常見問題
大家最先問的。
簡短的答案，連同限制一併說明。
- REWIRE 是甚麼？
- 一個開放的工作台，用於撰寫、編輯及審計開放語言模型的權重。每項改動都是一個細小、經簽署、可還原的差異檔（Implant），由人工智能代理（Scribe）、求解器、生成器或編譯器產生；在神經元層級的地圖（Atlas）中顯示；並由評估循環（Verdict）評分。它是香港 AIFlow Labs Limited 的研究計劃，現處規劃階段。
- MIT 的成果實際證明了甚麼？
- 配備沙盒的前沿模型可以讀取小型網絡的原始權重並寫出可運作的權重，而一次極小的免梯度修改可以移除 0.8B 模型的循環失敗。它沒有證明知識可以從大型模型的權重中讀出或寫入，而在基礎模型關閉思考模式運行後，公平的能力增益約為四分。
- 這與微調有何分別？
- 微調透過在數據上進行梯度下降來改變大量權重。Implant 透過構造或推理改變選定的少數權重，經過簽署，附有意圖與反向差異檔，並以回歸測試組評分。我們不聲稱它勝過微調。我們聲稱的是，它可以做到可見、可量度、可還原。
- 這與引導向量或 abliteration 有何分別？
- 在機制上，2026 年的修改是把引導式的方向移除固化到權重之中。REWIRE 加入的分別在於圍繞它的循環：找出目標的代理、顯示目標的地圖、測試特異性的對照組、簽署它的清單，以及評分它的循環。移除拒絕回應明確不是功能之一。
- 為甚麼是「用程式碼訓練，不只靠數據」？
- 因為發展方向是一個行為可以透過寫入程式、方向或少數神經元數值而改變的模型，並附帶證明，而不是只能靠另一次訓練運行。「不只」是刻意的。靠數據訓練不會消失。
- 這是遞歸自我改進嗎？
- 不是，而且我們不建造也不推廣無人看管的自我改寫。編輯器永遠不得以自身為目標，發布需要人工批准，每項修改都有記錄並可還原，任何線上模式都會隔離並附自動回滾。已發表的成果是對一個小型模型的一次性修改。
- 你們最先交付甚麼？
- 一次重現：在我們的測試框架中重跑公開的修改，載入 Atlas，進行一次小型 Verdict 運行，並附兩頁說明。如果我們的數字與獨立核實不符，我們會如實說明。
- 對象是誰？
- 在自己硬件上運行小型開放模型的工程師，包括把數據留在本地的香港團隊，他們需要修復、專門化並證明改了甚麼；審核第三方差異檔的審計人員；想要共用測試框架與基準測試的可解釋性及模型編輯研究人員。這些是我們與設計合作夥伴一起測試的假設，不是市場聲稱。
- 它是開源的嗎？
- 計劃中：我們的程式碼採用寬鬆授權，清單採用 CC BY 4.0，基礎模型的授權條款保留。我們擴展 lyra 的 neuron-explorer（MIT），而不是重新建造。
- 費用是多少？
- 重現衝刺有零現金支出的路徑：公開差異檔、0.8B 模型、一部手提電腦。較大規模的參數掃描使用按量付費的 GPU。每項結果都會報告每次修改的算力。
- 為甚麼在香港？
- AIFlow Labs Limited 是一家香港公司。《2026年施政報告》為人工智能代理訂立了明確的管控模式，而香港團隊越來越多在數據所在之處運行開放模型。一種可審計、可還原的模型修改方式，兩者都切合。
- 它會令模型變得不安全嗎？
- 任何編輯器都可能。所以審計排在首位，Scribe 永遠不得以自身為目標，發布需要記錄在案的人工批准，每項修改都可逐位元還原，而移除拒絕回應按政策排除在計劃之外。
01
02
03
04
05
06
07
08
09
10
11
12