北京
大多数语言模型工具拼了命地想给你一个干净利落的最终答案。KNOT 偏不。开发者花了整整一个月的时间，让它学会跟自己吵架——而且吵得有理有据，绝不放水。
这不是一个聊天机器人。KNOT 是一次让推理过程本身变得可查阅的实验：它把一条主张所依赖的隐藏假设挖出来，派出对立智能体相互攻击，并且拒绝为了听起来顺耳就把真实存在的矛盾强行“和谐”成一个漂亮的结论。首次公开的原型展示，几乎所有的推理追踪都来自 KNOT 对自己核心设计原则的自我拷问：一个被设计来审视矛盾的体系，有没有资格审视自己？
这套原型的技术骨架将本地大模型推理、语义检索、矛盾检测、规则驱动推理和持久化的推理产物缝合在一起。它倚赖 Ollama 托管的本地模型完成所有推理，没有调用外部 API。语义相似性交给 Sentence-Transformers，矛盾检测由 DeBERTa-v3 自然语言推理模型负责，推理流程的控制则通过基于规则的路由在不同阶段间切换。更有意思的是被称为“悖论种子”的持久化层——每一次推理会话都被保存为可追溯的单元，而不只是最后那一个输出。
整个推理流水线被切分成六个清晰的步骤。Shadow Recovery（影子复现）首先登场，它负责重建那些被原始表述刻意隐掉的主张、代价或后果——也就是一段论证之所以能成立所必须刻意闭口不谈的东西。接下来是实战味最浓的 Fight Club（搏击俱乐部）：两个对立智能体正面开怼。一个是结构性的对手 Axiom，专攻隐藏前提和虚假等价；另一个是人类成本证人 Virtus，盯着当一个论证变得高效时，究竟把谁变得无影无形。它们之间不是各说各话的平行独白，而是包含真正反驳的辩论。随后的 Forge（锻造）并不把两方观点中庸地糅合到一起，而是一步步压缩双方的立场，直到那个无法回避的核心矛盾再也无处隐藏。接着 DoubleSpace（双空间）让两个真正不相容的真相同时被激活，哪一个都不被降级。Belief Autopsy（信念解剖）则对比系统最初的主张和审查中暴露出来的内容，并明确说出原来的主张究竟在用哪一种心理防御机制保护自己。最后的 Archive（归档）将一切都保存下来，连那些还没解决的矛盾也毫发无伤地存成档案副本，而不是在达到某个答案之后就清空丢弃。
开发者坦言，把 KNOT 指向自身后产生的最有用的东西，并不是一个干净的答案。虽然后面的日志被截断了，但这一点已经足够清晰：有时候让推理系统保持诚实，比让它显得聪明要重要得多。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
