自适应学习

自适应学习 · 模型解释反馈，确定性状态控制持久权威

INTERPRET  EVIDENCE  HYPOTHESIS  EVAL  AUTHORIZE  ROLLBACK

English · 文档中心

自适应学习

NovelForge 可以从明确的用户 / Project 证据学习，但模型不能把自己的解释直接变成 durable authority。

runtime/session state != learning evidence != Project Canon
semantic interpretation != promotion judgment != write authorization

learning/author_model.py 继续只是建立在既有 Learning Store 上的 projection/capture 层，不是第二套偏好数据库。

1. Semantic interpretation 由模型负责

learning.preference_interpret 解释 supplied feedback，并提出最窄的 plausible scope：

one_off | project | user_taste | general_craft

它可以说明底层 mechanism、desired/avoid behavior、exceptions、uncertainty，以及与旧 hypothesis 的冲突，但不能授予 durability / activation。

“这些 evidence 在语义上是否足以支持稳定 scope/mechanism”由模型判断，而不是 Python evidence-count threshold。

2. Learning Store 拥有 durability，不拥有 meaning

Deterministic store 负责：

• evidence/hypothesis ID 与 provenance；
• versioned state、contradiction / supersession record；
• exact source refs；
• persistence / rollback history；
• consume-once result handling；
• Project / user scope isolation。

一个 record 即使已经持久化，也仍然可以是 tentative / contested。Persistence 不会把模型推断变成真理。

3. Promotion Gate 只把 semantic review 绑定到 authority

learning/promotion_gate.py 不再用 arbitrary evidence-count threshold 假装证明 semantic sufficiency。

Semantic promotion review 判断 supplied evidence 是否真的支持 proposed scope/mechanism，以及重要 contradiction/counterexample 是否仍 unresolved。

Deterministic gate 只验证围绕这份 review 的客观 prerequisite，例如：

• exact contract/result/evidence binding；
• candidate scope / identity；
• policy 要求时的 eval / counterexample artifact；
• General Craft 所需 version/rollback/CI refs；
• surrounding authority mechanism 提供的 explicit write authorization。

Promotion review PASS 只是 prerequisite，不是写权限。

4. Active != relevant

Author Model hypothesis 的 active 只表示它具备 durable eligibility，不表示每一次 future production 都应该把它塞进 context。

Author Model 暴露 compact active index；manager/model 显式选择当前任务 relevant 的 active hypothesis IDs。Deterministic code 只验证这些 ID 确实 active 且 scope-compatible，然后返回 detail。

这样可以防止把所有 learned preference 自动注入造成 context pollution。

当当前用户显式指令与旧偏好冲突时，当前显式指令优先。

5. 不同 scope 的 authority

One-off

只用于当前 task/repair，除非之后另行捕获新的 evidence。

Project preference

只有在 Project 明确授予 preference-write authority 时才能激活；不会改变 Framework behavior。

Durable user taste

必须同时满足：

1. 同 mechanism/scope 的当前 bound promotion prerequisite result；
2. explicit durable-user-taste write authorization。

模型与 Promotion Gate 都不能给自己授予这项权限。

General Craft

General Craft 仍属于 Framework SYSTEM-IMPROVE。它要求更强的 counterexample/eval/compatibility/version/rollback evidence 与 explicit Framework promotion authority。Production feedback 不能自动晋升它。

6. Corpus / Research 只是取证，不是“抓到就变真理”

Semantic learning agent 可以识别 evidence gap，并在 allowed capabilities 内搜索合法 contrast/counterexample material；search/retrieval strategy 仍由模型决定。

Corpus discovery ≠ ingestion；ingestion ≠ Canon；corpus analysis ≠ promotion。

Rights、provenance、source identity、Project/user isolation 继续由 deterministic boundary 保证。

7. Contradiction / rollback 是一等机制

新 feedback 可以：

• strengthen hypothesis；
• 缩窄 applicability；
• 标成 contested；
• 拆分 over-broad mechanism；
• supersede 旧 hypothesis；
• evidence 改变时 deprecate 某行为。

“Strengthening”意味着出现了新的独立 evidence，而不是同一个模型重复同意自己，也不是时间变久。

8. Production use

explicit feedback
→ semantic preference interpretation
→ source-bound evidence
→ revisable hypothesis
→ durable activation 被提议时运行 semantic promotion review
→ deterministic authority/prerequisite validation
→ active eligibility
→ model 为未来任务选择 relevant active hypothesis IDs
→ production observe outcome
→ 新 evidence 可继续 revise/supersede hypothesis

仅仅因为 learning.db 中存在记录，Writer/Editor 不会收到一份隐藏的全局 style profile。

9. Privacy

Personal preference evidence 属于 user scope，默认不提交到通用 Framework repo。不得从 fiction preference 推断无关的人口属性或个人画像。

精确实现边界

• learning/learning_store.py —— durable evidence/hypothesis/candidate/promotion history。
• learning/promotion_gate.py —— 围绕 model-owned promotion review 执行 deterministic binding/authority check。
• learning/author_model.py —— bounded feedback capture、contradiction/supersession、scope-aware activation binding、active index、explicit selected projection。
• harness/semantic_workers/contracts/production-loop.json —— learning.preference_interpret。
• Framework self-improvement protocol —— General Craft promotion authority。

_{语义上解释，谨慎地持久化，只在证据与 authority 都成立时激活。🌸}