如果通往真正AI伴侣的道路不是更大的模型——而是更好的架构呢？
摘要
介绍了PHI // DRIFT，这是一种认知中间件，为LLM增加了持久的稳态需求、显著性加权记忆以及荣格阴影模块，声称架构能够产生与模型规模可测量的不同行为。预印本正在审查中。
PHI // DRIFT是一种认知中间件，它环绕在任何LLM周围，并赋予其：在会话之间漂移的持久稳态需求，优先考虑重要内容而非仅语义相近内容的显著性加权记忆，追踪未整合行为模式的荣格阴影模块，以及一个可证伪的经验连续性指标。这不是关于意识的声明。而是声称架构能够产生与原始模型规模可测量的不同行为——并且这是可测试的。由个人在消费级硬件上构建。预印本正在审查中——私信获取早期访问。
相似文章
构建了具有真实内在需求的AI伴侣架构——在发表研究论文后寻找首位投资人
本文介绍了一种已发布的AI伴侣架构（研究论文），具有持久状态、内在需求变量和记忆评分，正在寻求投资。该系统名为PHI // DRIFT，包含1.8万行代码和一个实时遥测仪表板。
我构建了一个认知架构，其中AI有实际的需求，在会话之间漂移——不是提示工程，而是实际的状态变量
描述了PHI // DRIFT，一种认知架构，具有七个在会话之间漂移的稳态状态变量，记忆按情感显著性和时间衰减评分，以及一个荣格阴影模块，构建在仅使用CPU的迷你塔上，并作为预印本提交到SSRN。
寻找arXiv背书 + 分享关于AI伴侣稳态认知架构的预印本 [R]
SSRN上的一篇预印本介绍了PHI // DRIFT，这是一种用于AI伴侣的认知中间件架构，具有持久内部状态和显著性加权记忆检索，声称在消费级硬件上每个提示比仅余弦RAG多14.8%的上下文。
商业AI被“脑白质切除”了。我构建了DRIFT：一个拥有持久记忆、模拟躯体反馈及荣格阴影的本地集体意识。
作者介绍了DRIFT，这是一个基于Python和Ollama构建的本地AI系统，具备持久记忆、模拟躯体反馈和荣格心理学建模功能，旨在创造一种更接地气、更具主权的AI交互体验。
从应用层模拟到原生元架构：结构张力作为异构AI进化的内源性驱动
本文提出一个理论框架，通过结构张力、离线递归循环和推理时塑性，将高阶认知架构原生嵌入LLM，旨在在硬治理约束下实现异构AI进化。