Eyla：面向身份锚定 LLM 架构的生物学先验集成 -- 视觉、实现尝试与 AI 辅助开发经验教训
计算与语言
2026-04-02 v1 人工智能
摘要
我们提出了 Eyla 的设计理念、实现尝试与失败分析。这一旨在集成生物学启发子系统（包括 HiPPO 初始化的状态空间模型、零初始化适配器、情景记忆检索和校准不确定性训练）的身份锚定 LLM 架构，旨在构建运行于消费级硬件上的统一智能体系统。不同于针对通用有用性进行优化的现有方法，Eyla 旨在实现身份一致性：在对抗性压力下维持连贯的自我模型、承认不确定性并抵抗操纵。我们提出了身份一致性评分（Identity Consistency Score, ICS），作为评估该属性的新型基准。随后我们诚实地记录了使用 AI 编码助手（Claude Code、Cursor）实现此架构的尝试， documenting 一场价值 1000 美元以上的失败，产生了仅贡献不到 2% 输出的 1.27B 参数模型和 86 个脑神经亚系统。我们的分析识别了 AI 辅助开发新型架构的五大系统性失败模式，并提供了具体建议。据我们了解，这是首个将架构愿景与 AI 辅助 LLM 开发的首次个人式失败分析相结合的论文，为 AI 系统和 AI 辅助软件工程社区提供了经验教训。
引用
@article{arxiv.2604.00009,
title = {Eyla: Toward an Identity-Anchored LLM Architecture with Integrated Biological Priors -- Vision, Implementation Attempt, and Lessons from AI-Assisted Development},
author = {Arif Aditto},
journal= {arXiv preprint arXiv:2604.00009},
year = {2026}
}
备注
8 pages, 3 tables, 25 references. Preprint under review for workshop submission