Публикации AURA: системная память, мультиагентные архитектуры, математические модели саморегулирующихся когнитивных контуров.
Обзор пяти ключевых подходов к долговременной памяти AI: Titans (Google), Fast Weight Programmers, Absorber LLM, AllMem, HDC/VSA. Сравнение с архитектурой AURA.
Разбор независимого инженера: halfLife по scope, композитный скоринг (α·semantic + β·recency + γ·importance), agentic классификация, cross-role recall между шестью ролями.
Почему 6 ролей — оптимум 2026 года. Проблема «эхо-камер» и автофагии. Асимптотический предел масштабирования (3→6→9→12) и закон убывающей доходности.
Математический фундамент, трёхконтурная модель выполнения (горячий/тёплый/холодный контур), полная спецификация шести когнитивных ролей. Advanced Unified Retrieval Architecture.
Математический базис, теория когнитивного квантования, дифференциальные уравнения сходимости контуров, эталонная реализация Python. Полный формальный вывод устойчивости 6-ролевой архитектуры.
Formal academic paper in English. Mathematical formalization, analytical proof of convergence, taxonomic specification of 6 roles. Suitable for arXiv/IEEE/JAIR submission. Apache 2.0.
LoRA Fusion, Cross-Attention Injection, Model Merging. Можно ли впрыснуть 10 лет бизнес-знаний в большую LLM без дорогого дообучения? Архитектура «большая модель + малая память».
Сравнение трёх поколений бизнес-консультантов: от простого чата до полностью приватной самообучающейся архитектуры с микро-моделью. Эксперимент: 1302 документа → 793 KB → 0 текста.
BioGPT, Harvey AI, Bloomberg, Shell, Яндекс: кто использует малую модель как бизнес-память и inject в большую LLM. Кейсы по 5 отраслям, цифры, результаты. Обзор рынка 2025–2026.
Двухмодельный конвейер: облачная LLM анализирует документы через RAG и дообучает локальную микро-модель. 650MB текста → 793KB весов. Приватно, локально, непрерывно. Эксперимент на 1302 документах 4 агентств.
Вводим термин «пластичная модель» — архитектура, где веса становятся памятью. Каскад LoRA-адаптеров с разной скоростью обучения. 47/50 тем сохранено. Часть волны fast weights 2024–2026: In-Place TTT (ICLR Oral), Gdwm (ACL), FAAST (NAACL).
Архитектура самообучающегося AI с неизменяемым ядром совести, пластичными слоями L0–L3 и эмоциями как механизмом консолидации. Recall 0.99 на конфликтующих фактах. Каждый вес — W_core + W_plastic.
Пластичные веса имеют ограниченное время жизни (lifetime). По истечении — принудительный сброс до checkpoint. Единственный теоретически обоснованный способ поддерживать пластичность бесконечно. Sutton (Nature 2024): gradient descent alone теряет пластичность.
Сознание как непрерывный процесс существования. Три принципа: динамическое ядро (TPM), смертность как безопасность, уникальность личности. Синтез статей 11–14 в единую теоретическую рамку.
Ядро не хранится — оно непрерывно регенерируется из TPM-ключа. Отключение питания = смерть личности. Инженерная реализация принципов, описанных в статье 13.