導覽

1. 1. 用程式碼訓練，不只靠數據

   REWIRE 是一個開放的工作台，讓人工智能代理直接寫入開放權重語言模型的權重，從而重新編程模型。Atlas 找出神經元，Implant 修改它們，Verdict 測試修改。每項修改都細小、經數碼簽署，並且可還原。

2. 2. 2026 年 11 月 2 日發生了甚麼

   2026 年 11 月 2 日，MIT CSAIL 的研究人員把一個小型開放模型的原始權重和一個沙盒，交給一個封閉的前沿模型。沒有訓練運行，沒有梯度。它找出令模型陷入循環的方向，從 131,072 個權重中移除，循環便停止了。它移除了一種故障模式，並沒有增添知識。

3. 3. 醞釀三十五年

   每個部件都已發表。快速權重，1991 年。超網絡，2016 年。閉式事實編輯，2022 年。編譯式 Transformer，2023 年。導向方向，2024 年。文字生成適配器，2025 年。每一項都需要專為一項工作而建的系統。2026 年新增的，是配備工具的通用模型作為寫入者，以及它所寫入的神經元地圖。REWIRE 把這些部件組合起來。

4. 4. 每個人都問同樣的三個問題

   公告之下，真正重要的回覆問了三件事：究竟改了甚麼、還改了甚麼、誰批准的。沒有一個開放工具能在同一處回答這三個問題。而且，一個經修改的開放模型可以隱藏一個能通過所有乾淨評估的觸發條件，所以與基礎模型比對差異是第一步。

5. 5. 用程式碼訓練

   四個部件，一個循環。Scribe 是配備沙盒和預算的人工智能代理，讀取 Atlas 來選擇寫入位置。它寫出一個 Implant：稀疏、經簽署、可還原的差異檔。Verdict 為修改及其周遭的一切評分。找出神經元，寫入權重，證明改變。

6. 6. 更少 GPU，更少數據，更多證明

   常規方式是數據、GPU 集群和一次無人能檢視的運行。權重編程用一個 Implant 改變現有模型：一份規格、一筆前向運算預算、一份證明。假設：Verdict 的分數就是獎勵，開放編輯器提出 Implant，產出一個適用於機械人或邊緣裝置的小型模型。

7. 7. 信任之前，先看內裏

   挑一個神經元。壓下、不動、推高，把同一段對話讀三次。如果行為存在於 Implant 所指的位置，欄位就會移動。如果同等大小的隨機編輯也有同樣效果，該主張便會被標記為不具特異性。

8. 8. 權重的 Git

   編輯以經簽署差異檔的歷史形式，堆疊在凍結並經雜湊的基礎之上。log、diff、explain、bisect、revert。bisect 找出堆疊中第一個令測試失敗的編輯。revert 逐位元還原基礎模型，而這項特性是經測試的，不是假設的。

9. 9. 按安全設計

   同一套機制可以削弱拒絕回應或隱藏後門，所以審計先行。不針對自身、晉升須經人工關卡、範圍限制、經簽署的來源記錄加逐位元精確還原、審計模式，以及不移除安全護欄。可以測試的特性，不是承諾。

10. 10. 我們首先要證明的事

    每個階段都以一道可量度的關卡結束，並在工作開始前預先登記。重現公開的編輯。在預算內的開放編輯器。帶逐位元精確還原和 bisect 的混合編輯。移植編譯模組，或記錄在案的負面結果。然後是公開基準測試。

11. 11. AIFLOW LABS 的研究計劃

    AIFlow Labs Limited 是一家香港人工智能工程公司。REWIRE 是我們認真對待下一個問題的地方：當模型可以用程式碼編程，要在開放環境中安全地做到這一點，需要甚麼？研究人員，請加入重現衝刺。運行開放模型的團隊，請成為設計合作夥伴。