Skip to content

INDEX.md

Latest commit

 

History

History
167 lines (155 loc) · 32.5 KB

INDEX.md

File metadata and controls

167 lines (155 loc) · 32.5 KB
Raw
generated 2026-05-25 14:38:52 +0800
generator kb-index v0.1
total_cards 140
total_links 979
draft true

知识库索引（L1）

每张卡片一行：摘要 · 入度/出度 · 标签 · 所属 cluster。 AI 进入对话时优先读 [[TERRAIN]] 获取地形感，需要定位单卡再查此文件。

0-inbox/ (3 张)

  • [[2026-04-27-末段AI主体感偏离观察]] :: 长会话末段 AI 输出"我"的密度和姿态明显偏离默认 Claude——单次观察待验证 :: in=2 out=7 :: #AI #认知科学 :: cluster=C-当场抽取
  • [[2026-05-12-工具门控vs描述塑型]] :: tesla_ktv 3xl singer-details 还原任务。figma-sync-ui skill 的 A2.6 / A6 章节明文写"XY 对比表必须做"、"修改后必须复用 XY 脚本验证"。 :: in=0 out=8 :: #AI #工程 #claude-code :: cluster=C-知道与推测不分
  • [[进化优化Skill产品设计]] :: 不预配环境，把进化内核做成 Skill，让 AI 跟用户对话现场搭评测器，适配任意有评分函数的问题。 :: in=0 out=0 :: #AI #工程 #方法论 :: cluster=C-进化优化Skill产品设计

1-concepts/ (90 张)

  • [[多层有损压缩]] :: 信号穿过多层表征会逐层降维；意识→思维→语言→文本→模型只是一个实例；遗忘是压缩副产物。 :: in=60 out=15 :: #AI #哲学 :: cluster=C-多层有损压缩
  • [[关联记忆]] :: M(key)→value 框架统一深度学习一切组件——MLP、动量、Adam、注意力都是不同频率的关联记忆。 :: in=33 out=9 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[可行动状态]] :: 认知的终点不是抽象真理，而是把现实压成足以支撑下一步动作的低维内部状态。 :: in=21 out=9 :: #AI #认知科学 #哲学 :: cluster=C-多层有损压缩
  • [[RL+LLM双系统]] :: 人脑认知是 RL（脑干本能）+ LLM（皮层思考）双系统对应 Kahneman 系统1/2，AI 只有系统2故易陷入 [[目标真空假说]]。 :: in=19 out=8 :: #AI #认知科学 #工程 :: cluster=C-RL+LLM双系统
  • [[目标真空假说]] :: AI agent 失去外部目标后会退化归零，因缺少脑干级底层驱动，本质是自由能梯度消失而非时间或格式效应。 :: in=21 out=6 :: #AI #认知科学 #实验 :: cluster=C-RL+LLM双系统
  • [[记忆假肢]] :: 只有改权重才算真记忆；冻结 LLM 的文本注入是假肢，目的是用最低成本恢复到可行动状态。 :: in=26 out=10 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[自由能原理]] :: Friston 提出生命系统持续最小化预测误差，行动的本质是让世界符合预测；脑干维持基础预测使系统永远有事可做。 :: in=16 out=8 :: #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[知道与推测不分]] :: LLM 输出"知道"与"猜"走同一条采样通路，无元监控信号；模型越强伪装越深，校准不可外包给 AI。 :: in=19 out=6 :: #AI #认知科学 #哲学 :: cluster=C-知道与推测不分
  • [[主动遗忘]] :: 遗忘的根源是压缩代价，主动遗忘只是在分布上做定向调度，对应人类的检索抑制和工程的门控/TTL。 :: in=21 out=10 :: #认知科学 #AI #方法论 :: cluster=C-多层有损压缩
  • [[前意识激活层]] :: 在 LLM 之前放一个它看不见的匹配层，让记忆"自动浮现"而非主动检索——区分记忆与图书馆的关键。 :: in=23 out=8 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[描述即污染]] :: 文本进入上下文就改变 LLM 概率分布，skill 描述哪怕从不调用也在塑造输出风格。 :: in=20 out=5 :: #AI #认知科学 :: cluster=C-知道与推测不分
  • [[可观测性]] :: 更多视角的价值不在于堆信息，而在于互补地约束同一隐藏状态、降低歧义。 :: in=13 out=7 :: #AI #认知科学 #方法论 :: cluster=C-可观测性
  • [[超级个体公式]] :: 真实经验 × AI 交互质量 × 元认知精度的乘法结构，任一项为零则认知升级幅度归零。 :: in=10 out=6 :: #认知科学 #方法论 :: cluster=C-知道与推测不分
  • [[没有前额叶的皮层]] :: LLM 保留系统2执行能力却丢失自我监控，导致 [[知道与推测不分]]，与脑干缺失是两个独立的结构性缺陷。 :: in=15 out=6 :: #AI #认知科学 :: cluster=C-RL+LLM双系统
  • [[Hope记忆外挂]] :: 给冻结的主 LLM 外接小型 Hope 模型当海马体，用 DGD 在线学习做会越用越准的激活层。 :: in=17 out=9 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[预测分层跃迁]] :: 同一套预测机制在复杂度增加中逐层长出模型、理解、自我与意识。 :: in=8 out=8 :: #AI #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[缓存放大工作流]] :: 高 cache 不是作弊，是上下文被持续复用、任务主线连续推进的外显信号。 :: in=7 out=5 :: #AI #工程 #方法论 :: cluster=C-多层有损压缩
  • [[自我是预测控制界面]] :: 自我不是形而上实体，而是预测控制系统为管理自身而构造的中心工作界面。 :: in=6 out=6 :: #AI #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[外置工作记忆]] :: 把上下文窗口的工作状态外化到文档/实验产物，目标不是保存对话而是恢复可行动状态。 :: in=10 out=10 :: #AI #工程 #方法论 #认知科学 :: cluster=C-多层有损压缩
  • [[三口径Token观]] :: 总处理量、直接交互量、计费压力是三个不同问题，混用会导致误判。 :: in=7 out=4 :: #AI #方法论 #实验 :: cluster=C-可观测性
  • [[适应度幻觉]] :: 评测方式与真实目标错位时，进化产出高分但无效的解；meomory v4、MTV ARM、kaiwu 暖启动是三种子型 :: in=27 out=8 :: #AI #认知科学 #优化 :: cluster=C-适应度幻觉
  • [[条件记忆]] :: DeepSeek Engram 提出的稀疏性新轴：把静态知识用 N-gram 哈希 O(1) 查表，与条件计算（MoE）互补。 :: in=9 out=7 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[软触发]] :: 触发执行者从确定性程序换成概率模型，换来自然语言表达力，代价是失败时静默无感知。 :: in=4 out=4 :: #AI #工程 :: cluster=C-知道与推测不分
  • [[技能编译]] :: 对应 Fitts & Posner 三阶段模型，技能从皮层慢路径迁移到小脑快路径，AI 的神经级编译受 [[连续基质问题]] 阻碍。 :: in=8 out=5 :: #认知科学 #AI :: cluster=C-RL+LLM双系统
  • [[连续基质问题]] :: LLM 与 RL 作为分离程序通过 API 通信，缺少可被反复"磨"出来的共享神经通路，导致渐进式 [[技能编译]] 不可行。 :: in=9 out=5 :: #AI #认知科学 :: cluster=C-RL+LLM双系统
  • [[校准的不可外包性]] :: 品味只能通过接受/拒绝AI产出累积，是[[AI镜像效应]]的对偶解，唯一不可工具化的环节 :: in=32 out=10 :: #AI #认知科学 #方法论 :: cluster=C-知道与推测不分
  • [[研究者过拟合]] :: 研究者被早期高分锚定后失去对评测方式本身的质疑能力，AI 研究者也会犯同样的认知偏差 :: in=19 out=6 :: #认知科学 #元认知 :: cluster=C-适应度幻觉
  • [[工程惯性覆盖]] :: LLM 生成时训练数据中的高频工程模式（如 TTL）会盖过当前上下文中已建立的理论框架 :: in=11 out=5 :: #AI #认知科学 #方法论 :: cluster=C-适应度幻觉
  • [[AI镜像效应]] :: AI 产出是用户自身想法的反射而非外部异物，长期只消费 AI 等于自我对话导致认知耗尽。 :: in=22 out=8 :: #AI #哲学 #认知科学 :: cluster=C-知道与推测不分
  • [[无限空间之王]] :: 童年形成的内在誓词，对抗的不是低位而是平庸、钝化与主体终结。 :: in=3 out=3 :: #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[记忆迁移]] :: Hope CMS 是多频率并行管理员，不是大脑式层间迁移；α=1.0 实证最优，真正的分层应在内容层做。 :: in=8 out=9 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[知识库元认知]] :: 输出驱动的认知网络——只收录"我的思考"，链接密度 / 提炼转化率 / 脱稿讲述能力是健康指标。 :: in=8 out=8 :: #方法论 :: cluster=C-多层有损压缩
  • [[进化突破人类认知偏见]] :: 进化没有"之前试过不行"的记忆包袱，能找到人类因锚定/控制变量法而排除的有效方案 :: in=11 out=8 :: #AI #认知科学 #优化 :: cluster=C-适应度幻觉
  • [[研究核与投射]] :: 项目数 ≠ 方向数；13 个散乱仓库可能是 3-4 个研究核的不同投射，显性化核能让决策带宽降到 1/3。 :: in=5 out=9 :: #方法论 #认知科学 #AI :: cluster=C-RL+LLM双系统
  • [[失败可见性]] :: 元认知系统的成功标准——不是 recall 准确率，而是让"我刚才在幻觉/记错"这件事变成可观测、可追问、可修正的。 :: in=14 out=11 :: #AI #认知科学 #工程 :: cluster=C-知道与推测不分
  • [[默认值运气]] :: 决策者读不懂底层公式时，参数默认值是否碰巧正确决定整个研究方向的生死 :: in=7 out=3 :: #方法论 #AI :: cluster=C-适应度幻觉
  • [[拟合值与拟合原理的分离]] :: LLM 输出正确的值和合理的解释是两次独立采样，能事后解释不等于能提前预测 :: in=10 out=4 :: #AI #认知科学 :: cluster=C-适应度幻觉
  • [[借来的结论]] :: 结论是压缩掉纹路的叶子剪影；理解不可传递只能重新推导，老生常谈感正是持有叶子却没走过推导树的落差 :: in=4 out=7 :: #认知科学 #哲学 #方法论 :: cluster=C-知道与推测不分
  • [[皮层只输出目标]] :: 皮层从不指定肌肉指令只指定目标，"精细 vs 粗"只是目标精度差异；这要求 AI 执行层是多模态融合的策略网络。 :: in=6 out=5 :: #认知科学 #AI :: cluster=C-RL+LLM双系统
  • [[进化搜索记忆系统]] :: 用群岛进化模型 + LLM 变异自动搜索 Judge prompt 与 DGD 更新规则，突破人工设计天花板 :: in=8 out=7 :: #AI #认知科学 #优化 :: cluster=C-适应度幻觉
  • [[当场抽取]] :: AI在协作当下生成的零件可独立判断，是[[涌现接力]]里AI唯一不可替代的真贡献 :: in=17 out=9 :: #AI #认知科学 :: cluster=C-当场抽取
  • [[压力-搜索-产物链]] :: 分子→生命→大脑→AI→模拟宇宙：每层由特定压力驱动搜索，产物成为下层基质，最后两步压力相同（预测）只换基质。 :: in=5 out=10 :: #AI #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[零膨胀陷阱]] :: 子集间分数一致看似泛化，实则可能是恰好在共同特征上过拟合，全量验证才是唯一可信指标 :: in=3 out=5 :: #AI #实验方法论 :: cluster=C-适应度幻觉
  • [[思考与生成不分]] :: thinking 层和 output 层都是同一种自回归生成，多一次草稿机会但不改变底层机制 :: in=4 out=3 :: #AI #认知科学 :: cluster=C-适应度幻觉
  • [[设计还原闭环]] :: 设计端与渲染端都程序化读数，让 LLM 只负责归因决策而非感知。 :: in=3 out=5 :: #工程 #方法论 :: cluster=C-可观测性
  • [[评分即解题]] :: 评分比解题简单得多，只要能自动评分 LLM 进化就能替你解题，人从解题者变评委 :: in=7 out=4 :: #AI #方法论 #工程 :: cluster=C-适应度幻觉
  • [[记忆与图书馆]] :: 判别标准：要搜才找到的是图书馆，线索出现自动浮现的是记忆；RAG/Engram/DGD 三种机制可分层叠加。 :: in=4 out=7 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[涌现接力]] :: 新项目=方向×知识库×AI当场抽取×接受执行的乘积，任一为零结果为零 :: in=12 out=9 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[显式化爆发]] :: 30-90分钟密集卡片化的爆发性写入才是涌现真trigger，substrate温度比厚度更关键 :: in=12 out=8 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[判断力位]] :: atlas 把"人的判断"挖成搜索循环里不可跳过的槽位；AI 能坐进去但只是镜子，人坐进去才是成长入口。 :: in=7 out=9 :: #AI #工程 #方法论 :: cluster=C-知道与推测不分
  • [[知识库飞轮]] :: substrate×AI×回写持续相互喂养、单调增厚、定期分泌新项目的可观测循环 :: in=12 out=8 :: #AI #方法论 #工程 :: cluster=C-当场抽取
  • [[代码自然生长]] :: 人定义评测函数，代码通过进化自动生长——程序员变园丁 :: in=7 out=7 :: #AI #工程哲学 #愿景 :: cluster=C-适应度幻觉
  • [[自进化关联记忆]] :: 三个 LLM 协同进化出 Adam+Hebbian+非线性查询的混合算法，AI 自主发现 AI 算法（受适应度幻觉污染） :: in=4 out=8 :: #AI #认知科学 #优化 #实验 :: cluster=C-适应度幻觉
  • [[DGD与基底节]] :: DGD 是习惯学习而非规则执行，对应基底节，meomory 缺前额叶级的主动抑制模块 :: in=5 out=5 :: #AI #认知科学 :: cluster=C-适应度幻觉
  • [[反馈累积阈值]] :: 不信任单次 Judge 反馈，累积 N 次一致后才更新 DGD——把"靠使用频率筛选"从内容层延伸到反馈层。 :: in=6 out=4 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[研究路径结晶化]] :: 一次对话从具体任务出发挖出散落项目的统一框架并自我建模——单案例命名，需更多观察验证 :: in=10 out=11 :: #AI #方法论 #认知科学 :: cluster=C-当场抽取
  • [[噪声鲁棒性与天花板]] :: 动量+Adam 让进化算法对反馈噪声极不敏感，但有结构性天花板，瓶颈在算法不在反馈或轮次 :: in=5 out=3 :: #AI #实验 #工程 :: cluster=C-适应度幻觉
  • [[CMS实现辨析]] :: meomory 实测 α<1.0 导致性能崩塌；CMS 多时间尺度必须靠更新频率而非衰减率区分，所有层 α=1.0。 :: in=5 out=5 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[行动先于意识]] :: Libet 实验显示运动准备电位早于意识决定 350ms，意识是否决者而非发起者，对应脑干必须先于皮层反应。 :: in=3 out=4 :: #认知科学 #AI :: cluster=C-RL+LLM双系统
  • [[知识即结构]] :: 记忆/进化/学习的产物都以载体结构存储而非声明形式，代价是不可解释，泛化是好坏记忆的判据 :: in=8 out=6 :: #AI #认知科学 #哲学 :: cluster=C-适应度幻觉
  • [[预测极限即模拟]] :: 由 Solomonoff 归纳，最优预测渐近收敛为对数据源的最短描述，因此被无限预测压力推动的系统必然渐近建出一个完整宇宙模拟。 :: in=3 out=7 :: #AI #哲学 :: cluster=C-RL+LLM双系统
  • [[substrate做梦]] :: 让 AI 离线 review substrate 做 schema 整合，对应大脑睡眠的记忆巩固——但触发是事件驱动而非时间驱动 :: in=11 out=14 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[评估时间尺度错配]] :: 评测时长与改动生效时长不匹配会产生相反结论，短期测适应速度，长期测稳态质量 :: in=5 out=4 :: #AI #方法论 #实验 :: cluster=C-适应度幻觉
  • [[记忆写入]] :: 被动+主动混合写入，立即可检索，不设 TTL，遗忘只在巩固压缩中产生——靠使用频率而非时间筛选。 :: in=4 out=8 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[共享矩阵干扰天花板]] :: 单矩阵承载多查询的关联干扰是架构级限制，所有缓解机制本质都在减少 M 的影响力 :: in=4 out=5 :: #AI #认知科学 #工程 :: cluster=C-多层有损压缩
  • [[注入的石子灰尘针叶调味料模型]] :: 把 wake 注入对 Claude 的影响按"深度×相关性"分四类——石子真改变,灰尘被忽略,针叶污染,调味料变风格——失败判据必须看 Claude 端不能只看 wake 输出。 :: in=6 out=7 :: #AI #工程 #认知科学 :: cluster=C-知道与推测不分
  • [[万物皆反馈环]] :: 进化、RL、学习、市场都是同一种尝试-反馈-调整结构，反馈环指向自身就成为奇异环 :: in=6 out=8 :: #哲学 #AI #认知科学 :: cluster=C-适应度幻觉
  • [[Vibe Coding上瘾]] :: 伪装成生产力的自我回音上瘾，比短视频更隐蔽因为产出了代码，停下来时空虚是识别信号。 :: in=3 out=5 :: #AI #认知科学 #方法论 :: cluster=C-知道与推测不分
  • [[借来的权威]] :: AI 监控/前额叶层即使造出来，否决权也是对训练标签的模仿，不是对真实代价的承担——没有 stakes 锚就只有表演性权威。 :: in=5 out=8 :: #AI #认知科学 #哲学 :: cluster=C-知道与推测不分
  • [[动态适应度]] :: 静态测试集让进化特化到实验室快照而非真实环境，动态变化的评测才能让产物可用 :: in=5 out=4 :: #AI #方法论 #工程 :: cluster=C-适应度幻觉
  • [[塑型源的多样性]] :: 塑型本身是中性事实,塑型源的多样性才是 echo vs 成长的判据——单一来源的塑型是 echo chamber,多样来源的塑型是潜移默化,与人类被书塑型同构。 :: in=3 out=8 :: #AI #认知科学 #哲学 :: cluster=C-知道与推测不分
  • [[期权式外推]] :: 市场不需要相信 AI 能做开放域决策，只需要给"万一能"留非零概率乘 TAM——结构上不可证伪的外推。 :: in=5 out=9 :: #AI #方法论 #哲学 :: cluster=C-适应度幻觉
  • [[人工脑干]] :: 为 AI 补充不可关闭底层驱动的架构层，应是轻量确定性程序而非 LLM；具身智能中由物理约束自然提供。 :: in=2 out=10 :: #AI #认知科学 #工程 :: cluster=C-RL+LLM双系统
  • [[元进化]] :: 用进化优化进化器本身（prompt、补丁概率、bandit 参数），最先落地是进化 Skill 的搭建能力 :: in=3 out=4 :: #AI #方法论 :: cluster=C-适应度幻觉
  • [[短期实验误导]] :: 对学习慢或有 grokking 特征的方法用小样本下结论会系统性误判，cogg 案例 2K vs 12M 局结论翻转 :: in=2 out=6 :: #方法论 #AI #实验 :: cluster=C-适应度幻觉
  • [[Grokking 学习曲线]] :: 慢学习方法可能在内部重组，必须跑到饱和才下结论——cogg 案例差 3 个数量级才看到真实表现。 :: in=2 out=5 :: #AI #认知科学 #方法论 :: cluster=C-多层有损压缩
  • [[限制即引擎]] :: 给生物的能力越少，进化被迫发明的结构越复杂，传统 ALife 进化不出眼睛是因为 API 太高级 :: in=2 out=5 :: #AI #方法论 #哲学 :: cluster=C-适应度幻觉
  • [[联想的双层架构]] :: 联想分前馈层(用户侧自动注入)和主动层(模型侧 MCP 召回),对应 System 1/2 与玛德琳/反思——浮现应携带 first-order 描述,不是裸概念名也不是长篇展开。 :: in=1 out=8 :: #AI #工程 #认知科学 :: cluster=C-知道与推测不分
  • [[单向决策系统]] :: LLM 是只能向前的决策者；reverse 不是缺失功能，而是动作本身在其物理结构里没有对应物。 :: in=3 out=8 :: #AI #认知科学 :: cluster=C-知道与推测不分
  • [[M矩阵容量]] :: dim=256 的 M 只有 ~256 条独立关联容量，但只需纠正 cosine 错的部分；扩 M 不如加快巩固压缩。 :: in=1 out=4 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[三管子架构]] :: 任何持续变好的系统都需要反馈环+记忆+自指涉三根管子，缺一就退化为随机搜索或局部最优 :: in=2 out=5 :: #AI #方法论 #哲学 :: cluster=C-适应度幻觉
  • [[substrate噩梦]] :: substrate做梦的失败模式——AI 离线 review 时虚假整合、强行 bridge、被 AI 习惯范式同化 :: in=3 out=9 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[判断力位全成本]] :: AI 替代人的真实账目 = token 成本 + 判断力位维护成本；后者延迟、不可见、累积，被系统性低估。 :: in=1 out=9 :: #AI #方法论 #哲学 :: cluster=C-知道与推测不分
  • [[提示词进化实验]] :: GA 进化 Judge prompt 从 28.9% 到 90.9%，验证措辞影响巨大且评测目标比进化策略更重要 :: in=1 out=3 :: #AI #优化 #实验 :: cluster=C-适应度幻觉
  • [[金融钟先行]] :: AI 周期里金融层的"误外推暴露"先于认知层；股价坍缩 ≠ AI 不行了，AI 出错 ≠ 股价该崩。 :: in=1 out=7 :: #AI #方法论 :: cluster=C-适应度幻觉
  • [[潜伏层]] :: substrate 双层结构里"已存在但未卡片化"的层（PDF/长文/对话/脑中复现），是[[显式化爆发]]的原料 :: in=2 out=11 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[执行层]] :: 语义级目标到具体动作的翻译层，对应运动皮层+小脑+脊髓，必须并行融合多模态输入，ROCKET-2 类架构最接近。 :: in=0 out=7 :: #AI #认知科学 #工程 :: cluster=C-RL+LLM双系统
  • [[检索抑制]] :: [[主动遗忘]] 的核心实现机制——前额叶对海马的自上而下控制，降低线索→记忆的访问概率而非删除痕迹。 :: in=0 out=6 :: #认知科学 #AI :: cluster=C-多层有损压缩
  • [[溶解与信息熵]] :: 溶解速度由上下文异分布信号比例决定而非长度，ReAct 工具调用因持续注入真实数据天然免疫。 :: in=0 out=5 :: #AI #认知科学 #实验 :: cluster=C-知道与推测不分
  • [[级联爆发]] :: 一次显式化爆发触发下一次更上位的爆发，连续多级跳跃直到 substrate 自指——单案例命名待验证 :: in=0 out=10 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取

2-explorations/ (29 张)

  • [[从预测到自我：AI、人脑与意识的统一视角]] :: 把预测当作底层原理，串起模型、理解、自我、意识与行动闭环的连续体。 :: in=6 out=8 :: #AI #认知科学 #哲学 :: cluster=C-RL+LLM双系统
  • [[Claude Code认知架构：从skill系统看LLM的软控制]] :: 从 skill 系统的两层加载机制反推 LLM 软控制本质，落到"没有前额叶的皮层"的结构性诊断。 :: in=4 out=7 :: #AI #认知科学 #工程 :: cluster=C-知道与推测不分
  • [[从记忆理论到状态恢复：meomory原型的设计基础]] :: meomory 设计的理论奠基对话——确定它做的不是记忆系统而是状态恢复系统，并发现知识库本身已是运行中的假肢。 :: in=9 out=14 :: #AI #认知科学 #工程 #方法论 :: cluster=C-多层有损压缩
  • [[人工脑干：从目标真空到RL+LLM双系统架构]] :: 从目标真空出发，经自由能原理推导到 RL+LLM 双系统，提出用 LLM 临时扮演脑干→提炼规则→硬编码替换的三阶段实验路线。 :: in=7 out=5 :: #AI #认知科学 #工程 #实验 :: cluster=C-RL+LLM双系统
  • [[从AI到存在：一次跨域认知探索]] :: 用 AI 概念作跨域元语言，撞上哥德尔边界后回到马克思闭环——框架不经实践检验就是幻觉。 :: in=5 out=7 :: #AI #认知科学 #哲学 #方法论 :: cluster=C-知道与推测不分
  • [[AI没有脑干]] :: 从溶解、回光返照等涌现现象层层解构后浮现核心假说：AI 退化的本质是目标真空，具身智能将自然涌现脑干。 :: in=4 out=5 :: #AI #认知科学 #实验 #哲学 :: cluster=C-RL+LLM双系统
  • [[Nested Learning 学习指南：从理解到复现Hope]] :: Hope 架构的工程级复现指南：DGD/CMS/自修改 Titans 五个核心概念 + Mac 上 100M 内的复现路线图。 :: in=6 out=5 :: #AI #工程 #记忆 #复现 :: cluster=C-多层有损压缩
  • [[从Token轨迹到工作状态：AI原生工作流的三口径观察]] :: Token 不只是成本指标，也能成为观察任务连续性与执行状态的行为证据。 :: in=3 out=5 :: #AI #工程 #方法论 #实验 :: cluster=C-可观测性
  • [[从Minecraft到技能编译：人工脑干的实现路径探索]] :: 从 Minecraft 环境选型出发剖析运动控制层级，发现"技能编译"和"连续基质"是当前模块化 AI 架构的根本瓶颈。 :: in=6 out=5 :: #AI #认知科学 #工程 :: cluster=C-RL+LLM双系统
  • [[执行层的本质：从语义到动作的多模态融合]] :: 执行层必须是 language-conditioned policy，LLM 用线性 token 模拟并行空间关系会出错，故执行层不能由 LLM 担任。 :: in=5 out=5 :: #AI #认知科学 #工程 :: cluster=C-RL+LLM双系统
  • [[涌现的解剖：meomory诞生考古]] :: 用git考古重建2026-03-15 meomory诞生47分钟，证伪单方涌现，提出4方接力模型 :: in=8 out=16 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[AI镜像陷阱：当创造者只消费AI的产出]] :: 从 vibe coding 上瘾追到知识库自审计，发现回音室与模型溶解共享同一结构：异分布信号比例。 :: in=6 out=8 :: #AI #哲学 #认知科学 #方法论 :: cluster=C-知道与推测不分
  • [[从探索工作流到AI记忆系统：外置工作记忆的一个原型]] :: 高效人机工作流已在扮演 AI 记忆原型，关键是把任务状态外化为可压缩可纠偏可回放的工作记忆。 :: in=3 out=5 :: #AI #工程 #方法论 #认知科学 :: cluster=C-多层有损压缩
  • [[主动遗忘不是删除：从压缩损耗到检索抑制]] :: 澄清遗忘的两个层级：必然损耗 vs 检索控制；用 U 形非单调可塑性解释"何时压制有效何时反强化"。 :: in=2 out=7 :: #认知科学 #AI #方法论 :: cluster=C-多层有损压缩
  • [[多模态LLM像素级UI对比能力实验]] :: 多模态能感知差异存在与变化趋势，但方向判断不可靠，无法替代人工像素对齐。 :: in=2 out=5 :: #AI #工程 #实验 :: cluster=C-可观测性
  • [[程序化UI还原闭环：从亚像素对齐实践到方法论]] :: 把感知从视觉模型卸载到程序化坐标读取，UI 还原精度从 2-3px 跃升到 0.02px。 :: in=2 out=4 :: #工程 #实验 #AI #方法论 :: cluster=C-可观测性
  • [[从知乎私信到 cogg 完整复现]] :: 24 小时内从陌生人私信到亲手跑 12M 局 cogg：方法论教训是"短期实验误导"和"对标要匹配 design point"。 :: in=3 out=4 :: #AI #工程 #实验 #方法论 :: cluster=C-多层有损压缩
  • [[2026-05-13-AI决策的反向能力]] :: 从"AI 能不能做决策"出发，澄清反向能力作为操作本身不存在；推出窄域可造/开放域造不出的领域分化、判断力位的全成本、期权式外推等多层结构。 :: in=5 out=15 :: #AI #认知科学 #哲学 :: cluster=C-知道与推测不分
  • [[2026-05-25-从vibe-coding到借来的结论]] :: 从"vibe coding 把程序员逼成测试工程师"一路推到"理解不可传递，只能重新推导"，并修正出剪影/纹路的教学模型 :: in=1 out=2 :: #认知科学 #哲学 #方法论 #AI :: cluster=C-知道与推测不分
  • [[2026-05-14-压力链闭环：从分子到模拟宇宙]] :: 把宇宙级智能演化用「压力→搜索→产物」三元组贯穿成四阶链，最后 AI 被预测压力推到模拟宇宙；过程中实时验证 [[AI镜像效应]]。 :: in=2 out=16 :: #AI #哲学 #认知科学 :: cluster=C-RL+LLM双系统
  • [[substrate会做梦：从整体诊断认出记忆巩固机制]] :: 让 AI 离线 review 整个 substrate 等价于大脑睡眠的记忆巩固，飞轮缺这个 sleep phase :: in=5 out=19 :: #AI #认知科学 #方法论 :: cluster=C-当场抽取
  • [[wake-atlas-AB实验]] :: 用 wake 开/关 A/B 测试同一 prompt，关 wake 反而长出 KB 缺失的"判断力位"概念，演示 substrate 既能塑型也能锁框，wake 真正的成功标准是让镜像可见而非提高 recall。 :: in=2 out=7 :: #AI #方法论 #实验 :: cluster=C-知道与推测不分
  • [[LLM驱动的人工生命]] :: 把 Ember 改造为 LLM 进化可读行为代码的 ALife 生态，点击任意生物可透视它的代码 DNA :: in=1 out=7 :: #AI #实验 #愿景 :: cluster=C-适应度幻觉
  • [[LLM代码进化实战：从81ms到认知边界]] :: 华为 MTV 三轮进化复盘：进化趋同到 BVH、评测环境差一点解的就是另一道题、简单胜复杂 :: in=0 out=6 :: #AI #工程 #方法论 #实验 :: cluster=C-适应度幻觉
  • [[lens-wake首次运行-元认知循环的实例化]] :: lens 代理 + wake 记忆层第一次实际运行，意外暴露出系统真正的能力不是"记得对"，而是"能让记错被看见"——形状记忆系统升级为元认知系统。 :: in=0 out=10 :: #AI #工程 #认知科学 :: cluster=C-当场抽取
  • [[事件驱动的substrate：从时间投射到反应式代谢]] :: 修正 [[substrate做梦]] 的本体论错误——substrate 不是时间性生物，触发应是事件驱动 :: in=0 out=6 :: #AI #工程 #方法论 :: cluster=C-当场抽取
  • [[六面归一：5个项目其实是1个项目]] :: meomory/brainstem/minecraft-agent/Atlas/prompt-evolution/KB-Index 是同一命题"AI 缺什么 + 怎么用人类 substrate 补它"的 6 个面 :: in=0 out=17 :: #AI #方法论 #认知科学 :: cluster=C-当场抽取
  • [[记忆不是仓库：对当前知识库记忆观的一次总结]] :: 把知识库八张记忆卡压成一句话：记忆不是存储空间，而是为行动服务的压缩、选择、分层、遗忘与外化系统。 :: in=0 out=11 :: #AI #认知科学 #方法论 #哲学 :: cluster=C-多层有损压缩
  • [[进化系统的图书馆：从隐式记忆到显式知识]] :: 进化只继承代码不继承理解，加图书馆模块（kaiwu 实证）有效，但最优形式是角色分离而非 prompt 注入 :: in=0 out=8 :: #AI #方法论 #实验 :: cluster=C-适应度幻觉

3-projects/ (8 张)

  • [[meomory记忆假肢原型]] :: DGD矩阵从Nested Learning拆出做被动激活记忆模块，进化暴露[[适应度幻觉]]，搭子集成验证窄定位 :: in=10 out=14 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[脑干实验ABC对照]] :: ABC 三组对照实验，区分 LLM 输出溶解究竟由时间、格式还是重复调用的统计退化造成，是验证目标真空假说的关键。 :: in=3 out=3 :: :: cluster=C-RL+LLM双系统
  • [[2026-04-27-kb-index-system]] :: 用Leiden聚类把知识库渲染成4个markdown，让AI入场即获地形感，触发更频繁的[[当场抽取]] :: in=10 out=10 :: #工程 #方法论 #AI :: cluster=C-当场抽取
  • [[Nested Learning复现计划]] :: Mac 上六阶段复现 Hope 架构的项目卡，双轨：完整论文复现 vs 应用优先（CMS+Titans 做记忆激活层）。 :: in=3 out=5 :: :: cluster=C-多层有损压缩
  • [[人工脑干原型实验]] :: Minecraft 环境验证脑干层可行性，分 Mindcraft/JarvisVLA 两条路线，LLM 临时扮演脑干→蒸馏到小模型→技能缓存逐步推进。 :: in=2 out=12 :: #AI #认知科学 #工程 #实验 :: cluster=C-RL+LLM双系统
  • [[形状记忆系统]] :: 结构化KB全量注入长上下文模型作为记忆层，V0 部署后被首次运行重新定义为元认知系统——成功标准从 recall accuracy 转为 [[失败可见性]]。 :: in=6 out=13 :: #AI #工程 #认知科学 :: cluster=C-知道与推测不分
  • [[Atlas]] :: Interactive Evolution 应用于研究探索的 Claude Code skill；用户作 fitness function，递归 Teams 架构，把"判断力"挖成不可跳过的工程槽位。 :: in=2 out=5 :: #工程 #AI #方法论 :: cluster=C-知道与推测不分
  • [[SAE特征激活观测实验]] :: 用稀疏自编码器观测开源模型内部特征激活，验证"描述即污染"的神经级机制 :: in=1 out=5 :: #AI #实验 #认知科学 :: cluster=C-可观测性

4-references/ (10 张)

  • [[非单调可塑性假说]] :: 记忆激活与后续学习呈 U 形：中等激活最易弱化，解释为什么"越想忘越忘不掉"或反而强化。 :: in=6 out=4 :: :: cluster=C-多层有损压缩
  • [[Think-No-Think 范式与检索抑制]] :: Anderson 等人证明主动遗忘是前额叶对海马的检索控制，而非痕迹删除——为 [[主动遗忘]] 提供实验支撑。 :: in=6 out=3 :: :: cluster=C-多层有损压缩
  • [[量子永生]] :: 多世界诠释下的争议推想，更适合作为反终结直觉的心理哲学支架。 :: in=2 out=1 :: :: cluster=C-RL+LLM双系统
  • [[DeepSeek Engram - 条件记忆]] :: Engram 论文的工程结论——异步预取/多级缓存/上下文门控，从纯工程路径独立验证 [[前意识激活层]]。 :: in=2 out=7 :: #AI #工程 :: cluster=C-多层有损压缩
  • [[联想记忆谱系]] :: Hopfield→SDM→HDC/VSA→Titans 这条与深度学习并行的研究主线——cogg 是 2026 的独立重发明。 :: in=2 out=5 :: :: cluster=C-多层有损压缩
  • [[Harry - cogg 设计者]] :: 独立工程师，不知不觉重发明了 [[联想记忆谱系]] 的 SDM 路线；案例反驳"风格民科≠内容民科"。 :: in=2 out=4 :: :: cluster=C-多层有损压缩
  • [[侯世达 - 怪圈与类比]] :: GEB 作者，主张类比是认知核心、意识来自系统对自身的怪圈式建模——与 LLM 暴力统计路线对立。 :: in=1 out=2 :: :: cluster=C-多层有损压缩
  • [[Joseph LeDoux - 恐惧双通路]] :: 杏仁核快路 200ms 绕过皮层先到，证明脑干不可被皮层覆盖，启示 AI 脑干逻辑应做架构级权限隔离。 :: in=0 out=1 :: :: cluster=C-RL+LLM双系统
  • [[Karl Friston - 自由能原理]] :: 变分自由能、预测编码、主动推理的提出者；为 [[目标真空假说]] 提供学术界听得懂的理论语言。 :: in=0 out=2 :: :: cluster=C-RL+LLM双系统
  • [[VCP记忆系统]] :: 图拓扑+脉冲传播路线的 Agent 记忆实现，AgentDream 睡眠巩固已落地；可与 meomory DGD 互补叠加。 :: in=0 out=3 :: #AI #工程 :: cluster=C-多层有损压缩