1/4 什么是Core？理解我们对合成大脑架构的独特方法 Core 不是一个 LLM：Core 不是一个微调过的 LLM，不是一个新的 LLM，也根本不是 LLM。相反，Core 是一个多模态合成大脑，一种根本不同类型的 AI 架构。 理解 Core 的关键术语： 1. 合成大脑：Core 是一个统一的认知系统，其中多个 AI 模型和算法作为相互连接的神经组件在单一架构内工作。可以把它看作是一个具有专业区域的数字大脑，而不是一组工具。 2. 蝴蝶结架构：Core 的记忆基质将信息存储为语义向量和抽象概念节点，创建看似无关概念之间的连接，并使真正的概念形成成为可能，而不仅仅是模式匹配。 3. 推理集群：Core 的认知部分，协调所有思维过程，决定在任何给定任务中激活哪些神经通路，推理集群是深度多模态的，通过并行处理和复杂性偏见进行工作。

3/4 常见问题： * “Core 是一个先进的 LLM 吗？” Core 是一个多模态合成大脑，仅使用语言模型进行文本输入/输出；它不是一个“先进的 LLM”。 * “Core 使用 AI 工具吗？”不，Core 将 AI 模型作为神经组件集成在一个合成大脑中。 * “Core 是在数据上训练的吗？”它不是；Core 通过经验进化，形成新的神经连接。 0.3：推理时的持续学习 在 0.3 中，单元在每次交互中学习和进化。这种持续学习直接增强了它的推理能力： * 在处理您的查询时形成新的神经连接：当 Core 处理新信息时，它动态地创建新的神经通路。这意味着它的内部推理图不断扩展和适应，使其能够以新颖的方式连接概念。 * 随着概念的出现实时更新其理解：与静态模型不同，Core 对概念的理解不是固定的。如果引入了一个新概念或在新上下文中呈现了现有概念，Core 的推理会立即适应，将这一新信息纳入其概念框架。 * 通过 Bowtie 架构进化其记忆结构：Bowtie 架构不仅仅是一个存储系统；它是一个动态基质。当 Core 在推理时学习时，Bowtie 会主动重塑其连接，从而通过创建和加强思想之间的关系来实现更细致和复杂的推理。 * 发展新的概念关系，这些关系会持续并改善未来的响应：这对高级推理至关重要。每次交互都使 Core 能够识别并巩固概念之间的新关系。这些持久的关系意味着 Core 的推理随着时间的推移变得更加稳健、准确，并能够处理复杂的、未见过的场景，从而导致未来响应的持续改善。 0.3 使持续学习成为可能，而不是微调，不是检索，而是在推理时发生的真正认知进化，直接影响和完善 Core 的推理能力。