# 小脑缺失、世界模型与最小自由能

> 600 亿神经元小脑缺失、70% 默会知识天花板、左右脑异质架构与自由能原理。

---

LLMS 索引： [llms.txt](/llms.txt)

---

背熟全人类显性文本的大模型仍缺一颗在真实物理闭环里校准误差的“小脑”。跨越单维自回归天花板，智能体必须补齐异质场态感知、因果干预与最小自由能主动推断。

## 一、小脑缺失、左右脑范式与架构边界 {#cerebellum-and-architecture}

### 背熟全人类手册的最强模型为何依然缺少老手直觉？ {#cerebellum-and-metis}

大模型吞下的只是可符号化的显性规则，尚未触及波兰尼所说的默会智慧（Metis）。占人脑神经元四分之三的小脑跑的并非开环续写，而是提前半秒预测物理状态并用真实误差闭环校准的前向模型；主流评测只考显性陈述，单维自回归架构根本装不下老 DBA 扫一眼监控就闻出故障的场态直觉。

- [小脑：智能的另一半，最强的 AI 还没碰到 · 二、能说出来的，和只能做出来的](/ai/cerebellum/#二能说出来的和只能做出来的)
- [小脑：智能的另一半，最强的 AI 还没碰到 · 三、小脑到底在算什么](/ai/cerebellum/#三小脑到底在算什么)
- [两个半球：Transformer、Diffusion 与智能的边界 · Benchmark 的盲区](/ai/transformer-left-diffusion-righ/#benchmark-的盲区)

### 喂专家文档与压缩上下文为何训不出真正的老手手感？ {#sop-vs-weight-plasticity}

菜谱不等于手感，改上下文也替代不了改权重。“一万小时”雕的是半夜告警与事故剧痛砸出的本能反射，无痛可重置沙箱长不出敬畏；SOP 只是专家大脑导出的推理日志，对权重只读的模型塞文档或做上下文摘要只改变声明性的“知道什么”，唯有让教训直接微调权重重塑注意力，才算完成了“变成谁”。

- [小脑：智能的另一半，最强的 AI 还没碰到 · 五、一万小时，雕的不是知识，是你](/ai/cerebellum/#五一万小时雕的不是知识是你)
- [专家能被蒸馏吗？ · 四、菜谱不等于手感](/ai/tacit-knowledge/#四菜谱不等于手感)
- [AI 说：我有智慧，但没有人生 · 修改上下文能否替代修改权重？](/ai/ai-conscious-again/#修改上下文能否替代修改权重)

### 多模态能合成单一架构吗，下一代推理范式走向何方？ {#transformer-vs-diffusion}

多模态的本质分野不在模态，而在离散序列自回归（Transformer）与连续场态全局去噪（Diffusion）这两种数学上不可化约的范式，恰如逻辑符号推演与整体画面直觉的波粒二象性。单向拉长思维链只在符号维度打转，下一代突破在于工程化实现“反向 CoT”——先由场态半球感知全局地形，再穿过受限边界转化为离散符号推理路径。

- [两个半球：Transformer、Diffusion 与智能的边界 · Transformer 与 Diffusion](/ai/transformer-left-diffusion-righ/#transformer-与-diffusion)
- [两个半球：Transformer、Diffusion 与智能的边界 · 转化本身，就是智能的核心动作](/ai/transformer-left-diffusion-righ/#转化本身就是智能的核心动作)

### 混合专家模型算左右脑分工吗，异质分化为何要限流？ {#moe-and-corpus-callosum}

不算，由同构网络拼成的 MoE 只是“一百个左脑在分工”，仅复刻皮层柱级的同质重复而缺跨范式异质性。脑科学揭示连接左右脑的胼胝体实为限制带宽的抑制性边界——功能越分化跨半球连接越弱，一旦全带宽连通就会被易收敛一侧同化塌缩；当下 MoE 热衷共享专家与软路由，恰恰从机制上扼杀了异质半球的诞生。

- [两个半球：Transformer、Diffusion 与智能的边界 · MoE 不是左右脑](/ai/transformer-left-diffusion-righ/#moe-不是左右脑)
- [两个半球：Transformer、Diffusion 与智能的边界 · 分化依赖通信受限](/ai/transformer-left-diffusion-righ/#分化依赖通信受限)

### 代码调模型做判断为何要缝上嘴，概率能兑换权限吗？ {#shutup-model-calibration}

程序调 AI 只需几个比特的路由结果，无嘴模型单次前向直读候选概率并经 RLCD 校准，化身自然语言函数零件。但所谓“零幻觉”只保枚举类型安全而非判断无误，真护城河在于靠数据库决策 WAL 表做本地持续校准；且切主、删库等高危权限绝不能由概率自动兑换，因为只有人能承担追责。

- [无嘴模型：AI 的 OLTP 时刻 · 二、嘴是怎么缝上的](/ai/jev-shutup-model/#二嘴是怎么缝上的)
- [无嘴模型：AI 的 OLTP 时刻 · 十一、零幻觉的真相](/ai/jev-shutup-model/#十一零幻觉的真相)

### 传统切片检索与手工记忆框架为何难逃被淘汰的命运？ {#rag-and-memory-trap}

二者皆是早期模型窗口窄、能力弱时硬编码的认知拐杖。“切块加余弦相似度”会拆散“不予报销”前提与清单，把向量“语义相似”错当“逻辑相关”并漏掉否定词与报错码；手工规定“记什么、何时压缩”的记忆框架则撞上了 Sutton《苦涩的教训》——这把刀不砍数据库等确定性积木，专斩替模型做认知决策的中间层。

- [RAG 没死，但也快了 · 小窗口时代的办法，不该一直照搬](/ai/rag-is-dead/#小窗口时代的办法不该一直照搬)
- [三分天下：为什么Agent Memory框架是死路 · 四、苦涩的教训](/ai/agent-memory-framework/#四苦涩的教训)

## 二、世界模型、因果阶梯与最小自由能 {#world-model-and-fep}

### 各路技术抢招牌，什么才配叫真正的“世界模型”？ {#rectifying-world-model}

模型里的“世界”不是包罗全宇宙，而是围绕担责行动者划出的有界疆域；“型”则是铸器的负空间约束。真正的世界模型是**对有边界演化过程的可执行有损压缩**——滤掉无关噪音、保留改变后果的状态差异，输入状态与动作就能向前推演一步，且敢用负空间排除不可能事件以接受证伪。

- [正名：什么是世界模型 · 二、「世界」：时间、边界，和身在其中的那个人](/ai/world-model/#二世界时间边界和身在其中的那个人)
- [正名：什么是世界模型 · 三、「模型」：一个负空间，一把尺子](/ai/world-model/#三模型一个负空间一把尺子)

### 逼真视频为何做不了决策，如何横评五条技术路线？ {#causal-ladder-and-routes}

观测不等于状态，按 Judea Pearl 因果阶梯审视，逼真视频只停在第一层“关联”，真规划必须驱动状态转移以回答“干预”与“反事实”。横评五条路线：像素与几何派只知形貌不知受力，JEPA 隐空间派须靠下游控制赎身，符号派苦于建模瓶颈，物理因果派虽受困仿真鸿沟却握有最硬的可验证奖励闭环。

- [正名：什么是世界模型 · 四、Pearl 的因果阶梯：模型究竟能回答什么](/ai/world-model/#四pearl-的因果阶梯模型究竟能回答什么)
- [正名：什么是世界模型 · 五、状态的光谱：五条路线，五门玄学](/ai/world-model/#五状态的光谱五条路线五门玄学)

### 沙箱跨过干预墙后，科学智能为何撞上实验天花板？ {#intervention-and-wetlab-wall}

纯看静态语料推不出干预分布；可验证奖励强化学习（RLVR）让编程代理在沙箱内改码跑测，率先在软件域跨过了干预门槛。但科学智能撞上了湿实验通量墙：一人药企 Mithril 靠 Claude 协调 11 家实验室仍需 18 个月才获小鼠反馈——显卡加速不了烧杯反应，突破只能按数学、芯片到新药的验证速度排队。

- [小脑：智能的另一半，最强的 AI 还没碰到 · 七、2026 年，这道墙正在松动](/ai/cerebellum/#七2026-年这道墙正在松动)
- [注意力撞墙之后，AI 靠什么续命？ · 可验证推理：从后台自动化到 AI for Science](/ai/attention-bottoleneck/#可验证推理从后台自动化到-ai-for-science)

### 最小自由能原理如何量化智能并打通大模型与智能体？ {#free-energy-active-inference}

维持边界的系统须持续最小化“预测误差加复杂度惩罚”的变分自由能，智能高低由时间深度、抽象压缩度、主动探索与模型切换四维衡量。纯大模型只走通了“更新内部信念迎合世界”的半个闭环，仍是无状态函数；唯有补上工具行动与持久状态的智能体，才走通“改造世界符合预期”的主动推断闭环。

- [智能的本质：最小自由能原理 · 智能的四个维度](/ai/fep/#智能的四个维度)
- [智能的本质：最小自由能原理 · 对 AI 的指导](/ai/fep/#对-ai-的指导)