J-Space Cognition Suite — vNext 认知治理器原型

一个基于 J-Space Cognition Suite V3.6 分析衍生的非官方设计/实现原型。

本项目保留 V3.6 中看似能提升模型自主性与困难任务持久性的行为,同时加入一个显式认知治理器(Epistemic Governor),用于降低"早期错误假设因连贯推理而越来越自信"的锁死风险。

本项目是独立的新插件/Skill,而非 V3.6 的 fork:代码、结构与运行协议均为重新实现,仅在行为设计上以 V3.6 为蓝本。详见文末设计来源与致谢。

设计目标

V3.6 似乎能够提升投入度 / 执行信心,这可以提高困难任务的上限,但也会让一个早期错误假设传播得更远。

本原型将两者分离:

• 执行信心(execution confidence) — 模型对"下一步测试/行动"的投入强度;
• 认知信心(epistemic confidence) — 证据对某个主张的支持强度。

目标状态是:

决策果断、信念校准、修正廉价。

主要改动

1. 双环路控制 — 一个快速 Drive Loop,外加一个事件驱动的认知治理器。
2. 不可变 SOURCE — 操作性的 GOAL 不能悄悄替换用户的原始需求。
3. 类型化核心 — 事实(F)、约束(C)、假设(H)、决策(D)。
4. 主张状态机 — asserted、supported、verified、refuted、stale。
5. 一个 active + 一个 shadow 假设 — 保持低分支熵,同时不失去可恢复性。
6. 预声明 kill 标准 — 分支在成立之初就声明什么证据会杀死它。
7. 证据独立性分级 — I0/I1 只能"支持";依赖已验证时,I2/I3 才可以"验证"。
8. 认知污染传播 — 结论不能高于其不确定的依赖。
9. 依赖失效 — 依赖被修改/驳倒时,下游主张与检查点自动标记 stale。
10. 结构化验证触发 — 即使模型自我感觉很有信心,在高杠杆状态也必须验证。
11. 中性恢复状态 — contradiction、stale、refute、reframe、abandon;减少对情绪化标记的依赖。
12. 紧凑运行时 — 科学铺垫与长训练内容从热路径模块中移除。

快速开始

python j-space/scripts/jspace.py init \
  --source "Preserve public API and fix the race" \
  --goal "All affected tests pass without API changes" \
  --next "Reproduce the race"

python j-space/scripts/jspace.py add hypothesis \
  --text "cache invalidation causes the failure" \
  --kill "cache bypass still reproduces the failure" \
  --role active

python j-space/scripts/jspace.py add hypothesis \
  --text "async write race causes the failure" \
  --kill "serialized writes still reproduce the failure" \
  --role shadow

python j-space/scripts/jspace.py seam

添加独立证据:

python j-space/scripts/jspace.py evidence H1 \
  --by "differential test with cache bypass" \
  --coverage "all 12 failing reproductions and 12 controls" \
  --independence 2

记录一个依赖检查点:

python j-space/scripts/jspace.py checkpoint \
  --text "patch eliminates the reproduction" \
  --by "automated reproduction harness" \
  --coverage "all 12 reproductions plus controls" \
  --independence 2 \
  --depends H1

如果 H1 之后被修改或被驳倒,依赖它的检查点会变成 stale,而不是继续保持"已验证"。

验证等级

等级	含义	默认效果
I0	同链自检	仅支持
I1	同一模型的新路径	仅支持
I2	独立工具/算法/测试	可验证
I3	外部事实依据 / 一手来源	可验证

依赖自身也必须已验证,主张/检查点才能被完全验证。

结构化治理器触发条件

控制器当前检测:

• UNVERIFIED_BROADCAST
• EVIDENCE_STALL
• STALE_CORE
• TAINTED_VERIFIED
• TAINTED_CHECKPOINT
• STALE_CHECKPOINT
• HIGH_RISK_UNVERIFIED
• NO_KILL
• NO_NEXT

这些触发条件刻意是结构性的——它们不等待模型报告"我感觉不确定"。

测试

python -m unittest discover -s tests -v
python j-space/scripts/verify_suite.py

现状

这是一个机制原型,并不声称重新设计已经提升了基准分数。下一步计划是按 BENCHMARK_PROTOCOL.md 做消融研究,同时测量持久性与错误假设可恢复性,而不只看总分。

廉价回滚行为

当依赖被修改或驳倒时,下游存活主张会被标记为 stale 并自动停用(park),而 stale 检查点保留在历史中作为溯源。被驳倒的 active 假设也会被停用;其 shadow 仍可显式提升。这保证了修正廉价,又不会悄悄删除旧轨迹。

使用 role 让重新确立的主张回到活跃状态:

python j-space/scripts/jspace.py role F2 core

设计来源与致谢

• 蓝本项目:Tiger3807861189/J-Space-Cognition-Suite-V3.6(Apache-2.0) —— 一个基于 Anthropic J-space 全局工作空间研究的模型无关推理时认知控制套件,以 Skill 形式封装。
• 本项目的定位:V3.6 的行为设计衍生物。保留其高投入、高持久执行,并添加显式的认知治理器来约束信念升级。
• 为何不 fork:本项目的运行时、控制器、模块体系与 V3.6 存在实质性差异(双环路、类型化主张图、kill 标准、证据独立性分级等),因此作为独立插件发布。
• 许可:本项目沿用 Apache-2.0 协议。引用或再分发时请同时保留对原项目的出处说明。