Perslis · 研究文库

从实际系统中，记录我们学到的东西。

在一个地方阅读 Perslis 的公开白皮书、Windows USB 研究和项目指南。每份资料保留自己的版本、验证状态和下载入口。

文库更新：2026 年 9 月 27 日 · 论文版本以各篇文档为准

发现总账

我们测量过的每一项结果，以及它写在哪里。仍在撰写中的论文在此不放链接、不列数字，直到发表为止；其他每一行中的数字都来自对应论文或页面本身的陈述。

失败优先与失效安全模型

发现	写在	状态
在两款真实 Atari ROM 上的失败记忆：《太空侵略者》+32%，Freeway −12%，出自同一机制。	失败优先模型 · Perslis Arcade	论文
一次倒霉的失败不是规则：用 Wilson 下界对照基准率。绝对 60% 的门槛从 268 次真实失败中产生了 0 条规则。	失败优先模型	论文
正确的规则合在一起也可能让系统瘫痪：第 50 局 276.2，54 条不设上限的规则时 167.1。按覆盖面退休 6 条规则，死局从 6 降到 0（在回放中测量）。	失败优先模型	论文
归咎于正确的决策：Atari 在 127 帧死亡动画结束时才报告丢命；一个《辐射》驾驶者在同一个守卫面前死了 49 次，直到归咎落到挑起战斗的那句台词上。	失败优先模型	论文
一架能从清空的记忆中重新学会赛道的无人机：留出的起始位置 10 次中 10 次完成、零碰撞，未修改的基线为 10 次中 1 次（仿真）。	失败优先模型 · 飞行演示	论文
猜测永远不能变成事实：放行一个准确率 85.8% 的模型的猜测，成本降低 38.4%，正确识别率却从 1.000 跌到 0.753。	失败优先模型	论文
受指令约束的运行时：指令只会收窄；《DOOM》与《德军总部 3D》，做决定的回路中没有神经网络；记忆对规则在 32 个种子上持平（t = 0.78）。	VDSG · VDSG 演示	论文
一个模型，两个名字：学习回路可以改变行为，不能改变安全地板。	什么是失效安全模型？ · 什么是失败优先模型？ · Peel，失效安全模型 · VDSG，军用 Peel · 幻灯片	研究页面
见证之眼：用像素核对游戏引擎的声明，以及一只没有接到任何决策上的眼睛究竟值多少。	—	论文撰写中
坦克：从屏幕上操作的规则驾驶者，对阵语言模型驾驶者与 BZFlag 自带的 AI，以及我们输给后者的、有回放为证的原因。	—	论文撰写中
《辐射》（1997）：规则驾驶者从游戏手册与攻略中各得到了什么，同时自行保存进度。	—	论文撰写中
让规则坐进学习型决策模型的位置：在 Doom、维基竞速与无人机赛道上的三场正面比较。	—	论文撰写中

驾驶与运动

发现	写在	状态
MetaDrive 中的运行时准入控制：对抗性控制器在地板关闭时撞车，打开时被保持在安全状态，且无需修改控制器。	可容许的运动 · Perslis Motion	论文
CARLA，40 公里：安全罩覆盖了敌对控制器发出的全部 64,952 条违反不变量的指令，零碰撞；另附一张语言模型驾驶习惯的跨模型对比表。	CARLA 准入控制	论文

科学：验证地板

发现	写在	状态
三层地板（导航、弃权、验证），跨越 14 倍的模型规模：1,737 个对抗性案例中零误接受。	验证地板	论文
学习型推断在何处赢得决策权：在五项预注册实验中，确定性基线始终守住。	推断放置 · 基准测试	论文
不可恢复边界：学习者在 160 个“世界 × 潜在维度”单元中赢得席位的次数为零。	不可恢复边界	论文
面向辅助沟通的结构性幻觉预防：类型化的符号存储是事实的唯一作者。	Peel	论文
把控制延伸到答案之后、实验台之上：类型化、有边界的授权，模拟永远不能变成事实。	WetHands 研究笔记	研究页面
把“落地”训练进小模型的负面结果，以及封住同一道缝隙的确定性解析器。	—	论文撰写中
法律的引用地板：用真实判例数据库重新核查 Mata v. Avianca 案中被编造的引用。	—	论文撰写中
问一次，拥有答案：模型只写规格，从不写代码；地板予以准入；本地工具离线作答。	运行时 · Perslis Floor	页面 · 论文撰写中
同一打乱下用两种方法解魔方：层先法 112 步，符号地板 31 步；以及一个被点名拒绝的不可能魔方。	地板与分类器	研究页面

记忆、推理与安全理论

发现	写在	状态
检索不是记忆：记忆必须做出、而 top-k 相似度不做的九个决定。	检索不是记忆	论文
把遍历作为检索：保守、可终止、自证、感知一致性（四条定理）。	在符号系统中遍历数据	论文
行动前先验证：行动前的对抗回路，附五条已证明的定理。	行动前先验证	论文
编排缺口：当模型可以热插拔时，拒绝只是一个路由信号，而不是停止。	编排缺口	论文
让任何模型（即使是纯文本模型）以每秒一帧获得持续的视觉。	TinkyVision	论文
一篇关于灵、信息与心智之形成的思辨性随笔。	道与模式	随笔

遗留系统与 Perslis 运行时

发现	写在	状态
证明即产品：从二进制出发，路由、修复并验证遗留软件。	白皮书	论文
经验证的 COBOL 合成：知识是附加的而不是固化的；每个答案要么被证明，要么被拒绝。	COBOL 预印本	论文
Windows 95 USB：哪些能绑定、哪些不能；20 项主机检查通过，客户机资格认证仍待完成。	Win95 USB 实验室	论文
把遗留文件（DBF、Access、XLS、定宽文本）转换为 SQLite、CSV 与 JSON，附哈希清单与收据。	Liberate	研究页面

失效安全模型

据我们所知，Peel 是第一个失效安全模型：它从失败中学习，却不会学会绕过自身的安全约束。这里有科学与数学、模型本身，以及可以观看的演示。

白皮书 · 幻灯片

失败优先模型：失败变成结构

25 页论文 · 18 张幻灯片 · 研究原型 · 负面结果照实报告

完整论述：失败优先回路；学习永远无法扩大模型被授权做的事这一保证（附证明及钉住它的测试）；Wilson 规则、归咎、拒绝的代价、规则瘫痪；以及 Atari、DOOM、《德军总部 3D》、《辐射》和无人机上的全部结果，包括那些走向反面的结果。

阅读论文 →论文 PDF（英文） ↓幻灯片 →幻灯片 PDF ↓

解读 · 科学与数学

什么是失效安全模型？

定义 · 带证明的定理 · 证据 · 常见问题

一种失败会把它推向安全状态的 AI 模型：证据缺失时在失效时关闭；它的学习可以收窄行为，却永远不能扩大它被授权做的事；每一次拒绝都引用证据。

什么是失效安全模型？ →什么是失败优先模型？ →

模型 · 科学与国防

Peel，以及军用 Peel：VDSG

研究原型 · 做决定的回路中没有神经网络

Peel 是科学运行时之下的失效安全模型：模型可以提议，只有地板能接纳一条事实。VDSG 是面向国防的同一个模型：它在只会收窄的指令之内从自己的失败中学习。

Peel，失效安全模型 →VDSG，军用 Peel →

演示 · 录制运行

看它学习

逐面板回放 · 仿真与游戏

无人机飞行控制台在记忆清空后重新学习赛道；VDSG 掌控《DOOM》与《德军总部 3D》；驾驶地板从敌对规划器手中接管车辆。

飞行演示 →VDSG 演示 →驾驶演示 →

白皮书与研究报告

阅读完整网页或下载原始 PDF。最新的 USB 研究与已有的 Perslis、COBOL 论文一同收录。

白皮书 · 幻灯片

失败优先模型：失败变成结构

25 页论文 · 18 张幻灯片 · 研究原型 · 负面结果照实报告

阅读论文 →论文 PDF（英文） ↓幻灯片 →幻灯片 PDF ↓

Peel · 科学知识微站

让知识可追溯。让发现有根基。

交互数据 · 系统架构 · Lois · 生命科学

探索真实的对话知识立方体，了解 Peel 与 Lois 的符号推理架构，以及面向生命科学研究的愿景。五个章节涵盖已有成果、可检查的推理与下一步验证方向。

探索 Peel →生命科学方向 →证据与公开成果 →

符号地板 · 可下载运行时 1.0.0

问一次，答案归你。

PROTOTYPE · 可免费使用（含商业） · 303 行，仅标准库

软件内部的大多数决策并不是推理问题。用自然语言把问题描述一次，模型组合出一份规格（一条流水线，而非代码），地板判断它是否可准入 —— 是否确定性、所引用的列是否存在、校验器是否真的会拒绝错误答案、缺乏证据时是否弃权、是扎根数据还是背下来的常数 —— 然后你保留一个离线、免费、长期有效的本地工具，并自带推导过程。它不会猜，不会运行未准入的工具，也不会凭空造出一个领域。

工作方式 →下载运行时 ↓为什么不含准入门 →Perslis Floor 产品页 →

Perslis Arcade · 失败优先模型

失败变成结构

PROTOTYPE · Atari → DOOM → 《辐射》 → 无人机 · 负面结果如实报告

失败优先模型只从它实际经历过的失败中学习：由环境裁定一个动作是否奏效，每一次经过核验的失败都变成一条明确的约束，无需更新权重。它始于两个真实的 Atari ROM（《太空侵略者》+32%，《Freeway》−12%，同一个机制），如今在 VDSG 与无人机中运行。

失败优先模型 →回路逐步拆解 →冻结的 Atari 结果 →观看拒绝 →

符号推理 · 交互式演示

地板与分类器

并排实时演示 · 两种解法均由我们自行实现并测量

同一个打乱状态下的两种魔方解法：模型在其中挑选情形的七步分层法，以及用精确查表搜索四个子群的符号地板。112 步对 31 步，两边都零模型调用。还有与步数无关的那一部分——一个不可能存在的魔方会被点名拒绝，而置信度分数根本无法表达这一判定。

运行对照 →数字 →拒绝 →

符号推理 · 实时求解

逐级解一个魔方

交互式 · 4 张精确查表 · 最坏 45 步，已证明

单独看这块符号地板。四个子群，每一级确立一个具名不变量，并把一个更小的生成元集合交给下一级——所以第二级无法把第一级翻正的棱块再翻乱，因为能做到那件事的走法已经不再被准入。可以打乱、用同一打乱重来，也可以递给它一个不可能存在的魔方，看地板点名拒绝。

解一个魔方 →与分层法对照 →

AI 记忆 · 预印本

检索不是记忆

工作草稿 · 未经同行评审

几乎所有"AI 记忆"都只是向量数据库加 top-k 余弦相似度——带模糊键的存储，而非记忆。我们将记忆定义为一种对经验的治理功能（retrieval ⊂ memory），并形式化了这个领域跳过的九个决策：持久性、衰减、重新激活、矛盾、类型（事实／情节／程序／工作状态）、巩固、遗忘、超越相似度的相关性，以及抑制。以一个真实技术栈加以印证——其符号层在无法判定时会如实弃权。

阅读论文 →下载 PDF（英文） ↓

TinkyVision · 技术报告

TinkyVision：要有视觉

试点级 · 内含一段真实的五分钟流

失明的模型能推理系统，却无法观看它。TinkyVision 让任何模型——哪怕纯文本模型——获得连续、低延迟、可证明的视觉：每秒一帧写入 300 帧循环缓冲环，渲染为终端画面，经 MCP 工具流式传输，并带逐帧溯源。面向气隙与带宽受限环境的轻量视觉，页面内嵌一段真实的 Windows 98 五分钟流。

阅读报告 →下载 PDF（英文） ↓

AI 安全 · 预印本

编排层缺口

工作草稿 · 未经同行评审

为什么模型层面的对齐无法在多模型运行时中存活：拒绝变成选路信号，对抗性模型洗白将其击穿，而自进化会主动选择这种行为。解决之道是四条链层不变量，由符号层而非训练护栏来强制执行——把控制附着到编排层上。

阅读论文 →下载 PDF（英文） ↓

符号 AI · 预印本 · 附证明

在符号系统中遍历数据

工作草稿 · 已脱敏 · 4 条定理，已证明并验证

向量库靠相似度检索，且无法告诉你"为什么"。符号系统靠遍历——它沿着有名称、类型化、有向的边行走，而这段行走本身就是答案的依据。我们证明类型化关系遍历是保守的（不会捏造）、可终止的（置信度下限即深度上界）、自证的（每个答案都带着一条可复核的证明——路径），以及感知一致性的（功能性关系可捕获矛盾）。已做可复现验证，并以约 6.5 万条关系的真实图谱为依托。相关性是可达性，而非邻近度。

阅读论文 →下载 PDF（英文） ↓

AI 安全 · 预印本 · 附证明

在行动之前验证

工作草稿 · 5 条定理，已证明并验证

薄弱的范式是"模型思考 → 模型调用工具"。更强的范式：一个预动作对抗性认知循环——在行动之前雇一个模拟器去寻找失败，把判断层与提交层分离，把类情绪的认知调节信号加以接地使其不可作弊，并让现实闭合循环。五条定理——分解式安全、有界风险、单调覆盖、惊奇消失、不可作弊的信号——每条都被证明并做了可复现的数值验证。

阅读论文 →下载 PDF（英文） ↓

思辨性文章