《五维灵商量化架构、先验条件化生成与检索增强认知体》各章定量结论
本书的书库分析覆盖 5D Library 全库 82 卷(第 001 卷至第 082 卷)。一个把个人档案与整座书库同时交给语言模型的系统,要回答三个问题:五个维度的灵商量表是否比一个总分提供更多信息,一份约 8 KB 的个人档案最多能让回答少掉多少不确定性、上下文窗口又该如何分配,以及书库各卷是否连成一体、跨书综合如何可能。本书把三者写成可运行的程序。书中的载荷、相关、信度与检索参数都是模型参数,不是任何测评或用户的数据;书库关联图来自各卷公开的英文关键词。本书不主张、也不检验任何占断是否应验。
DOI 10.5281/zenodo.24090203 · 阅读本章所在专著 · English version
- 第 1 章 · 五维还是一维:灵商量表的特征值谱与信息增益
第一、二章显示,五维是否「正交」取决于维度相关:相关为 0.9 时 20 道题只剩 1 个大于 1 的特征值。五个分数相对于总分「从不更差」:结果依赖全部五维时与总分相同(0.3968),依赖单一维度时总分只解释 0.0794;全部增益都不到半个比特。每维 4 题的 α 为 0.7935,档案「形状」的信度在维度相关为 0.9 时只有 0.2776;盲选测验最多只需几百人即可区分报告与泛泛之词。 - 第 2 章 · 信度、档案的「形状」与盲选测验
每维 4 题的 $\alpha$ 约为 0.79,达到 0.90 需要 10 题。档案的形状比单个分数更不可靠,维度相关为 0.9 时两维之差的信度只有 0.2776。用户评价「准不准」不能证明效度;盲选测验可以,最多只需几百人。 - 第 3 章 · 先验条件化:一份档案能让回答少多少不确定
第三、四章精确计算档案带来的条件熵降低:243 种状态的档案有 7.9248 比特,却只能让回答少 0.8519 比特的不确定性,回答不依赖档案时为 0;档案四分之一出错时收益只剩 0.5350。上下文的拉格朗日注水解显示,32k 起档案停在 8 KB 上限,其余归检索与历史;好的检索器只需 7 段。 - 第 4 章 · 上下文预算:拉格朗日注水与最优检索段数
在边际递减的收益下,上下文的最优分配是一个注水解:档案在 32k 起就停在 8 KB 的上限,其余按权重分给检索与历史。最优检索段数由检索质量与注意力分散共同决定:好的检索器取 7 段即可,差的检索器取再多也追不上。 - 第 5 章 · 检索增强:单书召回与跨书综合
第五章显示跨三卷的综合问题直接检索在前 40 段中只有 0.060 的成功率,先拆分问题后成功率由拆分准确率决定。 - 第 6 章 · 书库关联图:孤岛、菲德勒值与小世界
第六章用全库 82 卷的关键词建图:73 卷版本中的孤岛第 3、9、24、31 卷补上正文支持的关键词,并与第 080 卷至第 082 卷共享主题后,全书库连成一体、没有孤岛,菲德勒值 0.5475,是聚类系数远高于随机图(0.591 对 0.208)的小世界;去掉「预注册」后第 3、9 卷各只靠 3 条边相连。 - 第 7 章 · 仰观俯察与邵雍观物
《系辞》的「仰观俯察」提出了两个独立的观察方向;邵雍把任何题目分为四个方面,并以 1×12×30×12 = 4320 推算一元之世。四次四分得 256 类、8 比特,与五维三档档案的 7.9248 比特几乎相同。分类容易,证明分类能预测什么才是难处。 - 第 8 章 · 七项审计与一项盲比实验
第八章给出七项自动审计与一项以「换入陌生人档案」为对照的预注册盲比实验(检出 0.55 的偏好需 1,047 人)。书中以标注框区分证据、16 段可运行的 Python 程序、原典与假说。
模型示意算例,非实时报价