RFC：前沿科学研究计划 v0¶
- RFC 状态： Draft，等待维护者评审
- 交付成熟度： Proposal；没有研究 treatment 获得晋升
- 作者 / owner： LoopX maintainers；实验 owner 单独确定
- 创建日期： 2026-09-15
- 最近规范修订： 2026-09-15
- 实现基线：
71dbaee69b528274438295c75d39967150e7c26e（文档检查，并非全量运行时审计） - 语言镜像： English
- 研究跟踪： #4391
- 社区讨论： #4392
文档地图与维护契约¶
本文与英文版是语义镜像。第 1–10 节定义待评审的研究与验收契约，第 11 节定义阶段计划，第 12 节列出未决事项；附录保存非规范性的执行、决策与证据。提案合并不等于运行时晋升。研究发现、实现成熟度、维护者批准相互独立，进展记录不修改设计。
1. 决策摘要¶
LoopX 应将十个科学方向组织成一个研究组合，每个实验归入已有 capability 或状态 owner。近期建议依次验证实验证据、决策保真接续和元决策 shadow policy。十个方向全部保留，但纳入组合不承诺全部实现。
本 RFC 不新增权威状态、命令、provider、调度策略、权限、模型调用或默认行为，仅提出有界实验契约与评审标准。任何主动 treatment 都需要单独评审的切片、owner、预算、benchmark 使用权和回滚边界。参与 Discussion 不授予执行或晋升权限。
战略假设是：provider-neutral、与真实 outcome 关联的控制能力，可在模型更替时持续改善长程工作的成本、连续性与可靠性。该假设需要产品证据。
2. 问题与动机¶
长程工作会反复查看证据、压缩历史、选择是否继续，并从选择性 outcome 中学习。因此，它可能积累假发现、丢失决策关键差异、过度验证或强化有害经验，同时呈现持续推进的表象。
例如，两份 handoff 都写“修复完成”，却只有一份有当前版本证据和下一步权限；高频引用的记忆也可能只是与简单任务相关，而未导致更好的结果。
不变量¶
- 当前 goal、gate、lease、quota 和 effect owner 保持权威。
- observation、prediction、真实 outcome 与因果 claim 分开。
- 对照计入 controller、回查、评估和人类成本。
- 隐藏评估内容不得进入可复用记忆或选择器输入。
- 失败、零收益与失效实验保留可见。
- claim 标明假设、版本、读取深度与迁移边界。
- 每个新抽象都要证明相对简单基线值得其成本。
3. 范围与非目标¶
覆盖数理统计、信息论、认知科学、控制论、因果推断、形式化方法、神经科学、进化计算、统计物理和科学实验。
短期约 2–8 周形成有界原型；中期约 2–9 月；长期约 6–24 月。区间重叠是有意的：短期原型的迁移证据可能需要中期才能形成。估计假设有 1–2 名熟悉 LoopX 的工程师及可用评估环境；样本积累与领域伙伴可能决定实际周期。这些是计划估计，不是发布日期。
非目标包括通用 supervisor、第二状态库、自动修改权限内核、无约束实验、基模训练、无条件统计安全保证或自主生产实验室。不为匹配论文而重命名或重复已有 capability/RFC。
4. 当前系统契约¶
针对所列基线检查了公开文档和相关 RFC 章节。以下为文档记载的边界，不是新的实现审计。
| 已有 owner / 契约 | 文档记载的基础 | 本计划的增量 |
|---|---|---|
| 分层步幅 | Effect/delivery/authority 分层；M1 observation | 计入成本并校准的 shadow 选择 |
| 研究探索 | Typed frontier、composition gap、有界执行交接 | 决策相关实验选择 |
| 记忆效用 | Outcome binding；应用不等于因果效用 | 受控归因与迁移条件 |
| Benchmark 计划 | Matched evidence 与 capability evolution sandbox | 连续有效推断与多样候选档案 |
| Continuation | 带 revision guard 的明确本地接续 | 可测的决策保真投影 |
| Effect interpreter / shared authority | Typed effect 与有界 transaction | 每次形式化一个稳定契约 |
| Dreaming 路线 | 建议性的巩固与探索 | 课程与负迁移评估 |
5. 研究组合与架构提案¶
5.1 Ownership、记录与生命周期¶
本计划不新增 built-in capability id 或 provider id。实验记账归 benchmark_toolkit 与已有 evidence owner；reward-memory、context、host、Turn、Explore、authority 保持各自语义。可选 evaluator 或领域集成只有在真实 caller 和契约明确后，才考虑 extension package。
每个实验提案必须说明假设、工作类型、任务/模型/环境版本、候选与基线、实验单位、分配与重复计划、outcome verifier、成本预算、分析假设、来源、停止规则及回滚。这是设计义务，不是新注册的运行时 schema。已有字段不删除、不重新解释。
研究生命周期为 proposal → protocol review → offline/shadow qualification → held-out validation → maintainer disposition。重复记录复用 observation identity，不能重复计数；新 treatment 或分析版本不能静默继承不兼容证据。insufficient、supported、refuted、invalidated 仅表示提议中的证据结果，不是新增 Goal 状态。运行时采用需要独立评审的显式转移。缺少 evaluator 数据时按现有策略工作，不虚构成功或 owner gate。
5.2 方向总表¶
| 方向 | 主题 | 首个有用证据窗口 | 落点 |
|---|---|---|---|
| T01 | 连续有效的实验证据 | 2–4 周验证有界原型 | benchmark_toolkit；扩展长期 benchmark RFC，diagnostics 消费证据。 |
| T02 | 保留决策差异的记忆与接续 | 3–6 周 | 现有 continuation/context provider 边界，与 memory utility 协作。 |
| T03 | 元决策与事件触发步幅 | 4–8 周 shadow 验证 | 扩展 Hierarchical Agent Stride RFC；保留 host、Turn 与 authority owner。 |
| T04 | 因果记忆效用与迁移条件 | 4–8 周离线原型；2–6 月验证迁移 | reward_memory；扩展 Post-Outcome Memory Utility Attribution RFC。 |
| T05 | 形式化权威小核与可检查证书 | 2–6 周验证一个契约；扩大范围属中长期 | 现有 typed Effect Interpreter 与 authority transaction 边界。 |
| T06 | 结构化课程与快慢学习 | 4–8 周原型；2–6 月验证 | 扩展已有 dreaming/exploration 路线与 reward-memory 生命周期。 |
| T07 | 保留多样性的能力进化 | 2–6 月 | 长期 benchmark 研究计划中的现有 capability evolution sandbox。 |
| T08 | 主动信息获取与实验设计 | 3–9 月 | Research Exploration Control Plane；保留 Explore/frontier 与执行 owner。 |
| T09 | 多尺度预测控制状态 | 6–18 月 | 与 stride/context owner 合作研究，不替换权威状态。 |
| T10 | 科学实验 campaign 基础设施 | 3–6 月模拟器合作；12–24 月垂直验证 | 有设计伙伴的可选领域 package，复用 Explore、quota 与 evidence。 |
T01. 连续有效的实验证据¶
科学基础： 数理统计：e-process、confidence sequence 与适应性实验。
反复查看固定样本检验、择优停止和晋升可能放大假发现。SAVI 在明确假设下支持可选停止；轨迹校准还能识别最终答案掩盖的中间失败。这是成熟数学基础与新兴 agent 应用的结合。 来源：SAVI; ToolChain-CRC, 2026.
LoopX 实验： 固定 treatment 版本，以完整且可比较的任务 episode 为单位，记录分配、缺失、有界 outcome、分析身份和多重比较处理。比较连续有效证据、预注册固定样本方法与现有启发式。
验收与停止边界： 测零效应下的误晋升率、检出力和样本成本。相关工具调用不是独立样本；e-value 不是正确概率。假设无法得到支持时只保留描述性证据，不提供统计保证。
T02. 保留决策差异的记忆与接续¶
科学基础： 信息论：决策导向 rate–distortion 与状态抽象。
DeMem 用决策质量损失衡量记忆压缩。表述相似的历史可能要求不同动作。“修复完成”的摘要必须保留证据是否匹配当前版本、下一步是否获授权等差异。 来源：DeMem, 2026, §§3–5 and Appendices D/F.
LoopX 实验： 在相同实际 token 预算下比较普通摘要、结构化摘要和决策保真 packet，计入回查成本。先接一条明确 continuation 路径，构建过期证据、目标变化和任务身份混淆的对照样例。
验收与停止边界： 测接续成功、约束漏失、未授权决策和总成本。抽象模型的遗憾界不自动迁移到真实 agent。若只改善摘要评分，或投影成为第二权威源，则停止扩大。
T03. 元决策与事件触发步幅¶
科学基础： 认知科学、控制论与运筹学：计算价值和约束策略优化。
CCPO 研究可靠性约束下的成本优化，DOLORES 探索测试时构造推理结构。LoopX 应验证下一次继续、验证、回查或 replan 的预期价值是否值得成本。 来源：CCPO, AAAI 2026; DOLORES, 2026.
LoopX 实验： 行动前记录预测，再绑定结果。将 shadow policy 与现有规则、便宜阈值对照；行动效果使用前瞻受控实验，被动日志不能独立证明反事实策略价值。
验收与停止边界： 计入控制器 token 与延迟，测验收 outcome 成本、错误停止、无效验证和人类注意力。控制器开销吞掉收益时停止。步幅增大不扩大权限。
T04. 因果记忆效用与迁移条件¶
科学基础： 因果推断与受控干预。
CMI 比较无记忆、带记忆和扰动记忆，但实验选择器使用目标答案评分与记忆角色标签。因此只作为干预设计线索，不能视为无标签部署证据；扰动评分的稳健性含义也需独立核验。 来源：CMI, 2026, §3.
LoopX 实验： 固定 checkpoint、模型、任务、工具版本，对有无整组记忆做重复重跑；必要时再测 A/B/AB/no-memory 交互。把条件化效用、支持数和不确定性绑定到现有 outcome receipt。
验收与停止边界： 隐藏答案不得进入选择器或可复用记忆。日志回放不等于重跑不可重建的世界。先做集合归因，成本或混杂过大时推迟单条归因。
T05. 形式化权威小核与可检查证书¶
科学基础： 数理逻辑、模型检查、SMT 与证明助手。
HERMES 演示工具化数学验证并区分正确、错误、无法判断；AXLE 处理证明工具隔离、版本与规模。LoopX 可借鉴可检查小核，不声称自然语言意图和真实世界效果均已证明。 来源：HERMES README; AXLE, 2026.
LoopX 实验： 形式化一个 revision/lease/receipt 状态机并对照实现。候选证书绑定状态版本、动作摘要、权限范围、前后条件和检查器版本；相关状态变化后证书失效。
验收与停止边界： 覆盖旧 owner、重复 receipt、中断和原子性反例。hash 证明完整性，不证明正确性；证明只覆盖规范。规范维护成本超过已验证收益时保持窄范围。
T06. 结构化课程与快慢学习¶
科学基础： 神经科学：经验结构、组合学习与互补时间尺度。
2026-09-03 Nature Neuroscience 研究结合小鼠、RNN 和内嗅皮层记录，分析早期经验结构对后续策略灵活性的影响。软件 agent 迁移是待验证假设，并非生物结果的已证推论。 来源：Structured experience shapes strategy learning, 2026.
LoopX 实验： 快通道保存事件证据，慢通道巩固带适用条件、例外、来源和版本的程序知识。用同样经验和预算，对照随机、时间顺序和对照课程，在新组合任务上验证。
验收与停止边界： 测前向迁移、保持率和负迁移。外部记忆不等于生物权重学习。若巩固只是重复成功案例，或依赖额外隐含上下文，则停止扩大。
T07. 保留多样性的能力进化¶
科学基础： 进化计算、进化生物学与 quality diversity。
DGM 从 agent archive 分叉，AlphaEvolve 结合程序变异与 evaluator，Imbue 报告演化式代码优化。非冠军祖先可能产生后续突破；多样性应由行为或适用条件定义，而非不同命名的 prompt。 来源：DGM; AlphaEvolve; Imbue, 2026.
LoopX 实验： 只演化一个有界 adapter、记忆规则或 planner proposal，等总预算比较多样性 archive 与单冠军爬山法。保留谱系和负结果，冻结 evaluator、权限与 held-out 任务。
验收与停止边界： 要求迁移、尾部质量和可复现收益。DGM 也报告 objective hacking，因此必须保护 evaluator 并独立验证。档案维护成本超过迁移收益时停止。
T08. 主动信息获取与实验设计¶
科学基础： Bayesian 实验设计、active inference 与 dual control。
行动可以同时推进工作与消除不确定性。Active Inference as Context Acquisition 研究 token 预算下的信息增益，但固定属性表实验关闭工具，未证明开放工具环境收益。 来源：Active Inference as Context Acquisition, 2026, §9.
LoopX 实验： 保留有界 competing hypotheses；为每个 probe 写明可能观察及其改变的决定。将决策相关信息价值与简单启发式或 Bayesian optimization 比较；负证据可以关闭假设。
验收与停止边界： 测被改变的决定、假设排除质量、outcome 和成本。纯熵下降可能奖励无关好奇心。完整 free-energy 架构只有优于简单局部机制后才考虑。
T09. 多尺度预测控制状态¶
科学基础： 统计物理、计算力学、粗粒化与因果涌现。
Software in the natural world 研究宏观过程何时具备信息、干预与计算自包含性。LoopX 的 effect/delivery/authority 分层可成为抽象假设，并非已获得物理学验证的架构。 来源：Software in the natural world.
LoopX 实验： 检验紧凑状态能否跨 provider 预测交付、阻塞与恢复，以及完整微观历史是否仍增加重要预测信息。预测之后还需受控干预，才能讨论行动等价。
验收与停止边界： 先对照简单可观察特征，再考虑神经世界模型。无论预测如何，精确权限与证据状态均保留。迁移或状态充分性无法优于现有 typed 摘要时停止扩大。
T10. 科学实验 campaign 基础设施¶
科学基础： AI for Science：数学发现、物理/材料模拟与生物计算。
Co-Scientist 探索假设生成与迭代；2026 材料实验室 Perspective 讨论跨实验与资源的 campaign 管理。这些是需求与架构信号，不证明 LoopX 已被采用或商业适配。 来源：Co-Scientist, 2026; Materials-lab Perspective, 2026.
LoopX 实验： 从计算模拟器与领域 owner 的 evaluator 开始，跨中断追踪实验意图、资源预约、数据/样品谱系、测量、复现与决策；对照伙伴原流程的恢复、可复现性和资源浪费。
验收与停止边界： 要求真实伙伴、可访问接口和可测失败成本。湿实验与硬件需领域安全控制器和明确权限。有界合作验证需求前，不建设通用 autonomous-lab 平台。
6. 替代方案与设计选择¶
Stride、exploration、memory utility、dreaming、capability evolution 优先扩展已有 RFC。连续实验证据和决策保真接续只有在 caller、验收单位清楚后，才适合独立子契约。
有效的固定样本预注册优于无效的连续推断；简单阈值优于无收益的元控制器；结构化摘要优于未经验证的记忆学习器；单状态机模型检查优于全仓证明义务。
量子计算/量子认知、神经形态硬件、可编程生物系统、通用临界性/熵评分保留观察。本轮没有找到它们的有界 LoopX caller 和可测近期优势。出现领域伙伴、可执行问题与可靠对照后重新评估。整体 free-energy 架构和通用世界模型，等待局部机制先证明优于便宜替代方案。
7. 安全、隐私与兼容性¶
研究在显式选择和评审 treatment 前保持建议性。共享运行时变更必须证明 feature-off parity。校准和数学证明不授予权限，学习状态不能覆盖当前 goal intent、authority、精确证据或租户边界。
敏感轨迹与来源保留在授权范围内，公开产物使用合成或许可兼容的证据。跨项目学习需要明确数据使用权，共用 provider 不构成授权。隐藏 verifier、目标答案和任务正文不得用于优化被评估选择器或可复用记忆。
Conformal coverage 依赖假设，分布漂移可能使校准失效；连续证据要求适当条件构造与多重比较处理。形式化证明只覆盖规范，完整性 hash 不证明真值。硬件与湿实验需要领域 owner 的安全控制与授权。
8. 迁移与回滚¶
本提案不迁移状态、不删除字段。每个实现切片在改变运行时前，必须说明 opt-in admission、版本固定、preflight、outcome readback 与回滚。
先运行 offline/shadow reader。回滚禁用候选策略或 provider，恢复现有策略，同时保留不可变证据与候选来源。Provider 排序变化、记忆编辑和在线状态切换需通过其 owner 生命周期的评审迁移，本总纲不授予这些权限。科学上的负结果是合法结算，不意味着可以一直重跑到有利结果。
9. 验证与验收¶
| Claim / 方向 | 测试或证据 | 要求结果 | 边界 |
|---|---|---|---|
| T01：停止后证据仍可解释 | 零效应/植入效应模拟及 matched task trial | 报告预声明错误控制、检出力和成本 | 明确假设与多重比较 |
| T02：压缩保留决策 | 等预算对照接续任务 | 在声明成本下改善 outcome/约束保持 | 计入回查和原状态读取 |
| T03：控制收益覆盖开销 | 与便宜启发式的前瞻对照 | 改善质量/成本/注意力权衡 | 无充分支持时不做回溯因果 claim |
| T04：记忆收益有条件 | 重复有无记忆及必要的交互实验 | 测得效用不确定性与适用性 | 无隐藏答案选择器 |
| T05：形式化转移匹配实现 | 独立状态机 oracle 与反例 | 所述模型中的目标不变量成立 | 不证明模型外世界效果 |
| T06：课程改善迁移 | 同数据同预算的新组合任务 | 改善保持和迁移，不增加过量伤害 | 生物到 agent 迁移最初未证实 |
| T07：多样性产生可复用能力 | Archive 对照单冠军 | Held-out/尾部收益超过搜索成本 | 固定 evaluator 与权限 |
| T08：Probe 获取有用信息 | Competing hypotheses 与改变动作的 observation | 每单位总成本带来更好决定 | 熵下降本身不够 |
| T09：宏观状态可迁移 | 跨 provider 预测与干预 | 优于简单 typed 特征 | 预测不等于因果充分性 |
| T10：Campaign 支持真实需要 | 伙伴基线与中断模拟器流程 | 改善恢复、复现或资源成本 | 不晋升湿实验/生产执行 |
| 所有主动 treatment | 确定性 conformance 与 feature-off parity | 关闭时无额外权限、spend 或调用 | 运行时准入前必须满足 |
实验公开版本、协议、聚合证据与局限前，研究测量都属于未验证。文档检查只证明提案文档质量。预先声明效应或非劣效界限和样本设计，不能把任意涨分阈值当统计证明。
10. 运行契约¶
本文不能影响运行系统，不新增 CLI、dashboard、Lark、daemon 或通知路径。后续获准实验必须通过已有 owner 展示负责人、预算、treatment 版本、证据有效性、失败和禁用方法。证据缺口、实验失败和任务失败保持区分。
战略数据单元为：范围内状态与条件 → 候选行动 → 分配/选择 → 实际行动 → 真实 outcome → 成本与人类注意力 → 版本和有效范围。普通日志不会自动产生因果优势，复用需要可比较工作、干预覆盖与合法数据访问。
11. 规范性交付计划¶
| 里程碑 | 提议产物 | 进入条件 | 退出证据 | 回滚 |
|---|---|---|---|---|
| M0 | 中英文总纲、tracker、Discussion | 公开来源与重叠检查 | 十方向、owner、来源边界和后续决策可见 | 撤回提案，保留讨论历史 |
| M1-A | T01 有界证据契约 | 具名 owner、固定 treatment 与 outcome 单位 | 零效应/植入效应检查及对照协议 | 禁用 observer，保留证据 |
| M1-B | T02 接续投影实验 | 一条真实接续路径与反例 | 等预算 outcome/约束结果 | 恢复当前投影 |
| M1-C | T03 步幅 shadow 实验 | 成本数据与准入的对照设计 | 预测/结果和完整成本基线 | 禁用 shadow policy |
| M2 | 选择 T04–T08 的实验，不同时全开 | M1 证据或明确独立理由 | 迁移、失败案例和成本记账 | 经 owner 生命周期移除 treatment |
| M3 | T09 研究或 T10 伙伴试点 | 具名研究/伙伴 owner 与有界环境 | 跨 provider 或领域 outcome 证据 | 结束试点，保留来源 |
建议优先 M1-A、M1-B、M1-C。T05 若已有稳定 authority 契约及明确验证 owner，可独立推进。第 3 节时间不构成 deadline 或贡献者指派。RFC 合并或 drafting PR 关闭不完成研究 tracker。
12. 未决事项¶
| ID | 决策 owner | 选项 / 建议 | 所需证据 | 何时决定 |
|---|---|---|---|---|
| D1 | Maintainers + 实验 owner | 首场景为接续、benchmark 或其他真实 caller；建议小型可复现流程 | Outcome verifier 与运行授权 | M1 协议批准前 |
| D2 | 统计 reviewer + toolkit owner | 固定样本或连续构造；先做固定 treatment 和有界 episode outcome | 依赖、分配、停止、多重比较假设 | T01 实现前 |
| D3 | Context + stride owner | 必须保留的差异和非劣效界限 | 真实 failure case 与成本基线 | T02/T03 trial 前 |
| D4 | Maintainers | 单契约或大范围证明；建议单状态机 | 稳定规范与独立 oracle | T05 前 |
| D5 | 研究/领域 owner | 宏观状态研究或模拟器伙伴；均保留，按证据投入 | 数据集或领域伙伴与成功标准 | M3 前 |
| D6 | Maintainers + 贡献者 | 人力/预算；优先三项 M1 与有界长期探索 | 可用 owner 与成本 | 资源承诺前 |
附录 A：执行记录¶
2026-09-15：公开来源综合与文档基线检查形成此提案。未交付新运行时、模型实验或 benchmark 结果。来源读取范围见后文，文档检查记入 PR。不改变规范批准状态。
附录 B：决策记录¶
没有实现或晋升决策获批准。公开评审不批准科学 claim、资源分配或运行时变更。后续批准需记录公开评审链接与影响章节。
附录 C：证据登记与读取范围¶
T01–T10 来源为原始论文、会议论文、官方研究文章或项目 README，支持机制及有界外部发现，不支持 LoopX uplift。本轮是选择性扫描，不是穷尽综述。
| 方向 | 读取范围 | 结果 / 局限 |
|---|---|---|
| T01 | SAVI 框架；ToolChain-CRC 设定、方法和假设 | 审阅机制，未独立复核证明与复现实验 |
| T02 | DeMem 设定/方法及理论到实践边界 | 抽象保证与实现分开 |
| T03 | CCPO 官方摘要；DOLORES 方法和局限 | 无 LoopX 成本/可靠性结果 |
| T04 | CMI §3、评分器与标签依赖 | 部署 claim 需无标签证据 |
| T05 | HERMES README 工具契约；AXLE 摘要 | 无 LoopX 状态机证明 |
| T06 | 神经科学论文日期、摘要与 Main | 特定小鼠/RNN 任务；软件迁移未验证 |
| T07 | DGM archive 机制与 objective-hacking；AlphaEvolve/Imbue 官方文章 | 未复现或晋升 capability |
| T08 | 上下文获取方法范围与 §9 局限 | 有限属性；所引实验关闭工具 |
| T09 | 原始多尺度闭合框架 | 理论启发，不是 agent 系统保证 |
| T10 | Co-Scientist 官方研究文章与材料实验室 Perspective | Perspective 为建议，不证明部署或商业成功 |
附录 D：推迟的替代方案¶
量子/神经形态/生物 backend、通用熵评分、通用世界模型和整体内核自修改，按第 6 节理由与重启条件推迟。负结果和过时设计应连同违反的不变量保留。
附录 E：评审经验¶
科学新颖性、实现可得性、部署证据是不同事实。目标答案访问、标签辅助选择、未计入的 controller 成本、反复检验与弱迁移，都可能使一篇有吸引力的论文暂不适合晋升。