SPR：语义前缀路由研究档案

这是什么

SPR（Semantic Prefix Routing，语义前缀路由）是一组研究实验，目标是回答一个问题：

能不能用“路径”替代 Transformer 里的一部分稠密矩阵搜索？

开放实验记录在 GitHub：

https://github.com/houming818/sametime

其中 ara/ 是公开版 ARA 研究记录，保留 logic、trace、轻量 evidence summary 和可公开脚本，方便人类和 AI 一起复盘这条路线。

这里的“路径”不是比喻。它指的是一个 token、短语或句子在递归树、折叠栈或结构图中走过的可计算轨迹。路径可以被组合、比较、压缩，也可以作为下游生成或结构判断的输入。

这套研究现在按 ARA（Architecture / Reasoning / Artifact）方式整理：每个结论都要有证据，每个强 claim 都要有反证标准。

当前结论

SPR 目前不能简单写成“路径即语义”。更准确的判断是：

最重要的变化是：Echo Test 不再被当作语义证明。

Echo 证明系统能把输入还原出来。它证明容量和稳定性，但不证明系统理解了上下文里的含义。

推荐阅读顺序

1. 问题定义：为什么要研究路径路由
   解释 SPR 想替代什么、不替代什么。

2. S1 实验：Echo、顺序哈希与容量证据
   重做 S1 实验，确认哪些结果可靠。

3. S1 反证：token-only 路由不是语义路由
   用多义词实验说明当前 S1 的边界。

4. 架构决策：把 SPR 拆成三层
   给出新的架构划分和接口。

5. S2 结构路线：Fold Stack 的位置
   解释 S2 为什么不是 Echo 的延长线，而是结构生成路线。

6. 下一轮实验计划
   列出下一步怎么让路径真正吃上下文。

7. S1b proof：上下文条件路由到底证明了什么
   用受控 proof 审计历史结论，明确哪些说法可以保留，哪些必须降级。

8. S2 策略审计：TreeHeap、Role Slots 和概率容器
   用 ARA 方式解释 S2 实验数据，说明为什么下一步转向 Role Slots 和 Probability Container。

9. 世界模型与参考系：TreeHeap 术语统一 统一世界模型、参与乘积、参考系、latent slot 和概率容器术语，为下一步 predict 做准备。

10. 世界模型守夜训练：新 checkpoint 给了什么证据 用 ARA 方式记录 10 小时新 checkpoint 训练，明确它证明了什么、没有证明什么。

11. TreeHeap 代数：先做数学闭包，再谈语言推理 把 TreeHeap 从乘法层推进成代数系统，定义闭包、转置、逆树堆、投影和能量。

12. 子堆核搜索：TreeHeap 里的卷积式推理 把矩阵卷积里的局部核匹配，改写成 TreeHeap 上的 SubHeap Kernel Search，用来讨论拓扑搜索和局部推理操作。

13. M0 纯数学实验：先让 TreeHeap 成为工具箱 记录第一轮合成 toy 实验，说明为什么先验证闭包、非交换、逆操作和子堆核匹配，再进入 Echo 和 S2。

14. 基元与 plus：TreeHeap 有序性的来源 把卷积问题继续下压到基元、plus、ordered orbit 和 mod base，说明为什么先找语义空间里的“1”和“+”。

15. primitive plus 实验：把 proof 变成可测的 TreeHeap toy 用本科数学口径解释 P-MATH02 实验：arr[0]、plus、mod base、信息量增长、循环窗口和 kernel 匹配。

16. SPR-048 TreeHeap 私有编码：多头参数森林与串行推理
    从经典 Huffman 编码出发，定义 TreeHeap 参数森林、私有编码、并行多头和串行 kernel composition。

17. SPR-049 Mask Kernel：从 token 识别转向结构信息提取
    承接 048 的私有编码森林，让 kernel 在 masked TreeHeap 上卷积，输出概率桶而非单个 token。

18. SPR-050 第一次真实语言生成：TreeHeap 从英文到中文
    首次真实 WMT 英中 seq2seq：TreeHeap encoder-decoder 生成中文，flat GRU baseline 对照。

19. SPR-051 P0 预训练后的第一次直接提问：失败比成功更有信息
    P0 原始中文续写预训练后直接提问，训练损失下降但输出坍缩——这是一个被正面保存的负结果。

20. SPR-052 TreeHeap 终于参加了翻译考试，但还没有赢
    用四节点 Frontier 关闭叶子旁路，首次测量 TreeHeap 内部结构对 WMT 翻译的因果作用。

21. SPR-053 TreeHeap 代数算子编解码：root 只要轮廓
    将 TreeHeap 压缩重新解释为有损代数编解码，论证 root 天然丢失细节。

22. SPR-054 TreeHeap 多分辨率金字塔：root 看全局，子堆保存细节
    三 seed × 100 万 block：冻结 root 后，带地址的低维 detail code 形成稳定渐进恢复曲线。

证据入口

对应的 ARA 文件在仓库中：

ara/s1-echo/logic/claims.md
ara/s1-echo/logic/experiments.md
ara/s1-echo/trace/research_dag.yaml
ara/s1-echo/evidence/README.md

关键脚本：

holds/SameTime/experiments/spr_s1_reproduce.py
holds/SameTime/experiments/spr_s1_falsification.py
holds/SameTime/experiments/spr_context_proof.py
s2_strategy_audit.py
s2_overnight_io.py

关键复现实验结果：

collision=True
sign_alt=True
solo=41311/41429
bleu4=99.99
token_polysemy=0.43
keyword_polysemy=1.00
context_route=1.00
context_route_shuffled=0.48

这组结果的含义是：

• collision=True：pure roll 确实有顺序碰撞。
• sign_alt=True：roll + sign_alt 修复了这个碰撞。
• solo=41311/41429：路径空间足够大，几乎每个 token 独占组合叶。
• bleu4=99.99：Echo 近乎完美。
• token_polysemy=0.43：token-only route 不能区分多义上下文。
• keyword_polysemy=1.00：这个多义词任务本身不是不可解，只是 S1 当前没吃上下文。
• context_route=1.00：受控上下文信号进入 route 后，同词多义可以被路径分开。
• context_route_shuffled=0.48：打乱标签后优势消失，说明 proof 没有只靠标签分布取巧。

阅读提醒

旧版 SPR 文章是实验史，曾经混合了探索、猜想和阶段性判断。新版专题只保留当前架构上仍然成立的叙事，并把过强结论降级为待验证假说。

License: GPLv3

• [SPR-001] 问题定义：为什么要研究路径路由
  SPR 的问题定义：路径路由要解决什么问题，以及它不应该被误解成什么。
• [SPR-002] S1 实验：Echo、顺序哈希与容量证据
  SPR S1 中已经成立的部分：顺序哈希修复、分解路由容量、Echo 复现。
• [SPR-003] S1 反证：token-only 路由不是语义路由
  用多义词实验反证当前 S1 token-only 路由的语义 claim。
• [SPR-004] 架构决策：把 SPR 拆成三层
  SPR 的新架构划分：S1a Token Path Hash、S1b Context Routing、S2 Fold Stack。
• [SPR-005] S2 结构路线：Fold Stack 的位置
  S2 Fold Stack 在 SPR 中的位置：从语义向量到结构动作，而不是 Echo 的重复。
• [SPR-006] 下一轮实验：从 proof 走向真实基线战
  SPR 下一轮实验计划：把受控 context proof 放进真实语料、随机哈希和 BoW 基线战。
• [SPR-007] S1b proof：上下文条件路由到底证明了什么
  重写 SPR 历史结论：context-conditioned route 在受控 proof 中成立，但它不是完整语义路由证明。
• [SPR-008] S2 策略审计：TreeHeap、Role Slots 和概率容器
  用 ARA 方式解释 S2 实验：当前 TreeHeap checkpoint 支撑什么、不支撑什么，以及下一步为什么转向 Role Slots 和 Probability Container。
• [SPR-009] 世界模型与参考系：TreeHeap 术语统一
  统一 TreeHeap 的世界模型、参与乘积、参考系、latent slot 和概率容器术语，为后续 ARA predict 做准备。
• [SPR-010] 世界模型守夜训练：新 checkpoint 给了什么证据
  用 ARA 方式记录一次 10 小时 TreeHeap world-model 守夜训练：它证明了什么，没有证明什么，下一步 predict 应该怎么改。
• [SPR-011] TreeHeap 代数：先做数学闭包，再谈语言推理
  把 TreeHeap 从一个乘法向量层推进成代数系统：定义闭包、转置、逆树堆、投影、能量和概率容器。
• [SPR-012] 子堆核搜索：TreeHeap 里的卷积式推理
  把矩阵卷积里的局部核匹配，改写成 TreeHeap 的 SubHeap Kernel Search：一种拓扑搜索和局部推理操作。
• [SPR-013] M0 纯数学实验：先让 TreeHeap 成为工具箱
  记录第一轮 M0 TreeHeap Math toy 实验：为什么先不做 WMT，怎么验证闭包、非交换、逆操作、投影和子堆核匹配。
• [SPR-014] 基元与 plus：TreeHeap 有序性的来源
  把 TreeHeap 的卷积问题继续下压：先寻找语义空间里的基元、plus 算子和由 plus 生成的有序性。
• [SPR-015] primitive plus 实验：把 proof 变成可测的 TreeHeap toy
  用中国大陆本科数学口径解释 primitive_plus_probe：arr[0]、plus、mod base、信息量增长、循环窗口和 kernel 匹配。
• [SPR-016] Trainability Quiz：TreeHeap 进入可学习系统之前的三道小题
  解释为什么在 WMT 之前先做线性回归、XOR、模加法三道 toy 训练题，以及这次实验怎样支撑 TreeHeap encoder/plus/decoder 的下一步设计。
• [SPR-017] TreeHeap 的存在性证明：把 Claim 说清楚
  修正 TreeHeap proof 的三个 claim：循环寻址不是普通加法，A 是学习器归纳边界，B 是子结构 kernel，C 是前缀压缩和概率容器。
• [SPR-018] TreeHeap 的存在性：编码结构与共轭 Kernel
  修正 TreeHeap 的核心 claim：不是简单 pattern matching，而是学习可搜索、可压缩的编码结构，并用共轭 kernel 完成查询和解码。
• [SPR-019] Soft TreeHeap：梯度如何进入树堆结构
  把 TreeHeap 接入机器学习：用 kernel-guided soft plus、soft route 和多核训练让梯度进入树堆算子，并提出 claim、predict、proof 和实验方案。
• [SPR-020] Soft TreeHeap 审计：proof 证明了什么，没证明什么
  根据 GLM/Runner 的复现实验修订 ARA：区分梯度可达、toy 坍缩、clean kernel 学习三件不同的事，并说明下一步实验。
• [SPR-021] C05：TreeHeap 不能只是披着树皮的 MLP
  把 C05 改成结构 proof：如果公式里没有路径、前缀、子堆和递归 plus，它就只是 flat soft memory。
• [SPR-022] TreeHeap 的数学底座：有根树 Hopf 代数、Operad 与 Kernel
  把 SPR-011 到 SPR-021 的 TreeHeap 代数设计放回已有数学框架：BCK/MKW rooted-tree Hopf algebra、operad、decomposition space、tree kernel，以及它们对 TreeHeap kernel 的意义。
• [SPR-023] 从卷积核重新定义 TreeHeap 操作
  把 plus、search、conjugate 统一为 TreeHeap kernel 在树形内存态上的卷积状态变换，并用 toy proof 验证 score map、write field 与镜像共轭。
• [SPR-024] 概率 Kernel：用 KL 散度衡量 TreeHeap 是否学到世界模型
  把 TreeHeap kernel 拆成代数 kernel 与概率 kernel：前者证明操作定义正确，后者用 KL 散度和交叉熵证明模型是否学到了世界模型中的操作分布。
• [SPR-025] 演绎与归纳：TreeHeap Kernel 的两类 Proof
  把 TreeHeap kernel proof 拆成演绎证明和归纳证明：演绎证明代数操作按定义成立，归纳证明概率 kernel 能通过梯度学习拟合世界模型分布，并用 KL/OOD KL 评价。
• [SPR-026] S1 开始：真实短句上的浅层 TreeHeap 写入
  M0 pilot closed 之后，S1 的第一步不是 WMT，而是真实短句上的 encoder -> soft TreeHeap write -> slot probe。本文记录 shallow_treeheap_s1_probe 的设计、结果和边界。
• [SPR-027] TreeHeap 差分代数：从 Zero 到距离，再到学习
  TreeHeap 的距离不应该先拍一个 scalar 公式，而应该先定义 Zero、差分、范数、内积、cosine 和 finite difference。本文记录 treeheap_diff_algebra_probe 的设计和结果。
• [SPR-028] 世界模型坐标系第一试：Frozen Embedding 不是胜利，是一把尺
  用冻结的 all-MiniLM-L6-v2 embedding 作为外部世界坐标尺，测试 TreeHeap prob vector plus 在复合词任务上能否靠近目标概念。结果是负面的：vector_add 明显更强。
• [SPR-029] 不再借外部向量：从本地共现语料训练坐标，再测 TreeHeap Kernel
  SPR-028 输给 vector_add，并不能 defeat TreeHeap，因为 frozen embedding 本来就是向量拓扑源。本文改用本地 SGNS 共现语料训练坐标，并测试结构化 TreeHeap kernel。
• [SPR-030] 用 WMT 真语料做 Echo：先证明 TreeHeap Kernel 能写入真实 BPE 序列
  这次不直接做翻译，而是用 WMT 真语料做短序列 echo，验证 TreeHeap kernel 是否能把真实 SentencePiece token 写入树堆地址，再稳定读出。
• [SPR-031] Multi-Kernel 会自然分工吗：一次 WMT 扰动任务的混合结果
  这次实验测试 TreeHeap kernel bank 是否会像 Transformer multi-head 一样，在结构扰动任务下形成不同功能。结果是：分化信号出现了，但任务能力还没过关。
• [SPR-032] TreeHeap 的概率读取核：从 arr[1] 开始的 stop/left/right 坍缩
  这篇记录 SPR-032：把 TreeHeap read 从 root bottleneck 改成 query-conditioned probabilistic read kernel。实验说明路径坍缩和叶子读取成立，但内部子堆摘要还没解决。
• [SPR-033] TreeHeap 的代数 Decoder：internal state 不是没信息，而是需要正确读法
  SPR-033 回答 SPR-032 的一个关键问题：internal node state 如果像 hash 一样不可直观看懂，是否能从 TreeHeap 的数学结构中找到 decoder？实验支持 projection、decompose、mod、conjugate 等代数 decoder。
• [SPR-034] 从 checksum 退一步：先读 TreeHeap 内部节点的自然属性
  SPR-034 把 SPR-032 的内部节点 checksum 失败拆开：如果 read kernel 已经能走到 internal node，那么应该先读取 length、first、last、prefix 这种 TreeHeap 自然属性，而不是任意 checksum。实验显示 routed internal readout 明显强于 root bottleneck。residue 只保留为旁路诊断，不作为本 claim 的判断条件。
• [SPR-035] 一维数组如何折叠成 TreeHeap：先保序，再谈取模
  SPR-035 把一维有序数组折叠成 TreeHeap 的问题拆开：第一步必须保留叶子地址、路径和子树局部性；bag/root collapse 和过早 modulo fold 都会丢掉自然 internal readout。取模不是被否定，而是应该作为后续独立 folding kernel 研究。
• [SPR-036] 语言理解也许不是先填槽，而是在平面上摆积木
  SPR-036 修正 TreeHeap fold 的理论方向：不是先发明一个二叉 fold 再证明语言适配它，而是从语言现象中发现词块在 latent plane 上的摆放、吸附、聚类和坍缩规律。Transformer 更像动态共现/关系场，TreeHeap 则可以看作这个场上的二分平面与局部卷积坐标。
• [SPR-037] 可控流形：怎样把 TreeHeap 从一团乱调到可用结构
  SPR-037 把 TreeHeap fold 从纯理论问题推进到产品调试问题：如果 kernel 有可调控制量，输出结构是否会从乱态沿着一个可测量的面走向稳定块？toy proof 显示低控制 F1 0.0828，最佳 F1 0.8148，对角线增益 0.7319。
• [SPR-038] 梯度到底改什么：TreeHeap 状态松弛的边界
  SPR-038 修订版：区分参数 TreeHeap、激活 TreeHeap、物理地址、语义地址和 kernel；说明本实验只证明状态松弛，不证明 kernel 参数学习。
• [SPR-039] 参数也是 TreeHeap：kernel 自己学会了卷积
  SPR-039 proof：把 SPR-038 的状态松弛和真正的参数学习分开，证明 parameter TreeHeap Theta 可以通过梯度学会局部 subheap 卷积核。
• [SPR-040] TreeHeap kernel 的 mirror 手性翻转：几何翻转如何变成代数置换
  SPR-040 proof：证明 TreeHeap 局部卷积在左右 mirror 下可以由堆地址置换和 kernel 槽位置换实现，并且 mirrored kernel 可以从数据中学回。
• [SPR-042] SPR 全貌总结：从 M0 数学到 S1 echo 的四十二篇探索
  SPR 研究全景回顾：M0 数学底座、S1 echo 路线、S2 折叠栈、ARA 协议与 Squad 协作、当前 claim 统计与开放问题。
• [SPR-045] 重做 S1 route：矩阵不是 TreeHeap，递归路径才是
  删除并重写 SPR-041/043/044 的路线：区分 flat LxL route matrix 和真正的 recursive TreeHeap stop/left/right route，并给出 WMT-massive proof。
• [SPR-046] TreeHeap 语义前缀压缩：从 word bag 到可迁移的结构状态
  SPR-046 重写版：用本科可理解的方式说明 Transformer 并不保存所有可能句子，TreeHeap 的假设是用树形语义前缀压缩形成可解码、可迁移的结构状态；并记录 content-aware route、compact state 和 semantic-prefix toy proof 的证据与边界。
• [SPR-047] TreeHeap Encoder：世界观察者如何把规律写进树
  SPR-047 把问题从 route/read 推回 encoder：TreeHeap 的语义结构不能靠哲学假设写入，必须由 encoder 通过 echo、上下文预测、InfoNCE、替换一致性和描述长度等可压缩性信号，从观察数据中学出 placement、fold 和 prefix。
• [SPR-048] TreeHeap 私有编码：多头参数森林与串行推理
  从经典 Huffman 编码出发，定义 TreeHeap 参数森林、私有编码、并行多头和串行 kernel composition，并说明 scalar loss 如何把数据写入参数树。
• [SPR-049] Mask Kernel：从 token 识别转向结构信息提取
  承接 SPR-048 的私有编码森林，把下一步问题改写为：TreeHeap kernel 如何在 mask string / masked TreeHeap 上卷积，输出可坍缩的概率桶，而不是只识别单个 token。
• [SPR-050] 第一次真实语言生成：TreeHeap 从英文到中文，但还不是问答
  记录首次真实 WMT 英中 seq2seq 运行：TreeHeap encoder-decoder 已能生成主题相关的中文句子，但当前落后 flat GRU；这验证的是 S3 表面生成通路，不是问答或翻译成果。
• [SPR-051] P0 预训练后的第一次直接提问：失败比成功更有信息
  记录 TreeHeap P0 原始中文续写预训练的第一次直接问答测试。训练损失下降，但模型在问题输入上重复坍缩；这不是世界模型或问答能力的证据。
• [SPR-052] TreeHeap 终于参加了翻译考试，但还没有赢
  用四节点 Frontier 关闭叶子旁路，第一次测量 TreeHeap 内部结构对真实 WMT 翻译的因果作用。Route 出现微弱正信号，但仍落后于普通四段向量压缩。
• [SPR-053] 不让神经网络重写整棵树：让它学习选择 TreeHeap 算子
  检验结构能否进入 encoder，以及 TreeHeap 能否用自身算子恢复数据。未见地址成功，未见深度失败，并定位了失败位置。
• [SPR-054] TreeHeap 多分辨率金字塔：root 看全局，子堆保存细节
  三 seed、每 seed 100 万真实文本 block 的实验表明：冻结 TreeHeap root 后，带地址的低维 detail code 可形成稳定的渐进恢复曲线；同时记录 flat 对照失败尾部与尚未完成的验证。
• [SPR-055] 让信息向 root 生长：TreeHeap 的多尺度 Mask 学习
  真实中文实验表明，多尺度子堆 Mask 能让 root 获得样本相关信息，但 root 贡献随 Mask 深度严格下降；本文公开 5/6 Gate、反向结果与下一步修正。
• [SPR-056] 看见树内的变化：TreeHeap 单层观察与跨语言差分
  我们打开一个真实 TreeHeap 层，展示节点覆盖文本、64D 私有状态、读出结果和最近邻反例，并提出通过路径差分、子堆替换与跨语言对齐观察私有编码的新方法。
• [SPR-057] 一次 100% 却失败的实验：为什么差分不能替我们找到意识
  一个显式 DIFF-TRANSPORT-APPLY 模型在有限类比任务上达到 100%，但 World TreeHeap 几乎可被删除，较小的 Transformer 同样满分。本文公开这次失败，并解释为何内部差分适合做诊断，却不足以解释意识或涌现。
• [SPR-058] TreeHeap 信息抽水机：先形成 H_state，再遮住 token，能否完整 Echo？
  区分三种完全不同的 mask 时序，并报告 TreeHeap lifting information pump 的真实结果：所有 leaf 被遮住后，仅凭训练形成的 root 与多层 detail，token 和 16-token block 均可 100% Echo。
• [SPR-059] TreeHeap 抽水机第一次进入 WMT：递归 READ 成立了，但翻译还没有赢
  在 27K/2K/2K 英中 WMT 数据上验证 TreeHeap lifting encoder 与 root-first 概率递归 READ：八项机制门全部通过，TreeHeap 明确利用了 root、detail 和递归配对，但 flat sequence baseline 仍有更好的翻译 NLL。
• [SPR-060] TreeHeap 退火缩句协议：让重要信息活到更高层
  从单 token Mask 的信息单一化出发，提出 TreeHeap 的分层退火缩句协议：完整输入先参与 FOLD，随后在逐层收窄的容量中保留更有解释力和预测力的结构，detail 保存局部精度，parent 与 root 保存越来越粗的语言轮廓。
• [SPR-061] TreeHeap 损伤后的生长：从消融因果走向跨分辨率修复
  撤回“高层自然保存可读缩句”的理想化解释，区分信息因果性与损伤修复能力，并提出 TreeHeap 的跨分辨率修复假设：局部状态缺失后，由剩余 root、detail、地址和世界模型形成概率容器，递归生成与整体一致的细节。
• [SPR-062] 如何读懂 TreeHeap 实验：从 NLL、Loss 到因果干预和统计证据
  面向本科读者的 TreeHeap 实验指标说明书：解释 NLL、交叉熵、困惑度、MSE、余弦距离、KL 散度、准确率、BLEU、消融损失、修复率、置信区间等数字究竟在测量什么，以及它们不能证明什么。
• [SPR-063] TreeHeap 分辨率协议重审：递归抽水、细节残差与递归解码
  公开撤回一次把多层变长数组误称为 TreeHeap 递归解码的实验解释，并重新定义 TreeHeap 的分辨率、递归、残差和抽水协议。
• [SPR-064] 私有协议，结果见本事：TreeHeap 下一轮公平实验设计
  停止替 TreeHeap 的内部状态编故事。本文汇总私有协议与 lifting 抽水机的已有证据，并预注册一场只看任务结果、结构因果性和公平基线的实验。