TopoVoid · 自研架构模型
从零构建, 把几何写进架构。
现成模型的隐层状态往往将语法、语气与事实记忆缠绕在同一残差流中。我们从头设计并预训练了自研架构模型 TopoVoid,在模型内部将通用推理算子、概念控制子空间与零空间记忆区彼此正交分开。
- 01正交划分将推理算子与概念记忆解耦
- 02中层引导用中层几何结构引导预训练
- 03概念瓶颈无需提示词切换语气与推理
- 04零空间记忆在零空间内秒级写入新事实
因为风格控制与知识写入发生在严格正交的子空间内,TopoVoid 模型无需堆砌冗长的系统提示词即可直接切换表达语域与推理模式,并能在数秒内将新事实与长对话记忆写入权重,既不遗忘旧知识,也不改变回答风格。
阅读我们的研究Reflecho · 表征几何工具链
在表征层, 直接调整模型。
Reflecho 是 TopoVoid 内部用于提取专业模块的表征几何工具链。它结合微分几何与拓扑数据分析,直接读取并引导隐层状态,无需重新训练基座权重。
- 01测绘刻画隐层表征的几何与拓扑
- 02定位锁定驱动特定行为的子空间
- 03操控在表征层直接施加方向干预
- 04训练以极小参数量完成任务适配
Reflecho 同时支撑我们的托管 API,从真实交互中持续学习用户的判断标准。
了解我们的研究
