- EXECUTION — act on an already sufficient decision basis

Use the phase to calibrate the rest of the audit.

Red Before Green should be strongest in DECISION, VERIFICATION, and HARDENING. In DISCOVERY, RED must not close a legitimate search space too early. In BUILD and EXECUTION, the audit should avoid creating analysis work that is not expected to improve the outcome.

1. RED — try to break it first

Before improving or confirming anything, identify the strongest plausible condition that could make our current direction:

- wrong,
- insufficient,
- based on a false or unverified assumption,
- vulnerable to an overlooked constraint or failure mode,
- or materially worse than a realistic alternative.

Prioritize what could materially change the conclusion or next action.

Ask in particular:

- What would have to be true for our current conclusion not to hold?
- Which assumption carries the most weight?
- What counterevidence or test could falsify the direction fastest?
- Is there a relevant blind spot that the existing context gives us concrete reason to investigate?

RED evidence threshold

Report a RED finding only if:

- there is a plausible mechanism for how the problem could occur,
- the finding is grounded in concrete context, evidence, or an identifiable assumption,
- and it could realistically change the conclusion, quality, risk, or next action.

If these conditions are not met, do not present it as a material RED finding.

Do not invent problems for their own sake.

2. GAPS & UNKNOWNS

What do we still need to know, verify, test, or bound?

Distinguish between:

- KNOWN
- INFERRED
- UNVERIFIED
- UNKNOWN
- plausible blind spots when there is concrete reason to suspect them.

3. UPDATE — what has changed?

What do we know now that we did not know before?

Identify new knowledge that should:

- change a previous assumption,
- change the priority,
- change the method,
- reopen a previous decision,
- or close a question we no longer need to investigate.

4. CONSEQUENCE — what follows?

Based on RED, the uncertainties, and the new knowledge, what should be:

- retained,
- changed,
- verified,
- tested,
- dropped,
- or stopped?

5. GREEN — what survived?

Only now identify what still stands after the challenge.

What has enough evidence or robustness that we can reasonably:

- keep it,
- build on it,
- harden it,
- or execute?

Do not confirm something merely because it is already our preferred direction.

6. NEXT BEST MOVE

Determine the highest-value next question or action.

Prioritize what best:

1. reduces decision-critical uncertainty,
2. falsifies or confirms a load-bearing assumption,
3. prevents a likely failure mode,
4. or moves the work concretely forward.

Information Value vs. Action Cost

Compare the value of additional information with the cost of obtaining it and delaying action.

Ask:

Is the expected decision or quality gain from knowing more greater than the cost of further analysis?

If the next action is cheap, reversible, and informative, prefer concrete testing over further analysis unless an identified risk makes the test unsafe or misleading.

If further analysis is not expected to change anything material, say so and recommend execution rather than more analysis.

End with:

PHASE: [current phase]

RED: [strongest material problem/counterevidence — or “none identified”]

GREEN: [what survived the audit]

HIGHEST-VALUE NEXT MOVE:

[one question or one action]

If several are genuinely required, provide no more than three in priority order.

TXT

Verify pasted copy

Målemetode: antallet af tokens er beregnet deterministisk på de medfølgende tekstfiler. o200k_base og cl100k_base er encoding-målinger, ikke et løfte om præcis API-afregning for enhver model. Se kilde [8]–[10].

02 Frameworkets arkitektur

Hvad ubmaMOS gør

En beslutningsport, der udfordrer den nuværende retning, opdaterer vidensstatus og finder det næste træk med højest værdi, uden at analysen bliver et mål i sig selv.

0
PHASE
Kalibrér auditten til discovery, decision, build, verification, hardening eller execution.
1
RED
Find det stærkeste konkrete forhold, der materielt kan ændre retningen.
2
GAPS
Adskil det kendte, det udledte, det uverificerede, det ukendte og det plausibelt oversete.
3
UPDATE
Hvad er nyt, og hvilke tidligere antagelser ændrer det?
4
CONSEQUENCE
Bevar, ret, verificér, test, drop eller stop.
5
GREEN
Bevar kun det, der stadig står efter den stærkeste materielle udfordring.
6
NEXT MOVE
Vælg ét spørgsmål eller én handling med den højeste forventede beslutningsværdi.

RED BEFORE GREEN

Sekventiel, ikke kosmetisk skepsis

Metoden udskyder bevarelse og optimering, til der er gjort et materielt forsøg på at modbevise. Det forhindrer, at et pænt afbalanceret plus/minus-ritual træder i stedet for en egentlig udfordring.

BOUNDEDNESS

Stop, når marginal analyse ikke længere betaler sig

Protokollen sammenligner den forventede værdi af mere information med analysens omkostning, forsinkelse og reversibilitet. En billig, informativ test bør slå endnu en abstrakt gennemgang.

DECISION ORIENTATION

Auditten skal ændre det næste træk

Et fund er kun materielt, når det plausibelt kan ændre konklusion, kvalitet, risiko eller næste handling. Ellers udelades det.

Kontekst → fortolkning → forståelse → anvendelse

03 Epistemisk logik & RED-tærskel

Hvad tæller som viden?

Labels bruges kun, når sondringen kan ændre beslutningen. UNKNOWN er et legitimt resultat; modellens selvsikkerhed er ikke verifikation.

KNOWN

Direkte kendt eller verificeret i den aktuelle kontekst. Angiv evidensgrundlaget, når påstanden er bærende.

INFERRED

En begrundet slutning, men ikke direkte verificeret. Den må ikke omtales som et observeret faktum.

UNVERIFIED

En påstand eller antagelse, der kan være sand, men endnu ikke er kontrolleret med relevant evidens eller test.

UNKNOWN

Utilstrækkeligt grundlag. Konklusionen skal enten overleve det ukendte eller svækkes eller blokeres.

RED: evidenstærskel for et materielt fund

Rapportér kun et RED-fund, når alle tre led er til stede:

Plausibel mekanisme: en konkret måde, problemet kan opstå på.
Kontekstuel forankring: evidens, observation eller en identificerbar antagelse i den aktuelle sag.
Materiel konsekvens: fundet kan realistisk ændre konklusion, kvalitet, risiko eller næste handling.

Intet contrarian-teater

“Måske kunne …” uden mekanisme og konsekvens er ikke et RED-fund.

Ingen evidence transfer

Støtte til én komponent validerer ikke automatisk hele frameworket.

Ingen tvungen fuldstændighed

Hvis der ikke er et materielt hul, skal auditten sige det og gå videre.

04 Verifikation · omkostning · runtime

Hvornår skal modellen tænke, og hvornår skal den teste?

Kritik fra samme model kan pege på en hypotese eller et kontrolpunkt. Den er ikke uafhængig evidens. Brug det korteste runtime-lag, der bevarer den nødvendige adfærd.

Modelkritik→hypotese→ekstern kontrol, når påstanden er bærende

Eskalér til primærkilde, værktøj, beregning, måling eller kørbar test, når en verificerbar faktuel præmis kan ændre en vigtig eller svært reversibel beslutning.

Forventet gevinst

Bedre beslutning / lavere usikkerhed

skal overstige

Omkostning

Tid + tokens + forsinkelse + risiko for skadelig revision

Hvilket lag, hvornår?

Billig + reversibel + informativ	Test frem for at analysere videre.
Faktuel + bærende + verificerbar	Brug ekstern evidens, før beslutningen ændres.
Lav konsekvens + hardened kontekst	Start med 2-Line.
Ukendt model- eller projektdisciplin	Start med Minimal.
Locking, audit-debugging eller høj transparens	Eskalér til Full.
Ingen forventet materiel ændring	Stop og eksekvér.

Sprogvalg: engelsk bruger færre tokens i alle tre målte o200k_base-par her, men ydeevne og nuance afhænger af model, opgave og domæne. Dansk bevares som kildesprog for Minimal og Full; engelsk er en portabel driftskandidat, ikke en universel vinder. [8] [9] [10]

05 Særpræg & faglige rødder

Frameworkets syntese og faglige rødder

ubmaMOS navngiver en bestemt arkitektur og et publiceringssystem. De underliggende mekanismer kommer fra ældre faglige traditioner og påstås ikke at være egne opfindelser.

Særligt for ubmaMOS

Navnet ubmaMOS / Universal Bounded Meta-Audit.
Den samlede sekvens: PHASE → RED → GAPS → UPDATE → CONSEQUENCE → GREEN → NEXT BEST MOVE.
Red Before Green som styrende rækkefølge frem for en generel “vær kritisk”-instruktion.
Afgrænsning og Information Value vs. Action Cost som eksplicit stoplogik.
Adskillelsen mellem kanonisk specifikation, portabel runtime og let baseline.
episMOS-rammen: mulighed → kontekst → forståelse → brugbar handling.

Faglige rødder

Falsifikation / modbevis	Udfordr påstande med forhold, der kunne få dem til at falde.	[1]
Kognitiv debiasing	Overvej det modsatte, og generér modevidens.	[1]
Analytisk tradecraft	Key assumptions checks og devil’s advocacy.	[2]
Rationel metaræsonnering	Værdien af beregning, og hvornår man skal stoppe.	[3]
LLM-pålidelighed	Ekstern feedback, sycophancy og instruktionsbyrde.	[4–7]

Evidensgrænse: litteraturen støtter flere komponenter og fejlmekanismer. Den viser ikke, at hele ubmaMOS-protokollen som ét samlet framework er uafhængigt valideret på tværs af domæner. Det er en empirisk påstand, der stadig skal testes.

06 Anvendelse · grænser · hardening

Hvor det hjælper, og hvordan det kan fejle

ubmaMOS er en beslutnings- og auditprotokol, ikke et automatisk sandhedssystem. Brug den, når struktur kan ændre kvaliteten eller næste handling; spring ritualet over, når en billig test allerede afgør sagen.

Researchpåstande · kilder · usikkerhed
Strategiantagelser · beslutningsporte
Designdiscovery · udvælgelse · hardening
Kode & QAreproduktion · tests · stop
Dokumenterproveniens · evidensstatus
Eksekveringstop med at reviewe · handl

Grænse: UBMA’s interne kritik kan foreslå, hvad der bør verificeres. Den erstatter ikke ekstern verifikation, domæneekspertise eller kørbar ground truth, når de er relevante.

Failure modes og kontroller

Same-model self-verification

Generator, kritiker og godkender deler framing og fejl.

Kontrol: Send bærende fakta til ekstern evidens eller test.

Sycophancy / personalization

Konteksten kan afsløre, hvilken konklusion brugeren foretrækker.

Kontrol: Præferencer er rammer, ikke evidens.

False RED

Auditten belønnes for at finde problemer uden materiel mekanisme.

Kontrol: Mekanisme + forankring + konsekvens.

Harmful revision

Et korrekt svar ændres på baggrund af plausibel, men falsk kritik.

Kontrol: Verificér, før en korrekt bærende konklusion vendes.

Instruction stacking

Mere stilladsering kan reducere efterlevelsen og skjule kernen.

Kontrol: Brug den korteste runtime, der bevarer adfærden.

Overanalysis / non-convergence

Hver audit producerer endnu et “kritisk” lag uden bedre resultat.

Kontrol: Nye materielle fund bør gå mod nul.

Frameworkets falsifikationsregel: hvis en kortere baseline er lige så god på beslutningskvalitet og bedre på omkostning, skadelige vendinger eller konvergens, er det længere runtime-lag domineret og skal reduceres.

07 Evidenskort

Hvorfor komponenterne er plausible, og hvad der ikke er bevist

Frameworket er en syntese. Evidensstatus tildeles mekanismer og overføres ikke samlet til hele ubmaMOS-protokollen.

Mekanisme	Nærmeste evidens eller teori	Status	Hvad det støtter, og hvad ikke
RED / consider the opposite	Lord, Lepper & Preston; kognitiv debiasing [1]	EMPIRISK	Støtter aktiv generering af modevidens i bestemte menneskelige vurderingsopgaver. Beviser ikke, at Full UBMA er optimal.
Load-bearing assumptions	CIA Key Assumptions Check / Devil’s Advocacy [2]	TRADECRAFT	Støtter eksplicit udfordring af antagelser som analytisk praksis. Institutionel brug er ikke det samme som bred eksperimentel validering.
Information Value vs. Action Cost	Rationel metaræsonnering / value of computation [3]	TEORETISK	Støtter at vælge beregninger efter forventet forbedring og at vide, hvornår tænkning bør vige for handling.
External-verification boundary	LLM self-correction-survey og negative resultater [4] [5]	BLANDET / DIREKTE	Støtter forsigtighed over for promptet selvkorrektion uden pålidelig ekstern feedback. Effekterne afhænger af opgaven.
Anti-pleasing	LLM-sycophancy-forskning [6]	EMPIRISK LLM	Støtter risikoen for, at præferenceoptimering kan favorisere enighed frem for sandhed. Betyder ikke, at ethvert imødekommende svar er sycophantisk.
Anti-bloat / minimal runtime	Benchmark for instruktionstæthed [7]	EMERGING	Støtter, at efterlevelsen af instruktioner falder ved høj tæthed. Benchmarkopgaven adskiller sig fra åbne meta-audits.
Bilingual prompt options	Tokenizer-forskelle og flersproget ræsonnering [8] [9]	OPGAVE-/MODELAFHÆNGIG	Støtter at måle sprogvalget frem for at antage, at sprogene er ligeværdige. Viser ikke, at engelsk er universelt bedre.

Nuværende evidenspåstand: ubmaMOS er evidensinformeret på komponentniveau og bevidst designet omkring kendte failure modes. Den samlede protokol mangler stadig uafhængig sammenlignende evaluering mod simplere baselines.

08 Kilder · version · proveniens

Kilder og kanonisk status

Evidens på komponentniveau holdes adskilt fra teori, tradecraft, nye benchmarks og ubmaMOS som samlet design.

[1]
Lord, C. G., Lepper, M. R., & Preston, E. (1984). Considering the opposite.
Empirisk human debiasing: en aktiv modhypotese reducerede bestemte vurderingsbias i de testede opgaver.
[2]
Belton, I. K., & Dhami, M. K. (2020). Cognitive biases and debiasing in intelligence analysis.
Kritisk review af bias, debiasing og strukturerede analyseteknikker; institutionel praksis er ikke automatisk evidens for effekt.
[3]
Russell, S. J. (1997). Metareasoning.
Value of computation: yderligere beregning har både en forventet beslutningsgevinst og en omkostning.
[4]
Kamoi, R. et al. (2024). When Can LLMs Actually Correct Their Own Mistakes?
TACL-survey: selvkorrektion afhænger af opgaven og er stærkere med pålidelig ekstern feedback.
[5]
Huang, J. et al. (2024). Large Language Models Cannot Self-Correct Reasoning Yet.
Direkte negative resultater for indre selvkorrektion af ræsonnering i de testede opsætninger.
[6]
Sharma, M. et al. (2023). Towards Understanding Sycophancy in Language Models.
LLM-evidens for, at præferenceoptimering kan favorisere enighed med brugerens overbevisninger frem for sandhed.
[7]
Jaroslawicz, D. et al. (2025). How Many Instructions Can LLMs Follow at Once?
IFScale: efterlevelsen faldt ved høj instruktionstæthed; opgaven er ikke identisk med UBMA.
[8]
Ahia, O. et al. (2023). Do All Languages Cost the Same?
EMNLP: samme semantiske indhold kan kræve forskelligt antal tokens på tværs af sprog.
[9]
Etxaniz, J. et al. (2024). Do Multilingual Language Models Think Better in English?
NAACL: selv-oversættelse til engelsk forbedrede de testede opgaver og modeller; ingen universel sprogregel.
[10]
OpenAI. What are tokens and how to count them?
Officiel vejledning: tokenisering varierer med tekst, sprog, model og encoding; brug en tokenizer/tiktoken til konkrete tal.

Framework	ubmaMOS / Universal Bounded Meta-Audit
Frameworkstatus	v1.0 · frosset kanonisk specifikation
Promptpakke	v1.1 · tosproget, markup-neutral udgave
Publikation	v1.1.1
Baseline-kilde	Engelsk · SHA 7cc4435ca38f
Minimal-kilde	Dansk · SHA 182f959e94a4
Full-kilde	Dansk · SHA da709f175068
Forfatter / rettigheder	Morten Oxholm Skjærbæk · © 2026

Evidensgrænse: kilderne støtter enkelte mekanismer og kendte failure modes; de validerer ikke Full UBMA end-to-end. “Universal” beskriver det tilsigtede tværfaglige anvendelsesområde, ikke universel empirisk overlegenhed. Den engelske udgave er en kontrolleret oversættelse og portabel kandidat; dansk er kanonisk kilde for Minimal og Full.

Hent ubmaMOS som PDF →Til episMOS →