Substrat
Spärliches, lokal rekurrentes, energiebewusstes Rechnen als erstrangiges Forschungsziel.
Jenseits von Transformern
Eine Forschungswette, mit den negativen Ergebnissen auf derselben Seite wie den Erfolgen.
Biologisch orientiertes Rechnen und substratbasierte Kognition — einschließlich der negativen Ergebnisse.
Zitat
ReasonLoom Research · Jenseits von Transformern · interner Eintrag, 2026.
Warum das wichtig ist
Eine andere Wette darauf, woher Fortschritt kommt
Die dominierende Wette des letzten Jahrzehnts lautete „Aufmerksamkeit skalieren“. Unsere Forschungswette ist anders: Der nächste Schritt ist ein anderes Substrat, organisiert um spärliche Populationscodes, lokale Rekurrenz und energiebewusstes Routing. Wir verfolgen diese Wette durchgängig — Substrat, Gedächtnis, Trainingsschleife, Silizium — und wir veröffentlichen die Falsifizierungen neben den Erfolgen.
Arbeitslinien
Vier Linien, aus denen sich die Wette zusammensetzt
Forschung jenseits von Transformern bei ReasonLoom ist nicht eine einzelne Arbeit; es sind vier parallele Programme, die zusammenlaufen.
Gedächtnis
Strukturierte Bindung als Ersatz für Kontextfenster.
Trainer
Eine entwicklungsorientierte Schleife, die die Produktion fundiert, mit einem typisierten Verifizierer in der Mitte.
Silizium
Chips, deren Layout die Geometrie teilt, die das Substrat nutzt.
Falsifizierungen, die wir intern veröffentlicht haben
Was nicht funktioniert hat und was uns das gelehrt hat
Ehrliche negative Ergebnisse sind ein Wettbewerbsvorteil. Jeder Eintrag unten ist eine Falsifizierung, die wir selbst durchgeführt und bewusst dokumentiert haben.
N1
Negativ 1
falsifiziert · veröffentlicht
Hardware-Brücke bei Skalierung falsifiziert
Eine vorgeschlagene Rechenbrücke wurde an der Marke von einer Million Einträgen von einer gut abgestimmten dichten Baseline übertroffen. Das negative Ergebnis hat die Silizium-Roadmap neu geformt.
Multi-Seed Held-out aus der Roadmap entfernt
N2
Negativ 2
falsifiziert · veröffentlicht
Behauptung zu Architektur-Priors falsifiziert
Ein sauberer A/B-Test gegen eine starke Transformer-Baseline zeigte, dass unsere Post-Transformer-Architektur für sich allein weder bei der Benennung noch bei der Kontinuität gewinnt. Der robuste Wert liegt im Trainingsziel und in der Bindung des strukturierten Gedächtnisses, nicht in der Architektur.
Multi-Seed Held-out aus der Roadmap entfernt
N3
Negativ 3
falsifiziert · veröffentlicht
Destillations-Abkürzung kollabiert zur Nachschlagetabelle
Ein Destillationspfad, der in frühen Tests attraktiv aussah, kollabierte unter Held-out-Evaluierung zu einer Memorierungstabelle. Wir veröffentlichen ihn als Warnung auf Paradigmenebene.
Multi-Seed Held-out aus der Roadmap entfernt
Multi-Seed-Ehrlichkeit
Was Bestand hat, mit Fehlerbalken
Jede Aussage steht zusammen mit der Varianz über die Seeds hinweg. Ein Erfolg bei einem Seed ist kein Ergebnis — ein Erfolg über fünf hinweg schon, und ein Nicht-Erfolg wird auf dieselbe Weise berichtet.
| Achse | Wert | ± Seeds | n | Status |
|---|---|---|---|---|
| Lifelong retain-advantage | +0.65 | ±0.02 | 5 | survives |
| CLS sample efficiency | 1.90× | ±0.14 | 5 | survives |
| Slot 2-factor lift | +0.82 | ±0.08 | 5 | survives |
| Imprevisto recovery | +0.13 | ±0.09 | 5 | survives · soft |
| Arch-on-naming win | 0.00 | ±0.00 | 5 | retired |
| Arch-on-continuity win | −0.28 | ±0.27 | 5 | retired |
Warum wir veröffentlichen, was nicht funktioniert
Ehrliche negative Ergebnisse sind ein Wettbewerbsvorteil. Die meisten Behauptungen jenseits von Transformern im Feld überstehen keine kontrollierte Evaluierung; unsere werden gegen starke Baselines getestet und haben entweder Bestand oder werden eingestellt. Wir veröffentlichen beide Ausgänge, weil das Feld schneller vorankommt, wenn die Sackgassen dokumentiert sind.
Was Bestand hat
Strukturiertes Gedächtnis gewinnt als Ersatz für Kontextfenster. Eine entwicklungsorientierte Aufzuchtschleife gewinnt als Trainingsmethode. Multi-Seed-Messungen trennen die beiden von den architektonischen Priors, die keinen Bestand hatten.