先提出假说，
再用不可学习算子 Φ与
元认知门控 λ筛除幻觉。
PROPOSE BY INTUITION.
SIEVE BY UNLEARNABLE Φ &
METACOGNITIVE GATE λ.
端到端神经网络（System 1）擅长快速生成先验假说，却在分布外（OOD）构象、空间位阻碰撞、讨好型幻觉（Sycophancy）与多步实验设计中系统性失效。Sieve（筛）将神经直觉与不可被梯度篡改的物理/符号前向算子 Φ[g,t,c]（System 2 软腔体筛）、动态元认知信任门控 λ 以及摊销期望信息增益 EIG(g) 耦合——横跨生物化学自治科研（/Sci）、蛋白质-多肽三维物理识别（/PL）、反讨好长上下文语言模型（/LM）与精确神谕主动实验设计（/MC）四个分支。
为什么需要「不可学习」的物理/符号筛算子？
如果让同一个神经网络同时学习「提出假说」和「检验假说」，梯度下降会迅速利用奖励捷径（Reward Hacking）：在蛋白打分中用原子碰撞伪造高亲和力，在语言模型中顺从用户的错误前提，在科研代码中硬编码 p 值。Sieve 将检验算子 Φ 固定为不可被梯度篡改的物理定律、沙盒盲法复现或精确真值表。
- 感知噪声地板 εc：防止单次实验观测误差或视觉 OCR 识别错误将真实假说 t* 的后验概率永久清零（
−∞）。 - 分布外自适应门控 λ：当样本处于训练集熟知区域时赋予 System 1 直觉更高权重；一旦检测到 OOD 偏移或前提冲突，自动拉高 λ 切换至物理/逻辑硬筛。
| 候选假说 t ∈ T | System 1 先验 | 算子检验 Φ[g,t,c] | 校准后验 π(t) |
|---|
SieveSci — 生物与化学自治科研智能体
告别只会跑单次脚本却暗中编造 p 值的通用编程助手。SieveSci 将科学方法论固化为不可绕过的四角色闭环：Research（Bradley–Terry 假说对决排序）、Worker（持久化 Python 内核与 ~180 个科学技能）、Checker（确定性 AST 审计 + 独立审查模型）与 Verifier（Seatbelt 沙盒读隔离下的盲法独立复现）。
- 45 例植入缺陷基准 (oversight-corpus.json)：确定性检测器达到 93% 召回率 (25/27)、0% 误报 (0/18)；叠加 Checker 审查层达到 100% 召回率 (27/27)。
- 证据收据链与统一生信网关：内置
bio_db（UniProt / NCBI / PDB / AlphaFold / Ensembl / ChEMBL / Reactome / ClinicalTrials）与哈希链收据[R-0007]。
Sieve-PL — 蛋白质-多肽三维物理识别与逆向靶点垂钓
面向高柔性多肽、非天然 D-型对映体、大环与翻译后修饰（PTM）的显式各向异性药效团引擎。涵盖三维界面打分（Mode A）、局部泡沫玻尔兹曼旋转异构体 ΔΔG 预测（Mode B）与无构象口袋互补镜像 FGW-UOT 跨家族检索（Mode C）。
- 三制度空间位阻审计 (Three-Regime Steric Audit)：揭露未松弛诱饵基准中纯碰撞项即可拿满 1.000 AUROC 的领域假象；在消融碰撞项后，5 通道方向势仍保持 0.8917 AUROC（优于 Vina 0.6875 与 DFIRE 0.6667）。
- 真实转化医学与农化案例：涵盖临床双/三靶点肠促胰岛素激动剂（替尔泊肽 Tirzepatide
7FIM/7RBT、Peptide 20）与玉米螟几丁质酶OfChi-h环肽先导物（Argadinp=2e-6）。
Sieve-LM — 10.22M 参数、256k 上下文、反唯唯诺诺主动推断语言模型
用架构归纳偏置取代盲目堆砌百亿参数。基于 L=6 权重共享 UniversalCausalMHCBlock、ChunkedGatedDelta256K 线性结合记忆擦除、128 原型开放概念软腔体筛，以及专门根除 RLHF 讨好症的 PremiseFalsificationSieve + 正交迎合擦除门 Û_syc。
- 单卡 MPS 10.67 秒流式处理 262,144 Tokens：
ChunkedGatedDelta256K（C=256 分块 SSD + Householder 门控擦除）实现严格O(C² + d_h²)恒定峰值显存。 - 黑格尔「正题 → 反题 → 合题」连续思维环：识别 8 类逻辑谬误原型，从 System 1 隐状态正交擦除 12 维迎合子空间
Û_syc，在 7 学科 69 本经典著作（Books 4 LM）上实现 100.00% 反讨好平衡准确率（Val PPL15.48，ECE0.0215）。
Sieve-MC & 3D — 精确神谕主动实验设计基准与三维结构同构推广
为什么用 Minecraft 猜谜检验主动科学推断？因为湿实验存在昂贵延迟与混杂噪声，而 589 实体（89 生物 / 300 方块 / 200 物品）的离散算子 Φ[g,t,c] 提供了零成本、100% 精确的数学神谕（Exact Oracle），使「感知 See → 筛除 Sieve → 提问 Ask」的每一步信息增益可被严格审计，并同构映射至 Sieve-3D 蛋白质湿实验设计。
- 01 See → 02 Sieve → 03 Ask 完整闭环：Stride-16 软行列池化 +
Cell-JEPA（动作过拟合准确率从 DETR 的 6% 跃升至 94%）；零样本挂载软筛使真实候选集覆盖率从 76.3% 提升至 85.8%（246/274 状态与精确神谕完全一致）。 - Sieve-3D 结构生物学同构映射：将「猜一行实体 → 观察颜色块」严格同构为「设计一轮定点突变/竞争性抗体 → 观测 ΔΔG/交联距离」，利用门控 λ 弥合 AF3/Boltz 记忆先验与物理能量函数。
| 形式化构件 (Mathematical Object) | [01] SieveSci (/Sci) | [02] Sieve-PL (/PL) | [03] Sieve-LM (/LM) | [04] Sieve-MC & 3D (/MC) |
|---|---|---|---|---|
| Hypothesis Space t ∈ T 待甄别的潜在真值/假说 |
可证伪的生物/化学机制假说与定量主张 (Registered Claims) | 蛋白-多肽结合构象、突变自由能变 ΔΔG 或 640 库候选靶点口袋 | 128 个开放域概念腔体原型 + 8 类前提逻辑谬误原型 | 589 个离散实体 (89 Mobs / 300 Blocks / 200 Items) 或三维构象系综 |
| System 1 Prior posts1(t) 快速直觉生成与排序 |
Research 智能体多轨迹发散生成 + Bradley–Terry 成对比较排序 | 序列/结构预训练嵌入或粗粒度几何种子对齐 | ChunkedGatedDelta256K + DiffAttnV2 快速流式表征 x_1 | Swin + Cell-JEPA 视觉感知与交叉注意力先验打分 |
| System 2 Operator Φ[g,t,c] 不可学习物理/符号软腔体筛 |
确定性 AST/统计规则检测器 (0% 误报) + Seatbelt 读隔离盲法 Verifier | 6 通道显式各向异性药效团势 + Potts-Sinkhorn-TAP 旋转异构体松弛 + 口袋镜像 FGW | OpenConceptCavitySieve + PremiseFalsificationSieve + 秩-12 正交迎合擦除门 Û_syc | 预编译精确属性张量 kb_operator.npz Φ[g,t,c] ∈ {0..7} (246/274 精确匹配神谕) |
| Metacognitive Gate λ 自适应信任分配门控 |
有界审议 (Bounded Deliberation)：新证据触发重审，争议标记为 contested | 热力学容忍度 tol_steric = 0.28 Å 与三制度碰撞权重自适应校准 | 批评家触发概率 ρ_critic ∈ [0,1] 动态激活黑格尔反题合成环 | λ = 3σ(gate(feats)) ∈ (0,3) 根据候选集熵与 OOD 特征动态调节软筛权重 |
| Active Probe EIG(g) 最优下一步实验/探针选择 |
自动规划软检查点 (Soft Checkpoints) 与矛盾文献检索 | 反事实单通道置零消融定位结合界面热点残基 (97.18% 化学吻合) | 生成直指隐藏假设漏洞的反题追问 (Antithesis Vector c_antithesis) | 最大化期望信息增益 EIG(g) + 孪生实体消歧 (平均 2.77 步锁定真值) |