M1
Analogie
Gebundene Strukturen lassen sich sauber über Domänen hinweg abbilden, sodass Analogien erstklassige Abrufe sind.
Strukturiertes Gedächtnis
Gedächtnis, das mit Struktur skaliert, nicht mit der Kontextlänge.
Analogie, Kontrafaktizität, kompositionelle Bindung — gemessen an der Grenze von einer Million Einträgen.
Bindung
g ⊗ e → p
Fundierung ⊗ Entität → gebundener Perzept · die Einheit des Abrufs
Was wir unter strukturiertem Gedächtnis verstehen
Gedächtnis, das mit Struktur skaliert, nicht mit der Kontextlänge
Wir repräsentieren Wissen als gebundene Strukturen — Produkte aus Fundierungs- und Entitätsvektoren — und nicht als flache Token-Ströme. Konzepte komponieren, zerlegen und rekombinieren sich, ohne jedes Mal aus dem Kontext neu abgeleitet zu werden. Mehrsprung-Ketten bleiben handhabbar, während Sammlungen wachsen, weil der Abruf eine Wanderung über Struktur ist und keine Suche über einen Puffer.
Was uns die Bindung gibt
Drei Verhaltensweisen, die wir geschenkt bekommen
M2
Kontrafaktizität
Dieselbe Maschinerie, die eine Analogie abruft, kann die Rollen neu vergeben und die Bindung erneut ausführen, um ein Kontrafaktum zu bewerten.
M3
Mehrsprung-Abruf
Ketten von zwei, fünf oder zehn Sprüngen sind Wanderungen über Struktur. Die Kosten wachsen mit der Struktur, nicht mit der Token-Länge.
Skalierung
P@5 bleibt bei 1,00, während N auf eine Million steigt
Wir messen Precision-at-5 an einer ausgehaltenen Mehrsprung-Abrufaufgabe. Die Linie des strukturierten Gedächtnisses bleibt über drei Größenordnungen hinweg bei 1,00; die Byte-Ebene-Baseline driftet nach unten, während die Sammlung wächst.
strukturiertes Gedächtnis Byte-Ebene-Baseline (Referenz)
P@5 1,00
Mehrsprung-Precision bei einer Million Einträgen
Ausgehaltene Bewertung, keine Leckage zwischen Training und Abruf.
+0,36
Slot-faktorisiert gegenüber Byte-Ebene bei relationaler Bindung
Ausgehaltener Rollentausch-Test, Mehr-Seed.
8 / 8
Wissenschaftliche Gates in v0.3.0 geschlossen
Jeder Release-Blocker war ein gemessener Test.
Slot vs. Byte
Beim Rollentausch verdient sich die strukturierte Bindung ihren Platz
“Agent A nennt Ziel B” ist nicht dieselbe Aussage wie “Agent B nennt Ziel A”. Die slot-faktorisierte Bindung hält die Rollenzuweisung; der Byte-Ebene-Abruf ebnet sie ein.
Aussage slot-faktorisiert Byte-Ebene Δ
"agent A names target B" 1.00 0.63 +0.37
"agent B names target A" (swapped) 1.00 0.60 +0.40
compositional new pair 0.99 0.69 +0.30
Rollentausch-Test, ausgehalten, n = 5 Seeds. Mehr-Seed-Bericht in [[beyond-transformers]].
Skaliert mit Struktur
Die Gedächtniskosten wachsen mit der relationalen Struktur des Gespeicherten, nicht mit der Länge des Kontextfensters. Das macht Mehrsprung-Schlussfolgern handhabbar, während Sammlungen in die Millionen von Einträgen wachsen.
Wie wir es bewerten
Jede Behauptung wird mit ausgehaltenen Tests und Mehr-Seed-Fehlerbalken gemessen. Wo es darauf ankommt, führen wir dieselbe Aufgabe in einem slot-faktorisierten Gedächtnis und in einer Byte-Ebene-Baseline aus, sodass der Zugewinn zurechenbar und nicht angenommen ist.