寻找arXiv背书 + 分享关于AI伴侣稳态认知架构的预印本 [R]

嘿，r/ML——我刚刚在SSRN上发布了一篇关于PHI // DRIFT的预印本，这是一种认知架构，为AI伴侣提供了持久内部状态、显著性加权记忆检索以及一个可证伪的连续性指标（PEDI）。消融测试证实，DMU记忆系统每个提示比仅余弦RAG多注入14.8%的上下文——这是一个在仅CPU的消费级硬件上也成立的结构性发现。同时，如果有人愿意，我正在寻找arXiv [cs.AI](http://cs.AI) 的背书。欢迎就架构提问。以下是我的摘要：我提出PHI // DRIFT，一种认知中间件架构，旨在解决当前大语言模型部署中的一个根本性限制：缺乏随着与特定用户多次交互而演变的持久内部状态。现有系统将每次交互作为孤立的概率事件处理——虽然有能力，但无状态。我们将这一差距描述为“在与一个心智的统计数据对话”。DRIFT引入了五项架构贡献：决策记忆单元（DMU）、持久-体现-漂移指数（PEDI）、稳态调节层、安全防御层以及逻辑链推理追踪系统。所有开发和评估均在无GPU加速的消费级硬件上进行。消融测试证实，DMU重排序每个提示比仅余弦检索多注入14.8%的上下文。在50线程并发下的实时压力测试产生了100%的成功率，且未发现崩溃点。我们并不声称PHI // DRIFT有意识。我们声称它产生比无状态替代方案测量上更连续、上下文更一致的输出——并且我们提供了一个测试该主张的框架。