预印本 · 2026

结构化上下文上的非确定性认知符号求值

论文给出 Morphz 计算模型的形式定义、实现边界与分层实验:大语言模型在智能体自有的结构化上下文上求值认知符号,确定性运行时保留对权限、版本、真实观察与权威状态提交的控制。

计算模型
能否把大语言模型组织为结构化、持久上下文上的非确定性认知符号求值器,同时让现实副作用和权威状态继续由运行时控制?

主要内容

01

计算身份

模型不是消息补全器,而是受输入结构、算子说明和输出契约约束的非确定性认知求值器。

02

结果回流

程序、认知对象和求值结果共享递归表示;结果能够进入当前绑定或成为后续任务引用的持久对象。

03

权威提交

候选认知与现实状态分离,运行时负责校验、权限、版本、事务、调度和可恢复执行。

实验与结果

分层实验覆盖机制可执行性、跨模型适用性、经验迁移和复杂终端任务中的系统级外部效度。实验协议、运行数据与失败样本随研究材料公开。

阅读计算模型的技术介绍