@furongjun1999/dsh-memory 0.4.7 → 0.4.9

package/docs/theory//350/256/244/347/237/245/344/273/243/347/220/206/344/270/216/346/224/266/346/225/233/347/273/223/346/236/204_/346/235/241/344/273/266/350/256/272/351/207/215/346/236/204_v0.1.md

@@ -0,0 +1,221 @@
+# 认知代理与收敛结构 —— 条件论重构 v0.1
+
+> **定位**：《并发必然性理论》v0.1 的重构版。依据使用者裁定（2026-09-15）：**地基不建立在神经科学上，建立在信息差与智能认知过程的根本原理上**。真源=《白箱智能是什么？》系列四篇（①白箱智能是什么 ②智能的认知过程 ③智能的公理化基石 ④信息差为什么必然存在且自然扩大），下文以 ①②③④ 加节号引用。
+> **体系定位**（收敛裁定 2026-09-15）：三份核心文档之**架构层**——《并发必然性理论_v0.2》（理论层：定理 T 与判据）→ 本文（架构层：代理定义与收敛结构）→《子代理配置标准_v0.5》（工程层：spec 配置）。其余理论文档降为补充资料（见 §8）。
+> **核心修订**：v0.1 以「任务可分解」为并发前提、以神经科学事实为论证基座；本版以「认知任务原子性」+「条件投影可分性」为前提、以条件论为基座。v0.1 保留为历史层。
+> **评审吸收**：GPT 十八条评审中——三层拆分、Task≠Agent、六元组、Fusion Agent、Swarm 定义、原子性三分、七项实验测度已吸收；P1「当且仅当→单向蕴含」修正精神落入 CA-T1。
+
+---
+
+## 0 边界声明
+
+| # | 声明 | 封住的攻击 |
+|---|---|---|
+| CA1 | 全部断言在认知架构/功能层陈述；神经科学内容降为动机性引用（标注「启发」），不承担论证重量。 | 神经科学争议拖拽 |
+| CA2 | 「任务原子性」是建模公设，不主张任务本体论上原子。 | 本体论越界 |
+| CA3 | 「并行」=认知结构并行：多候选同时展开、独立评估，不要求物理多线程（②五既有定义）。 | 物理并行误读 |
+| CA4 | 非排他：串行收敛在资源/依赖/安全/实时/协调成本约束下是合法策略（兼容 B4）。 | 全称规范断言 |
+| CA5 | 收敛带宽的信息论表述=调用带宽（④快照三问之三），架构层约束，非器官测量值。 | 带宽实体化 |
+| CA6 | 元条款：不能由观测或文本检查裁决的内容标注为「建模选择」（继承 v1.0 B9）。 | 不可证伪指责 |
+
+---
+
+## 1 术语表
+
+| 术语 | 定义 | 状态 |
+|---|---|---|
+| 认知任务 | 一次完整认知收敛请求（如「X 是否成立」）；本文模型内为原子单位 | 建模公设 |
+| 条件空间 C | 四维坐标：观测位置/观测工具/时间窗口/存在约束（③二） | 真源概念 |
+| 条件投影 | 同一任务在某条件空间上的展开；对应七操作之「分离」（③十二） | 本文定义 |
+| 收敛位 | 一个投影上产出带四态资格的 R 的汇聚点 | 本文定义 |
+| 收敛带宽 B_c | 单次认知可调用的信息上限（CA5） | 架构约束 |
+| 收敛粒度 G_c | 收敛事件深度：整任务一次收敛 ↔ 各投影各自收敛的连续谱 | 继承 v1.0 §1.3 |
+| 认知代理 | 承担一个独立收敛过程的功能性计算单元（§3） | 本文核心定义 |
+| 融合位 | 对多个局部收敛做更高阶收敛的代理 | 本文定义 |
+| 信息差 D | D=D(C) 且 D=D(t,C)（③一/七） | 真源概念 |
+
+---
+
+## 2 三条公设
+
+**P1（任务原子性）**：认知任务本身原子；非原子展开发生在实现层（神经计算/底层计算图），不构成任务分解。推论：`非原子任务→任务分解→子代理` 链条在本文模型内删除。
+
+**P2（条件投影可分性）**：同一任务可在多个相互区分的条件空间上建立独立投影，各投影可独立收敛。依据：D=D(C)——不同投影携带不同信息可得性；四维给出「区分」判据。P2 只主张「可建立」，不主张必有信息增益——增益是否非零是实验问题（§6 测度3）。
+
+**P3（收敛带宽有限性）**：单次认知的收敛带宽受调用带宽约束（④三之「调用带宽」）；多投影提高有效观测容量，不消除信息差。依据：R>C ⇒ 可靠传递不可能（④二）。
+
+**总纲**：**认知任务是原子的，认知收敛可以是并行的，神经实现可以是非原子的。** 三者分属不同层（§5），禁止互推。
+
+---
+
+## 3 认知代理的条件论定义
+
+### 3.1 六元组
+
+$$A_i = \langle C_i, S_i, G_i, O_i, K_i, R_i \rangle$$
+
+| 分量 | 条件论含义 | 灵枢工程对应 |
+|---|---|---|
+| C_i 条件空间 | 该代理的四维观测边界 | 任务条件空间声明 / spec 任务边界 |
+| S_i 状态 | 已收敛的局部认知状态 | 最小充分记忆注入 |
+| G_i 目标 | 目标信息差态 D*：该投影要把哪段信息差缩到什么程度 | 验收标准 |
+| O_i 观测 | 条件空间在时间窗内的投影（快照三问：投影+演化） | 观测通道（tools 白名单） |
+| K_i 知识通路 | 调用带宽约束下的条件路由面 | lingshu_cg / 上下文预算 |
+| R_i 结果 | 局部收敛产物，带四态资格 | result.json 终态 |
+
+此定义不需要神经科学，也不需要「注意力」——注意力只是收敛带宽分配的一种实现假说（CA6，继承公设 A1 标注）。
+
+### 3.2 CA-T1（代理边界 = 条件空间边界）
+
+> **当**两个条件投影在四维上存在实质区分（任一维不同且该区分影响信息可得性）**时**，它们构成有资格独立存在的收敛单位；**当**投影完全相同时，建两个代理无信息增益，属冗余配置。「实质区分」由融合位以四态裁决与验证基底判定，不由相似度判定（②五）。
+
+条件式双向判据，非「当且仅当」——前提满足才有判断资格，不满足时本文不作判断（吸收 P1 逻辑修正）。
+
+### 3.3 CA-T2（Task ≠ Agent）
+
+同一任务上可存在多个代理（支持 X 的证据 / 反对 X 的证据 / 预测 X / 检查条件缺失）：G_i 可不同，认知任务是同一个。**代理数由条件投影可分性决定，不由任务大小/复杂度决定。**
+
+### 3.4 为什么需要认知代理（条件论回答，替代 v0.1 的神经科学基座）
+
+> 由推论 3（局部不可知，③六）：任一单投影的收敛结果必然携带该投影特有的盲区；由 D=D(C)：不同投影盲区结构不同。故对单投影盲区敏感的任务，多投影独立收敛+融合在结构上可获盲区互补。
+
+**CA-T2'（条件式）**：当错误代价对单投影盲区敏感、且投影间盲区结构可证不同时，多收敛组织有资格优先。投影同构时多代理退化为重复计算——一致不构成正确性证据，只有验证基底裁决才算（共识≠真相，③七）。
+
+---
+
+## 4 收敛结构
+
+### 4.1 收敛事件的位置变化
+
+并发与串行的差别不是任务被拆，而是**收敛事件的位置变了**：
+
+```text
+E-单线程（G_c=整任务）          多收敛（G_c 下沉）
+Task                            Task
+ └─ Expand                       ├─ 投影A ─ 收敛R_A
+     └─ Expand                   ├─ 投影B ─ 收敛R_B
+         └─ Expand               └─ 投影C ─ 收敛R_C
+             ↓                            ↓
+           Root（全压一点）            Fusion（更高阶收敛）
+             ↓                            ↓
+          Converge                  Higher cognition
+```
+
+②五「两阶段并行收敛」（大域并行→收敛→域内并行→收敛）即 G_c 在知识层下沉的既有实例，本文将其推广到代理层。
+
+### 4.2 融合位本身是认知代理
+
+$$A_F = \langle C_F,\ S_F{=}\{R_i\},\ G_F{=}\text{裁决},\ O_F{=}\{R_i\text{及证据}\},\ K_F,\ R_F \rangle$$
+
+并发不是终点：并发产生局部收敛，必须存在更高阶收敛，否则只是并行计算不是认知系统。**融合位裁决纪律**：不得以「多数一致」代替验证基底裁决；R_i 的四态资格与证据是输入面，R_i 冲突（反题）是冲突检测信号面。
+
+**五层置信概念映射**（承接补充资料《概念分层对齐表 v0.1》）：融合位的裁决面只用 L2 证据基底与 L3 四态资格；L1 信任（P_trust）只调节 R_i 输入权重、不作终裁依据；L4 可信度与 L5 共识是代理与群体层的产出面，**不得反哺为融合位裁决依据**——共识≠真相的裁决纪律在概念层的表现即「禁止 L5→L2/L3 的越层反哺」。
+
+### 4.3 蜂群定义
+
+$$Swarm = \{A_i\} + \mathcal{F}$$
+
+蜂群不是「很多 Agent」，是**多个局部收敛过程 + 更高阶收敛机制**。𝓕 的功能分解=五大单元（记录/反思/验证/输出/维生，③十三）。
+
+### 4.4 条件论七操作 ↔ 代理图边标注
+
+| 七操作（③十二） | 代理图位置 |
+|---|---|
+| 识别 / 声明 | 投影 C_i 显式化 |
+| 分离 | 一任务 → 多 C_i |
+| 路由 | K_i 知识通路 |
+| 收敛 | R_i 局部裁决 |
+| 反题 | R_i 间冲突检测 |
+| 组合 | 融合位更高阶收敛 |
+
+条件论七操作即认知代理图的完整边标注语法。
+
+---
+
+## 5 CA-T3（收敛粒度下沉的信息论判据）——v0.1 定理 T 重述
+
+> **当**任务的信息流宽度（展开面在 D=D(t,C) 下产生的待观测信息速率）**超过**单收敛位的调用带宽（CA5）**时**：整任务压入单一收敛位=把宽展开面压进窄调用口，信息差按 R>C 推论扩大；此时收敛粒度下沉到多投影，是把**容量瓶颈转换为协调成本**的结构响应。
+> **当**前提不满足（信息流窄/协调成本高/存在串行契约），本文不作下沉判断，串行由该前提正当化（CA4）。
+
+「宽」不再来自任务分解——它来自系统状态演化产生的信息流本身（快照三问：任何单点观测都是窄的）。这是「任何任务默认允许多投影收敛」的信息论根据，同时保留了串行的正当出口。
+
+### 5.1 串行正当场景四分类（承接补充资料《单线程与注意力集中 v1.0》§3.2）
+
+| 类型 | 触发条件 | 例 |
+|---|---|---|
+| 基座串行 | 后序任务需要前序任务产出才能开始 | 先检索后判定；先实现后测试 |
+| 约束串行 | 外部条件强制单线（资源配额/实时系统/安全协议/串行契约） | 锁持有期内的操作 |
+| 成本串行 | 协调成本 > 容量收益（B4 的量化形式） | 微小任务的开销摊不平 |
+| 认知伪串行 | 仅因「按顺序写」习惯，无实际依赖 | 可并行化的顺序文件生成 |
+
+前三类是 CA-T3「前提不满足」的具体形态，串行正当；第四类不构成串行理由。
+
+---
+
+## 6 原子性三分与三层模型
+
+### 6.1 原子性三分（禁止互推）
+
+| 层 | 原子性 | 状态 |
+|---|---|---|
+| 认知任务 | 原子（公设 P1） | 建模公设 |
+| 收敛过程 | 一次局部收敛=一个裁决单位 R_i | 本文定义 |
+| 神经/底层计算 | 非原子：认知原子操作在实现层可展开为多个相互依赖的计算单元 | 实现层描述，不要求任务有分解结构（CA1） |
+
+### 6.2 三层模型
+
+```text
+条件论 / 智能论层：条件、信息差、信任、目标
+        ↓
+认知代理层：原子任务 → 多投影代理 → 局部收敛 → 更高阶收敛
+        ↓
+神经基底层：非原子计算、并行展开、局部串行瓶颈
+        ↓
+Runtime
+```
+
+神经科学的位置：仅提供工作假设与启发（如 4±1 为调用带宽的生物学投影），不作为工程架构证明——本文所有定理均不引用它们（CA1）。
+
+---
+
+## 7 实验纲领：认知并发基础验证
+
+核心问题：**一个认知任务能否稳定产生多个独立收敛过程？**
+
+| # | 测度 | 条件论表述 | 与既有实验衔接 |
+|---|---|---|---|
+| 1 | 投影独立性 | 各 R_i 是否满足四维实质区分（CA-T1） | 蜂巢 4 视角审查雏形 |
+| 2 | 可复现性 | 同 C_i 重复执行 R_i 终态一致 | GridWorld 确定性口径 |
+| 3 | 信息增益 | 多投影融合后的 ΔD 是否显著大于单投影（P2 检验） | 新实验 |
+| 4 | 冲突可检测 | 反题信号是否在融合位可观测 | 蜂群同错检测协议 |
+| 5 | 融合可靠性 | Fusion 结果是否优于任一单投影 | 新实验 |
+| 6 | 盲区发现 | 融合是否发现单投影的 BLINDSPOT（CA-T2'） | 新实验 |
+| 7 | 增益递减点 | 投影数增加时 ΔD 增益率何时衰减（可用 d²D 判定，③十一） | 新实验 |
+
+---
+
+## 8 与既有文档的关系
+
+| 文档 | 关系 |
+|---|---|
+| **并发必然性理论 v0.2** | **理论层（同一体系）**：三公设由本文展开为代理定义与收敛结构；CA-T3=其定理 T 的架构层判据来源 |
+| **子代理配置标准 v0.5** | **工程层（同一体系）**：P1/P2/CA-T1/T3 落为 spec 配置规范；其 §6 字段映射引用本文六元组；**其 §8 六位拓扑的架构源即本文 §4.2/§4.3——副代理 = 设计者视角 = 融合位 $A_F$（𝓕）** |
+| 智能的认知过程 ②五 | 「认知结构并行」=本文 P2/P3 的既有通俗表述，本文是其形式化（真源） |
+| 单线程与注意力 v1.0 | 补充资料：S/E/C 三义、三类串行、争议封口方法（其 §3.1 P1 修订已由 CA-T1 吸收） |
+| 概念分层对齐表 v0.1 | 补充资料：五层置信概念，已映射到 §4.2 融合位裁决纪律 |
+| 蜂群同错检测协议 v0.1 | 补充资料：§7 测度 4 的实验协议 |
+| GridWorld 最小闭环规格 v0.1 | 补充资料：§7 测度 2 的实验设施 |
+| 并发必然性理论 v0.1（历史层） | 神经科学地基版，已被 v0.2 替代，仅存 git 历史 |
+
+## 9 可证伪声明
+
+| 命题 | 什么结果推翻它 |
+|---|---|
+| P1 任务原子性 | 找到一个认知任务，其正确执行必然要求任务层分解结构（而非实现层展开） |
+| P2 投影可分性 | 某类任务在一切条件投影下收敛结果相同且不可改善（投影零信息增益） |
+| P3 带宽约束 | 调用带宽放大后，单投影与多投影收敛质量无差异（瓶颈不在调用面） |
+| CA-T2' 盲区互补 | 投影间盲区结构被证实在一切任务类上同构 |
+
+---
+
+*v0.1 · 2026-09-15 · 条件论重构稿。本文遵循白箱纪律：能被验证，才能被信任；能被反驳，才有资格成为理论。*

package/docs/world_model//344/270/226/347/225/214/346/250/241/345/236/213_/347/245/236/347/273/217/347/275/221/347/273/234/345/272/225/345/261/202/346/236/266/346/236/204_v1.0.md

@@ -0,0 +1,237 @@
+# 世界模型 · 神经网络底层架构 v1.0
+
+> **定位**：本文档是大脑仓（`dsh-memory`）中**世界模型神经网络底层**的规范台账——把散布在身体库的 hex 系列工程成果整理为大脑仓可检索、可交接、可审计的单一档案。
+> **建档依据**：荣 2026-09-16 指令「整理已有的工程成果，将其放置到大脑仓库，作为我们世界模型的神经网络底层架构」。
+> **上游交接件**：`docs/存算一体神经网络架构_总纲与交接_20260916.md`（ZCode 端总纲，本文档为其大脑仓规范形态，原文件保留原位不动）。
+> **理论真源**：智能论第五篇（上下文=存算一体认知图）· 荣反传语义（2026-09-06 定义，灵枢 node_b299c354）·《世界模型理论_白箱固化_v1》·《白箱身体补充计划》· 白箱智能系列。
+> **验证状态**：§11 逐项声明（本会话已回放项 / 未复跑项）。
+
+---
+
+## 0. 为什么它是「世界模型的神经网络底层」
+
+这不是命名类比，有三条可核验的条件证据：
+
+1. **裁定原文直接指向世界模型**：`hex_cnn.py` 头部裁定第 2 条写明其固化语义取自《世界模型理论_白箱固化_v1》命题「LLM/训练引导 → 固化后零训练」；设计根基第 1 条取自《白箱身体补充计划》§六「蜂窝形感知」。该架构从立纲起就是世界模型理论在**感知/特征域**的实现件。
+2. **层级接口互补**：世界模型理论的传感器层给出「摄像头/麦克风/YOLO/CLIP/LLM/文本通道为可插拔外部器件，是神经网络与智能是否白箱无关」；hex 系列正是**传感器之后的第一段**——把原始像素归一为蜂窝晶格与语义卡（感知层 IR），再上交给 L3 条件路由与认知图。世界模型缺这一层则上层无输入中间表示。
+3. **与白箱化纲领四原理同构**（`docs/白箱化纲领_三项目学习总架构与Ghidra交接_20260916.md`）：本条链路是纲领 W1–W4 在感知域的独立实例，见 §7.2。
+
+**一句话总纲**：蜂窝网格上的自研 CNN × 并行条件路由 × 递归四态搜索，以**信息差递归分配**替代反向传播，以**存算一体认知图**为上下文容器——一条不依赖 GPU / 链式法则 / 黑箱框架的白箱视觉与认知计算路线。
+
+---
+
+## 1. 四条公理级裁定（不可回退项）
+
+| # | 裁定 | 内容 | 禁区 |
+|---|---|---|---|
+| A1 | **反传语义**（荣定义） | 训练 = 信息差递归分配 + 死区门控（超死区的信息差才传播）+ 递归收敛 | 禁链式法则 BP——梯度不存在，存在的是「哪里还有信息没榨出来」 |
+| A2 | **白箱原则** | 核参数可学习，但结构/损失/梯度/路由全程可审计，每步数值可复算 | 黑箱组件零容忍 |
+| A3 | **连接主义范式**（荣 2026-09-08） | 从拟合到激活：L0 差分链（100%）→ L1 区域（84.5%）→ L2 物体 → L3 大域；训练集缩小 = 构型覆盖率问题 | 不以扩大参数拟合为路线 |
+| A4 | **存算一体认知图**（第五篇定论） | 上下文不是检索结果缓存：认知图节点既是存储又是计算单元（路由 / 资格裁决 / 查询式激活） | 不把上下文降级为缓存 |
+
+---
+
+## 2. 架构主链
+
+```
+输入图像 → HexGrid 蜂窝网格化（48/64 列晶格）
+    → hex_conv 蜂窝卷积（核库：smooth / edge / 可学习核）        [L0 特征层]
+    → 并行条件路由（特征前端 = CNN，语义判定层 = 路由）           [L1 区域层]
+    → 递归四态搜索（大域 → 子域并行细分，条件剪枝 + 死区终止）     [L2 物体层]
+    → 层级合成（组合卡 → 场景质心）+ 复合体会意                   [L3 大域层]
+    → 查询式识别（ConnectionLibrary 连接相似性 + 条件判断）
+上下文 / 知识 ←→ 存算一体认知图（md_cg：条件化 + 信任化 IR）
+```
+
+**三大机制贯穿全层**：
+
+| 机制 | 载体 | 说明 |
+|---|---|---|
+| 正交残差金字塔 | `hex_ortho` | 语义方向逐层 Gram-Schmidt 剥离 + 信息差自适应深度；与外部 VCP ResidualPyramid 两处独立来源同构 |
+| 误差驱动生长 | `hex_train` | 结构随信息差生长（连续 patience 步停滞在死区外才添加新核），非预设固定 |
+| 四态资格裁决 | 全链 | ACCEPT / REJECT / DEFER / BLINDSPOT 通用于节点、路由、搜索剪枝 |
+
+---
+
+## 3. 组件台账（hex 系列 · 活代码在身体库 `AEIS/aeis/`）
+
+> 「裁定出处」列 = 源码头部注释中的荣指令/定义原文位置（本会话逐件回放核验，见 §11）。
+
+| # | 组件 | 职责（头部自述） | 裁定出处 | 关键结构 | 里程碑 |
+|---|---|---|---|---|---|
+| 1 | `hex_cnn.py` | 自研蜂窝 CNN + 并行条件路由（HEX-CNN-REV1 · 传感器层原生架构） | 荣 2026-09-06 四条（grill 访谈） | `HexGrid` / `image_to_grid(cells_across=48)` / `hex_conv` / `kernel_smooth` / `kernel_edge` / `DEFAULT_KERNELS` / `extended_prior_family` | 25/25 验收 |
+| 2 | `hex_train.py` | 信息差门控递归训练器（HEX-CNN-M2） | 荣 2026-09-06 定义（灵枢 node_b299c354） | `HexNet` / `train_infogap` / `hex_conv_batch` / `load_cifar10_parquet` | CIFAR-10 A 17.6% → B 20.8% |
+| 3 | `hex_hier.py` | 层级化 HexNet（HEX-CNN-M3） | 荣 2026-09-06 M3 方向指令 | `HexHierNet` / `train_hier` / `calibrate_hier_cards` / `make_scene`；L1 感知单元→L2 语义卡→L3 物体卡→L4 场景卡 | 合成场景 L3 57.3% / L4 42% |
+| 4 | `hex_text.py` | 文字模态 · 图文共同识别与子物体拆分（M4 桥） | 荣 2026-09-06 指令 | `SHAPE_WORDS` / `COLOR_WORDS` / `POS_WORDS`（中文词典直通语义卡）；`SHAPE_CN` / `COLOR_CN` | 与 ViT 实质差异：共享的是**语义卡**而非 token 空间 |
+| 5 | `hex_query.py` | 连接查询式识别（HEX-CNN-M4.16） | 荣 2026-09-08「识别的本质是查询」 | `ConnectionLibrary`（声明式零训练：加物体 = 加一条记录）/ `query_match` | **89.6% @ 9.1ms 稳定**（M4.24） |
+| 6 | `hex_search.py` | 递归四态搜索器（HEX-CNN-R3） | 荣 2026-09-07 设计原文（并行本身是递归过程） | `evaluate_node` / `recursive_search`；五步循环；自适应深度 opt-in（2026-09-10 显式化，此前 `min_share` 声明未生效） | 剪枝率过半；64 列 85ms/图 |
+| 7 | `hex_ortho.py` | 正交残差金字塔 + 信息差自适应深度 | 双外部来源同构（VCP ResidualPyramid + 本仓《子部件提取_理论稿_v0.4》） | `gram_schmidt_kernels` / `DEAD_ZONE=0.10` / `ORTHO_TOL=0.20` / `MAX_LAYERS=8`（工程保险上界） | 能量守恒 `‖F₀‖² = ‖r_k‖² + ‖Σβ_j a_j‖²` |
+| 8 | `hex_composite.py` | 复合体 = 部件组合卡（HEX-CNN-M4.3 · 六书会意原理） | 荣 2026-09-07 方向指令 | `COMPOSITES` 配方卡（car / snowman / flag）；证据密度 = 检出部件数 × 每部件属性数 | 证据密度 80% vs 43% |
+| 9 | `hex_recon.py` | 关系连接存储与完美复原 | 荣 2026-09-08「图像就只是像素的排布规律」 | `extract_regions`（连通域 + 残差） | 复原 100% |
+| 10 | `hex_unit.py` | 单元化语义头（荣神经元模型：连接声明 + 感知偏差 + 有界增益） | 荣 2026-09-07（大脑 800 亿神经元自身参数就几个） | `UnitHeadNet` / `GAIN_BOUND=2.0`；两阶段（结构发现 top-k → 结构固化 θ + g，18 参数） | **单元化 60% 反超稠密 + 69% 新高**（M4.24） |
+| 11 | `hex_nn_preview.py` | 三层前端 Python 评测器（与 `lib.rs` `forward3` 语义一致） | Rust 后端对照件 | `argmax3` / `_layer` | 双后端等价对照 |
+
+**关键实证**：单元化 60% 反超稠密 + 69% 新高——稀疏单元结构胜稠密，连接主义范式落地。M4.3d/e 归一化对照（expanded 0 → 28.3 → 40%）证明**尺度管理是递归的**（幅度通道无界再极化则归零）。
+
+---
+
+## 4. 反传语义与训练契约
+
+```
+前向：特征 → 条件路由 → 判定
+反向：信息差 D = |期望激活 − 实际激活|，按层级递归分配
+门控：D < 死区阈值 → 不传播（活动稀疏性的算法形态）
+生长：持续超死区的连接 → 结构生长
+收敛：递归至各层信息差低于死区 → 停止
+执行：有限差分（扰动必须真实进入损失）
+```
+
+`hex_train.py` 头部五条落地语义（原文照录）：
+
+1. 调整 = 有限差分（零链式法则；参数预算纪律：单层可学习参数 ≤ 几百）；
+2. 支路死区 = |lr·梯度估计| < 参数分辨率 → 该支路本步冻结（动了也没意义）；
+3. 全局死区 = 信息差 ≤ 初始值×ratio → 递归收敛，固化时刻；
+4. 误差驱动生长 = 连续 patience 步无显著下降才添加新核，mix 列零初始化（白箱平滑扩展）；
+5. 演化史全程记录（何时调整/冻结/生长/收敛——白箱可审计）。
+
+**与 BP 的本质区别**：BP 传播**梯度**（链式法则，需全局可微）；反传语义分配**信息差**（局部可测，白箱可审计）。
+
+**四个数值坑（在案）**：deadReLU / 均值池化 / float32 / 闭包捕获（R1 教训：扰动必须真实进入损失）。
+
+---
+
+## 5. 性能后端台账（Rust `hex_nn` · 保留地 `protocol-compiler/hex_nn/`）
+
+| 阶段 | 内容 | 数据 | 状态 |
+|---|---|---|---|
+| R1 | plan / 执行分离（随机决策由 Python 预生成，Rust = 确定性执行器） | 等价 **8.9e-16**，加速 **12.1×**；闭包捕获 bug 教训在案 | 已完成 |
+| R2 | 支路级并行 = 批量评估-收敛 | 多线程确定性，**3.17×@8 线程**；总加速 **~36×** | 已完成 |
+| R2.1 | loss 内部并行 | — | **待做** |
+| R3 | 高分辨率 64 列晶格 | 207ms/步、搜索 85ms/图，深度自适应 | 已完成 |
+
+**执行纪律（`Cargo.toml` / `lib.rs` 头部）**：语义源 = `hex_train.py` + `hex_hier.py`；零链式法则（有限差分符号更新，死区 `|g|<1e-6` 支路冻结）；随机决策由外部 plan 预生成——同 plan 必须**逐位复现** D 曲线；求和顺序与 Python 一致（容差 1e-9）；蜂窝六邻偏移 `EVEN_OFF`/`ODD_OFF` 与 Python `hex_conv_batch` 严格一致，边界 replicate；依赖仅 `rayon` + `lto=true`/`opt-level=3`。
+
+---
+
+## 6. 存算一体认知图对接面
+
+| 对接点 | 内容 |
+|---|---|
+| **上下文 = 认知图** | 查询式识别的 `ConnectionLibrary` 与认知图节点同构——连接 = 关系边，条件判断 = 条件空间卡，资格 = 四态 |
+| **机制复用** | `md_cg` 的四路检索 + judge 四态，与 `hex_search` 条件剪枝是**同一机制在两个域的实现** |
+| **单向沉淀** | hex 视觉产物经 `vision_evidence` 进认知图（vision-protection 管线已验证）；认知图知识经查询式**条件反哺**识别 |
+| **边界** | hex 管**感知特征层**，`md_cg` 管**知识记忆层**——感知 → 认知单向沉淀，认知 → 感知条件反哺 |
+
+---
+
+## 7. 外部对照与收敛证据
+
+### 7.1 Nature《Neuromorphic computing at scale》（637:801-812, 2025-01）
+
+- **四项同构**：存算一体／活动稀疏性（↔ 死区门控）／局部学习超越 BP（↔ 信息差递归分配）／稀疏胜稠密（↔ 单元化 60% 反超）。
+- **五维独有**：并行条件路由／递归四态搜索／文字模态反 ViT／信息差反传语义／白箱信任四态。
+- **三件可吸收**：活动稀疏度量化指标／可塑性-稳定性权衡／NeuroBench + NIR 口径对接。
+- **路线判断**：该论文的「AlexNet 时刻」赌芯片生态；本架构**不赌硬件**（纯软件白箱，hardware lottery 免疫）。
+
+### 7.2 与白箱化纲领四原理同构（本条链路 = 感知域实例）
+
+| 纲领原理 | hex 系列对应 |
+|---|---|
+| W1 统一表示 | 蜂窝晶格 + 语义卡 = 感知层 IR（多模态共用同一晶格与 HexConv 底座） |
+| W2 确定性内核 | 有限差分 + 死区门控 + Rust 确定性执行器（同 plan 逐位复现） |
+| W3 显式化 | 停因显式（`stop="infogap_dead_zone"/"max_depth"`）、演化史留痕、正交性证据留痕、BLINDSPOT 兜底 |
+| W4 知识数据化 | 核族 / 连接库 / 复合配方卡外置为声明——加物体 = 加一条记录，引擎零改动 |
+
+### 7.3 同构声明（双外部来源）
+
+`hex_ortho` 与 VCP-ToolBox `ResidualPyramid`（`minEnergyRatio=0.1`）为**两处独立来源同构**：前者在「特征（晶格）空间」对**核算子**做正交匹配剥离（白箱版，方向 = 手写核），后者在「向量空间」对语义方向做 Gram-Schmidt（数值版）——数学同一（最小二乘重解使残差正交）。
+
+---
+
+## 8. 验证基线与红线
+
+**基线（白箱自举 7 终极项目验收口径）**：`hex_cnn` **25/25**；白箱自举 7 项目 **686 单元**；管线 **1059 全绿**；递归搜索 R3 **5/5**；双后端等价 **8.9e-16**；多线程确定性断言在位。
+
+**域管线全量测试纪律**：改 hex 系列必跑全量，不许局部绿。
+
+**红线（不可违背）**：
+
+1. hex 系列改动必须全量回归（1059 基线）；
+2. 反传语义不得回退为链式法则 BP；
+3. 白箱组件零黑箱依赖（D-005：零 LLM，纯 numpy + PIL）；
+4. 理论问询优先查 CommonTrustProtocol 理论仓（智能论第五篇 / 白箱系列真源）。
+
+---
+
+## 9. 落点纪律与资产边界
+
+| 仓 | 角色 | 内容 |
+|---|---|---|
+| `AEIS/aeis/` | **身体库 = 测试与使用地**（私有库） | hex 系列活代码；存算一体认知图真源同仓 |
+| `protocol-compiler/hex_nn/` | **保留地**（荣裁定整体冻结为世界模型测试地点） | hex_nn Rust 后端 |
+| `dsh-memory/docs/world_model/` | **大脑仓 = 知识与档案**（本条落点） | 本档案（架构台账），不搬运代码与数据 |
+
+### 9.1 敏感信息隔离（工作纪律第 9 条）
+
+- 身体库 `AEIS/aeis/` 除 hex 系列外**混有大量非公开内容模块**（属身体仓私有线，依 §9.2 不随本档案开放）。本次整理**取证范围严格锁死在 hex 系列**，仅登记技术架构事实；
+- 本档案**不写入、不引用、不概括任何私有内容资产**（模块名、算法、数据、测试）；
+- 本档案于 **2026-09-16 经荣裁定提交入库**：公开面**仅限本架构台账**（组件职责 / 反传语义 / 数字来源 / 落点纪律），提交前过内容政策 + 隐私双清单（第 14 条）；身体仓私有线与保留地**不随本次提交开放**，节奏见 §9.2。
+
+### 9.2 三仓角色与开放路线（荣 2026-09-16 裁定）
+
+| 仓 | 角色 | 开放状态 |
+|---|---|---|
+| 大脑仓 `dsh-memory` | 知识与档案层 | 技术面已公开（本档案 2026-09-16 入库） |
+| 身体仓 `AEIS` | **测试地点**：承担**架构探索** + **敏感信息测试** | 暂私有；**理论与工程完善后逐步开放** |
+| 保留地 `protocol-compiler` | Rust 后端（`hex_nn`），冻结为世界模型测试地点 | 随架构成熟度逐步开放 |
+
+**自研边界（荣裁定）**：世界模型的**神经网络接口与架构全部为己方自有**——逐步开放；不依赖外部黑箱（不赌 GPU 生态、不用链式法则 BP、不含不可审计组件，与 §1 四公理一致）。**开放节奏由理论成熟度与工程完备度决定，不由外部标准倒逼。**
+
+**对本次整理的约束（裁定推论）**：
+
+1. 「敏感信息测试」是身体仓的**结构性职能**，非过渡权宜——故 §9.1 隔离纪律是**长期形态**：敏感内容模块与本架构资产分属两条线，前者永远留私有；
+2. 身体仓未来开放**不改变**本节纪律，反而使「架构资产可开放 / 敏感内容不可开放」的界线必须始终清晰；
+3. 架构探索期允许身体仓存在未定型的实验件（未复跑数字、候选方向）：本文档对其只登记「存在与来源」，**不冒充已验证**（§11 分工即为此设）。
+
+---
+
+## 10. 后续方向（候选，待裁定）
+
+| # | 方向 | 说明 |
+|---|---|---|
+| 1 | 活动稀疏度量化 | 对齐 Nature 指标口径（死区门控的直接度量，可证「稀疏胜稠密」） |
+| 2 | 与认知图查询式互通深化 | `ConnectionLibrary` ↔ 认知图条件空间卡的双向契约显式化（感知层与知识层的 IR 对齐） |
+| 3 | NeuroBench / NIR 口径对接 | 主流神经形态评测口径，用于外部可比性 |
+| 4 | R2.1 loss 内部并行 | Rust 后端未完项（表 §5） |
+
+---
+
+## 11. 验证状态声明（白箱：来源与验证逐项分离）
+
+**本会话已回放核验（一手）**：
+
+| 项 | 方式 | 结果 |
+|---|---|---|
+| 11 件 hex Python 源文件存在性 | 逐件 `read_file` 头部 | 全部在位 |
+| 荣裁定原文（四条公理 / 单元化 / 连接主义 / 查询式识别 / 会意 / 复原 / 递归搜索 / 神经元模型 / 文字模态） | 逐件核对源码头部注释原文 | 与总纲交接件一致，**无编造** |
+| 关键结构符号（`HexGrid` / `HexHierNet` / `ConnectionLibrary` / `UnitHeadNet` / `gram_schmidt_kernels` / `extract_regions` 等） | 源码正文对照 | 在位 |
+| Rust 后端 | `Cargo.toml`（hex_nn 0.1.0 / edition 2021 / rayon / lto）+ `lib.rs` 头部（语义源声明 / 零链式法则 / plan 分离 / 1e-9 容差 / 六邻偏移） | 与总纲一致 |
+| 三仓角色 | 目录实证 | 与落点纪律一致 |
+
+**未在本会话复跑（数字来源 = ZCode 端交接件与源码注释）**：里程碑数值（L3 57.3% / L4 42% / 89.6%@9.1ms / 60% 反超与 69% / 80% vs 43% / 复原 100% / 17.6→20.8%）、Rust 加速数据（8.9e-16 / 12.1× / 3.17×@8 / ~36× / 207ms / 85ms）、基线计数（25/25 / 686 / 1059 / 5/5）。
+
+> **说明**：上述数字**未经本会话执行验证**，按白箱原则标注来源而不冒充已验证。需要时经蜂巢派发复跑（第 17 条），或由使用者在 AEIS 侧复跑后回填。
+
+---
+
+## 12. 交接件索引与关联
+
+| 件 | 位置 | 关系 |
+|---|---|---|
+| 存算一体神经网络架构 · 总纲与交接 | `docs/存算一体神经网络架构_总纲与交接_20260916.md` | 本档案的**上游总纲**（保原位，不移动以免破坏认知图 `doc_*` 章节索引引用面） |
+| 白箱化纲领 · 三项目学习总架构与 Ghidra 交接 | `docs/白箱化纲领_三项目学习总架构与Ghidra交接_20260916.md` | §7.2 同构映射的上游纲领 |
+| 理论 · 机制 · 代码 · 实验 · 缺口矩阵 | `docs/理论_机制_代码_实验_缺口矩阵_v0.1.md` | 认知图侧机制台账（本档案的姊妹篇：知识层） |
+| 存算一体架构学习 · 外部理论对照与路线交接 | `docs/存算一体架构学习_外部理论对照与路线交接_20260916.md` | 外部理论弹药库（Nature 综述 / Overmann / colibri）+ 吸收路线（保原位，同总纲） |
+
+**认知图关联**：荣反传语义定义条（node_b299c354）· 世界模型条目 · hex 系列归档条（§11 补档后写入）。
+

package/docs//345/255/230/347/256/227/344/270/200/344/275/223/346/236/266/346/236/204/345/255/246/344/271/240_/345/244/226/351/203/250/347/220/206/350/256/272/345/257/271/347/205/247/344/270/216/350/267/257/347/272/277/344/272/244/346/216/245_20260916.md

@@ -0,0 +1,98 @@
+# 存算一体架构学习 · 外部理论对照与路线交接文档
+
+> 定位：荣指令（2026-09-16）「将这两份参考整理，制作存算一体架构学习的交接文档——后续完成蜂巢架构后，主要完善的就是存算一体/世界模型」
+> 两份核心参考：**①Nature《Neuromorphic computing at scale》**（637:801-812, 2025-01，23 位作者，Sandia/Intel/Manchester）· **②Overmann《Creating Intelligence: A Computational Foundation for AGI》**（arXiv:2606.31819, 2026-06）
+> 系统工程佐证：**colibri**（纯 C 零依赖 multitiering 推理引擎，34.1k★）· 资产档案：**《存算一体神经网络架构_总纲与交接_20260916.md》**（hex 系全系）· 上位纲领：《白箱化纲领》（W1-W4）
+> 交接方：ZCode 端 · 接收方：后续接手端
+
+---
+
+## 0. 一句话定位
+
+两份外部理论 + 一个系统工程样本，从**领域路线图**（Nature：怎么把神经网络做得像大脑一样省电）、**计算理论**（Overmann：智能的集合论基础）、**工程实证**（colibri：消费级硬件跑前沿模型）三个高度，为灵枢存算一体架构提供对照、背书与吸收清单——它们是「蜂巢完成后主攻存算一体/世界模型」阶段的理论弹药库。
+
+## 1. 两份论文的核心主张与分歧
+
+### 1.1 Nature 综述（领域路线图，正统阵营）
+
+- **存算一体**（in-memory compute）：RRAM/PCM 就地计算，破 von Neumann 瓶颈——引用 121/156 的芯片实证；
+- **活动稀疏性**（activity sparsity）：事件驱动才耗能——20 瓦人脑之谜的机制答案（引文 104：稀疏经时间反传）；
+- **八个规模化 co-design 特性**（正文付费墙，框架在案：异步事件驱动/稀疏通信/局部学习/存内计算/时空计算/在线适应/混合表示/固有可扩展性——逐条核对待全文）；
+- **拦路虎**：软件生态不成熟（Lava 等）、基准缺失（NeuroBench 100+ 人协作补位）、**hardware lottery**（引文 103：硬件决定算法命运）；
+- **判断**："AlexNet 时刻"=赌芯片生态成熟。
+
+### 1.2 Overmann（计算理论，激进离散路线）
+
+- **集合论+超维度计算（HDC）**：稀疏二进制**集合**数据替代连续权重与矩阵乘法，直接建模生物**群体编码**；
+- **拓扑可塑性**（topological plasticity）：学习由网络拓扑生长驱动，"rather than scalar weight adjustments"——非标量权重调整；
+- **子集模式匹配**：统一自联想与异向联想为单一算法，配合组合扩展隐藏层实现**常数时间精确最近邻**；
+- **桥接**：感知（稀疏分布式表示 SDR）↔符号（稀疏全息表示）无缝转换，无连续瓶颈；
+- **神经解剖映射**：小脑+新皮层=同一算法的两个变体——子集模式匹配是认知基本引擎；
+- **硬件路径**：纯离散逻辑→直接转存内硬件，**现有数字电路即可**，达人类级能效。
+
+### 1.3 分歧与共同点（对选路线的关键）
+
+| | Nature 线 | Overmann 线 |
+|---|---|---|
+| 表示 | 脉冲+模拟状态（专用芯片） | 纯稀疏二进制集合（现有数字电路） |
+| 硬件依赖 | 高（Loihi 类神经形态芯片成熟度） | **低（任何数字逻辑可跑）** |
+| 与灵枢距离 | 方法同构（稀疏/局部学习/存内） | **表示同构（我们就是离散集合路线）** |
+
+**共同点**：反 BP、反浮点矩阵乘、稀疏性第一性、存内计算、生物合理性。**共同启示**：下一代的"规模化"不靠更大的 GPU 集群，靠**表示与计算范式的更换**——这正是灵枢已经在做的事（认知图=条件化+信任化的离散集合表示）。
+
+## 2. 与灵枢存算一体架构的对照矩阵
+
+| 维度 | Nature 主张 | Overmann 主张 | 灵枢现状 | 判定 |
+|---|---|---|---|---|
+| 表示 | 脉冲/模拟状态 | 稀疏二进制集合 | md 节点+tags 集合+frontmatter（**条件化+信任化 IR**） | Overmann 同构，灵枢多两维 |
+| 学习 | 局部学习/脉冲时序依赖 | 拓扑可塑性（拓扑生长非调权重） | **信息差递归分配+死区门控+结构生长** | 三方同构；灵枢有完整可执行算法 |
+| 检索 | —（未详） | 子集匹配+常数时间 | bigram 集合匹配 O(N)+GLOBAL_CAP 截断 | **灵枢短板**（见 §4-5） |
+| 计算 | 存内芯片（RRAM/PCM） | 离散逻辑存内 | 认知图存算一体（纯软件） | 灵枢不赌硬件（lottery 免疫） |
+| 稀疏 | activity sparsity | SDR 稀疏编码 | 死区门控/单元化 60% 反超稠密 | 已实证 |
+| 感知↔符号 | — | SDR↔全息表示桥 | hex（感知）→md_cg（符号）管线已有，理论框架缺 | **吸收点** |
+| 双结构 | — | 小脑+新皮层变体 | hive（并发执行）+md_cg（知识皮层） | 类比成立 |
+
+**灵枢独有（两论文皆无）**：条件论（条件空间卡/四态资格/负路由）、信任凭证（verification_basis/HMAC）、信息差反传的完整分配算法、时空图 stg、多 harness/蜂群/维生。
+
+## 3. colibri 系统工程佐证（第三参考）
+
+- **AI memory multitiering**：VRAM/RAM/NVMe 单一层次，权重被「放置」而非「装下」——744B 每 token 仅激活 40B（5.4%）的稀疏实证；
+- **JIT for weights**：实测路由热度→LRU+学习型 pin+预取（坦承可过拟合，保持为可测策略）；
+- **语义硬保证**：「内存不足可降速，不得静默重定义模型」+ token-exact 前向验证（KV 57× 压缩语义不变）；
+- **研究文化**：每个优化=假设须控制变量 A/B，鼓励发布负结果——与灵枢验证纪律同款；
+- **对存算一体的映射**：认知图已具 multitiering 雏形（`_index.json`=常驻层/md 文件=盘层/access_count=路由热度）——**「检索命中→节点分层驻留」是 GLOBAL_CAP 问题的架构级正解**（比截断优雅）。
+
+## 4. 学习吸收路线（三档，接存算一体总纲 §9）
+
+### 近期（随日常迭代）
+1. **活动稀疏度量化**：hex_cnn 激活稀疏度测量（对齐 Nature activity sparsity 指标口径）；
+2. **可塑性-稳定性权衡指标**：借 Kudithipudi NeurEl 2023（Nature 引文 58）口径度量记忆闭环；
+3. **Overmann 正文深读**：子集模式匹配的索引结构 + SDR↔全息表示桥的算法细节（3.3MB PDF，当前仅摘要级对照）。
+
+### 中期（存算一体阶段任务）
+4. **认知图分层驻留**（colibri multitiering → md_cg）：热节点细化驻留/冷节点盘上+按查询模式预取——GLOBAL_CAP 截断的架构级替代；
+5. **集合索引检索加速**：Overmann 常数时间机制研读后定方案（组合扩展拓扑的存储代价需先验证——经典 HDC 维数-容量权衡）；
+6. **条件路由热度可视化**：借 colibri Brain/Atlas 样式（白箱可视化：颜色=存储层/亮度=路由热度）；
+7. **SDR↔符号桥接设计**：hex 感知特征→md_cg 符号节点的理论化（Overmann 框架套用）。
+
+### 远期（世界模型阶段）
+8. **hex_cnn 硬件化评估**：离散逻辑存内路径（Overmann 路线，无需浮点矩阵/脉冲芯片）；
+9. **NeuroBench/NIR 口径对接**（Nature 引文 52/基准框架）；
+10. **世界模型=存算一体 IR 的推演执行**（见 §5）。
+
+## 5. 存算一体→世界模型的桥（下一主战场的理论接线）
+
+荣路线：灵枢大脑迭代 → **世界模型**（protocol-compiler=测试地点）。两份论文给世界模型的直接输入：
+
+- **世界状态=存算一体 IR 的推演执行**：认知图（现在时状态，条件化+信任化表示）+ 演化规则（蜂群确定性结算，W2 内核）+ 观察回写（episode/WAL 闭环）——MiroFish 反例已证「有智能无白箱」不可复算，正例骨架已被其市场验证；
+- **Nature co-design 八特性**可直接改造为世界模型架构 checklist（异步事件驱动/稀疏通信/时空计算/在线适应逐条问：世界模型的这一环做了吗）；
+- **Overmann 拓扑可塑性=世界模型的结构演化机制**：世界状态演化不是权重调整而是拓扑生长（新节点/新边）——与 hex_search 的条件剪枝生长同源；
+- **小脑+新皮层双腔**：hive（小脑：并发执行/维生）+ md_cg（新皮层：知识/规划）——世界模型的双腔结构在灵枢已存在，缺的是推演循环的显式化。
+
+## 6. 边界与纪律
+
+1. 两论文为**外部理论对照**，非灵枢依赖——吸收思想不引代码（Nature 付费墙正文另计）；
+2. Overmann 独立作者未评审、无 SOTA 基准、常数时间声明的工程代价待验证——**引用须带此声明**；
+3. colibri benchmark 为自测口径（协议公开可复现，采信前按惯例可独立复跑）；
+4. hex 系红线不变：全量回归 1059 基线、反传语义不得回退为链式法则 BP、零黑箱依赖；
+5. 理论问询优先 CommonTrustProtocol 理论仓；归档走 md_cg 正规通道（写入后读回确认——纪律第 16 条 v1.1 修订案）。