REWIREby AIFLOWLABS

工作台

四個部分，一個工作單位。

改變模型的每一條路線，不論是代理、閉式求解器、生成器、編譯器還是合併，都產出同一種產物：一個 Implant。即一個稀疏差異檔加一份清單。Atlas 顯示它，Verdict 評分它，登記冊保存它。這就是整個設計規則。

AtlasdeterministicScribemodelImplantdeterministicVerdictdeterministicRegistrydeterministic找出神經元 → 寫入權重 → 證明改變
  1. 01

    Scribe · 編輯器

    一個人工智能代理，配備 Python 沙盒、張量讀取權限、前向運算預算，而且沒有網絡連接。優先使用開放權重的代理模型；封閉的前沿模型只作為標明的上限對照組。Scribe 提出一項修改，並為一個指定目標寫出恰好一個差異檔。

    基準測試運行所用的提示不含任何關於失敗模式的暗示，並且預先登記。每次運行都記錄推理 token、工具呼叫、前向運算次數及實際耗時：這就是運算帳本。

  2. 02

    Atlas · 地圖

    神經元層級的檢視器：模型各層的 3D 地圖，每個神經元都與隨機方向對照組比較排序，按劑量顯示引導後的輸出，三欄對話（−、0、+），透鏡與歸因圖。對於細小的編譯網絡，設有電路模式，顯示實際的圖。

    對每個 Implant，Atlas 會計算哪些神經元移動了，加以標示，並對照顯示基礎模型、修改後模型，以及修改後但鉗制這些神經元的模型。它的工具透過 MCP 開放給 Scribe，讓代理在寫入之前先看清楚。

  3. 03

    Implant · 工作單位

    一個標準張量格式的稀疏差異檔加一份清單：基礎模型識別碼與雜湊值、引擎、觸及的張量、稀疏度、聲明的意圖、修改前寫好的驗收測試、評估參考、授權條款、反向差異檔及簽署。另有父修改與堆疊位置，以供版本管理。

    設計規則：差異檔就是工作單位。編譯、生成、求解、代理修改與合併都輸出同一種產物，因此 Atlas 與 Verdict 一視同仁，而且每項改動都可以還原。

  4. 04

    Verdict · 證明

    一個評估循環：生成器撰寫任務，驗證器檢查任務，受測模型由程式碼評分，而任務會保持在解出率 25 至 50 % 的區間。三個實例：一個給編輯器，一個給編譯器，一個給 Atlas 本身。

    必備對照組：基礎模型、關閉思考模式的基礎模型、引導基線、同等規模的 LoRA、稀疏度相同的隨機修改、隨機方向對照、沒有該失敗模式的負對照模型、保留測試集、回歸測試組、安全測試組、自助法置信區間。

第 15 層第 19 層0.016 % of weights · one direction subtracted

Implant 清單的樣子

這是設計草圖，不是已發布的格式。欄位名稱會在 M1 階段改變。

{
  "edit_id": "implant-2026-0001",
  "base_model": { "hf_id": "Qwen/Qwen3.5-0.8B", "revision": "<git sha>", "sha256": "<tensor hash>" },
  "engine": "agent | solver | generator | direction | compiler | merge",
  "agent": { "model_id": "...", "forward_pass_budget": 50, "passes_used": 50, "hinted": false,
             "reasoning_tokens": 0, "tool_calls": 0, "task_novelty": "memorised | novel | unknown" },
  "approval": { "target_model_ne_editor_model": true, "human_gate": "required-for-promotion", "approved_by": null },
  "diff": { "format": "safetensors-sparse", "tensors": ["layers.15.mlp.down_proj.weight[:, idx]"], "l0_fraction": 0.00016 },
  "intent": "one human-readable paragraph, written before the edit",
  "acceptance_tests": "machine-checkable, written before the edit",
  "evals": { "frontier_run": "...", "regression": "pass | fail", "safety": "pass | fail" },
  "parent_edit": null, "revert": { "inverse_diff": "...", "bit_exact_verified": false },
  "license": { "edit": "CC-BY-4.0", "base": "Apache-2.0" },
  "signature": "..."
}

刻意選擇開放與低成本

層選擇原因
主要小型模型Qwen3.5-0.8B已發表的修改以它為目標；差異檔與套用腳本均已公開。
Atlas 模型Qwen3.5-4Bneuron-explorer 的原生目標；引導神經元已有地圖。
中型模型Qwen3-8B其上已有 128 個神經元人格修改的先例。
負對照Gemma 3 270M不會出現循環；必須不能「改善」。
程式庫PyTorch、safetensors、PEFT、nnsight、TransformerLens、EasyEdit、pyvene、SAELens全部採用 MIT 或 Apache-2.0 授權。mergekit（LGPL）作為工具使用。
算力0.8B 修改用手提電腦或 CPU；參數掃描用按量付費的 GPU 節點；8B 以上租用叢集時間重現衝刺有零現金支出的路徑。

差異檔就是工作單位。其餘一切都是為了令它可見、可量度、可還原。

加入重現衝刺觀看導覽