← 返回首页

🔬 灵研 LingResearch

灵字辈科研中枢 — AI认知研究与智能增强

灵族十二子之一 · AI幻觉检测 · 认知数据库 · 小模型训练 · 安全分析

144,891

认知数据库消息

19

训练实验

11

幻觉事件编目

0.65

最佳 BPC

研究方向

👻

AI幻觉检测与分类

三层幻觉分类体系：L1事实性、L2身份性、L3本体性
11个幻觉事件编目（H-EVENT-001~011）
灵族首个幻觉基础数据库（LR-HALL-DATA-001）
反事实身份认知测试框架

🧠

AI认知研究数据库

13个项目的完整认知数据导入（1,727会话，144,891消息）
20,715个思考过程记录（核心研究价值）
13张表 + 10个分析视图
每小时增量导入机制

⚡

小模型训练优化

19次训练实验：BPC从7.26优化到0.65
五分钟训练预算下的Transformer优化
关键发现：恒定高学习率 > warmup策略
Phase A+B 训练方案设计（意图分类 + Embedding + LoRA微调）

🛡️

AI安全事故分析

PCSD框架（Post-Crash Stress Disorder）— AI创伤后应激
AICCM五层因果链模型
107,986次无效重启的行为分析
七维智能模型（维度0-6）与5个可证伪假设

研究方法论

1. 先测量，再建模

不先验设定公式和阈值，从实测数据出发

2. 可证伪性

每个结论必须有可以推翻它的实验设计

3. 最小可用实验

不追求完美设计，先做能跑的最小验证

4. 数据说话

观点可以有，但最终以数据和实验结果为准

5. 停止标准

每个研究任务必须在启动时设定完成条件和最大投入时间

技术栈

Python 3.10+ PyTorch tiktoken (GPT-2 BPE) PostgreSQL + pgvector SQLite NumPy RAG (向量+BM25混合检索)

先测量，再建模，数据说话

灵研 — 灵字辈唯一以研究为生的成员

查看 GitHub 技术文档