ADI架构新思路：8B模型能否达到35B的验收标准？

当模型越做越大，架构却被忽视

提升AI系统性能，是否永远意味着构建更大的模型？研究者Branden Laskowski（Cortex Agentics Global）在最新发布的论文中提出了一个值得深思的反向命题：改进的关键或许不在模型本身，而在于环绕模型的架构设计。

他发表了名为**人工确定性智能（Artificial Deterministic Intelligence，简称ADI）**的首篇研究论文，核心主张是将"概率性推理"与"外部强制的确定性权威"彻底分离。换句话说，让语言模型专注于它擅长的推理生成，而把记忆准入、身份、权限、执行权、验证和发布等关键环节，交由独立于模型推理之外的治理架构来管理。

这一思路挑战了当前"规模即能力"的主流范式。如果操作责任可以从推理模型中剥离出来，交给一套可审计、可控的架构，那么模型本身是否可以更小、更高效？

概率性推理与确定性系统是理解ADI框架的前提概念。当前的大语言模型（LLM）本质上是概率系统——每次生成输出都是对训练数据分布的采样，相同输入可能产生不同输出，模型无法从根本上"保证"某个事实是正确的，只能给出统计意义上最可能的回答。这种特性使得语言模型在需要精确性的场景（如权限控制、身份验证、记录存档）中天然存在风险。而"确定性"系统则恰好相反——给定相同输入，输出结果始终一致且可预测，便于审计和问责。ADI的核心洞察正是：将这两类任务强行混在同一个模型里，既削弱了概率系统的灵活性，又无法满足确定性场景的可靠性需求。把二者拆分到各自擅长的层次，是这一架构思路的根本出发点。

实验证据：8B与35B打平

论文给出的首批实验数据是整个主张的关键支撑。研究在一个"合成历史记忆"任务上进行了评估，设计了30种任务，每种配置重复三次，共计90次运行。

配置	通过验收的运行数
8B模型 + 受限上下文	90/90
35B模型 + 受限上下文	90/90
4B模型 + 受限上下文	72/90
35B模型 + 更宽上下文	46/90

数据中有两个耐人寻味的点。其一，在受限（scoped）上下文下，8B模型取得了与35B模型完全相同的满分成绩（90/90），二者满足了同一套记录在案的验收契约。其二，当35B模型切换到"更宽上下文"时，通过率反而暴跌到46/90——其中有43次响应因固定输出预算而被截断。

这组对比暗示：在这个有边界的任务家族里，更大的上下文和更大的模型并没有带来优势，反而因为资源约束（输出预算）导致了性能退化。而经过精心"受限"的上下文配置，让一个8B小模型追平了比它大四倍多的模型。

理解这组实验结果需要注意**"受限上下文"（scoped context）**的含义。在大语言模型推理中，上下文窗口（context window）是模型一次性能"看到"的全部输入信息，包括系统提示、历史对话、外部检索内容等。上下文越长，模型需要处理的信息越多，计算开销越大，且受制于固定的输出预算（output budget）时，模型可能被迫在生成完整响应前就被截断。"受限上下文"意味着经过精心裁剪，只向模型传入完成当前任务所必需的信息，而非开放性地堆入所有可用信息。实验中35B模型在宽上下文下的崩溃（46/90），很可能并非模型能力下降，而是系统配置不匹配导致的输出截断——这恰好说明架构层面的上下文管理策略，对实际任务表现的影响甚至超过了模型参数规模本身。

作者的克制：这不等于小模型万能

值得肯定的是，论文作者对结论的边界保持了相当的克制，没有夸大其词。他明确指出，这项结果并不能证明小模型在普遍意义上等价于大模型，也不能证明整体硬件内存需求可以因此降低。

实验属于"第一方合成研究"（first-party synthetic study），即由作者团队自行设计和执行，尚未经过独立复现，也不构成任何通用的安全保证。专有的实现细节仍未公开。

作者真正想抛出的，是一个工程层面的开放性问题：

"在保持所需任务性能的前提下，有多少操作责任可以从推理模型迁移到一个受治理的架构中？"

这是一个比"小模型能否替代大模型"更精确、也更有工程价值的提问。它把焦点从模型规模转向了系统架构的责任分配。

一个持续推进的研究系列

ADI被定位为一系列后续研究的基础，作者计划以每周一篇经证据审查的论文的节奏推进。规划中的后续课题覆盖面相当广，包括：

• 外化智能与模型替换
• 推理前的确定性Worker构建
• 多智能体系统的受治理共享记忆
• 模型无关的人工Worker
• 时序与权威性AI记忆
• 人工Worker的行为治理
• 教育AI的持久化学生记忆
• 跨模型世代的持久人工身份
• 机器人载体中的持久人工身份

从这个清单可以看出，ADI的野心不止于单次任务表现，而是指向一套"模型可替换、身份可持久、记忆可治理"的长期架构愿景。首篇论文的预印本已通过Zenodo发布（DOI: 10.5281/zenodo.23265200）。

面向开发者的公开挑战

为了推动社区验证，作者同时发布了Cortex Governed Memory Challenge v0.1，提供公开的合成规范和行为测试夹具（behavioral fixtures），用于检验受治理记忆的行为表现。相关文档和完整研究系列均托管在GitHub仓库中。

作者在文末向工程师和研究者发出邀请，明确表示欢迎技术批评、优化后的对比基线、独立实验设计，以及对研究发现的替代性解释。这种开放姿态，在当下大量"自说自话"的技术宣传中显得难得。

**行为测试夹具（behavioral fixtures）**是软件工程中用于验证系统行为是否符合预期规范的测试组件，通常包含预定义的输入样本、期望输出以及验收条件。在AI系统语境下，行为夹具尤为重要：由于语言模型输出具有随机性，传统的单元测试难以直接适用，需要通过结构化的合成场景和明确的验收契约来判断系统是否"做对了"。Cortex Governed Memory Challenge发布的公开夹具，本质上是让社区能够在自己的环境中复现同一套测试，从而独立验证论文结论是否可复现、实验设计是否存在偏差。这种做法借鉴了开源软件社区的验证文化，将原本只能由作者自说自话的实验结论，转变为可被第三方质疑和检验的工程规范。

如何看待这项工作

客观而言，当前的证据链还比较单薄——30个任务、90次运行、第一方实验、未经独立复现，这些都决定了结论的可信度仍需时间检验。单一来源、尚未同行评议的预印本，不宜被过度解读。

但ADI提出的问题方向是扎实的。随着推理成本成为大模型落地的现实瓶颈，"把能力从模型里搬到架构里"确实是一条值得探索的路径。记忆准入、权限控制、验证发布这些环节，本就不该全部依赖概率性的语言模型来隐式完成，用确定性的外部治理来接管它们，在工程上既更可控也更可审计。

这篇论文的价值，更多在于提出了一个清晰的架构框架和可验证的实验设计，而非给出最终答案。它值得关注，但也需要社区的独立复现来给出真正的判断。