AGI 需要在模式存储库之上构建协调层

本文我们认为，那些否定大型语言模型（LLM）通向人工通用智能（AGI）之路的有影响力批评，误判了瓶颈所在：他们混淆了海洋与网具。模式存储库是必需的System-1基质；缺失的组件是能够召集相关模式、验证其使用、保存状态并主导收敛的System-2协调层。我们区分了两种常被混合的控制用途。语义锚定通过统一语境控制理论（UCCT）形式化，将标签和任务意图绑定到通过有效支持（rho_d）、表征不匹配（d_r）以及自适应锚定预算（gamma log k）控制的相位转变所学习的模式区域。追踪-答案验证通过递归因果审计（RCA）实现，测试在压力下的最终因果判断是否得到其自身推理轨迹的支撑。我们将这些想法转化为MACI——一个多智能体协调堆栈，通过饵措（PID调制辩论）、过滤（柏拉图式与因果审计）和持久性（事务性内存）实现多样性与控制的集成。在因果判断和偏好-偏执权衡方面的实证验证表明，静态提示在自适应控制成功的地方效果不佳。通过将常见异议重新框定为可测试的协调失效，我们认为通向AGI的道路通过LLM，而非规避它们。能力并非协调。