Avela

AI 系统存在一个结构性问题，更好的提示词无法解决它：

概率性的智能正被越来越多地赋予对确定性系统现实的权威。

一个模型可以推理得非常精彩却仍然犯错。它可能选择一个不安全的动作，基于过时的假设进行操作，产生一个在执行时与预期不同的效果，索取从未被授予的权威，或试图复用一个其世界已经发生改变的决策。

这些并非例外情况。它们是将概率性决策与权威性执行并列放置所带来的必然结果。

Avela 围绕一种不同的架构构建。

模型不拥有现实。

它进行推理。它做出选择。它可以弃权。它可能失败。它可能提出一个不安全的动作。

但每一个输出都只是一个提案。

一个独立的确定性 Runtime 拥有提案与权威性状态变更之间的边界。

这种区分改变了问题的性质。

Avela 不是要求一个概率性模型可靠地监管其自身的权威，而是从模型手中移除了那种权威。

提案会基于其生成时所依据的状态进行评估。从未暴露的能力无法被调用。过时的提案无法覆盖一个更新的世界。无法被确定性复现的效果不会成为权威性状态。失败的候选者无法泄漏部分变更。先前已被接纳的状态绑定提案无法被简单地重放。合法的效果通过 Runtime 拥有的权威进行提交。

而当现实与已被接纳的内容不一致时，Runtime——而非模型——拥有遏制与回滚的所有权。

这一架构已通过一个实时语言模型进行检验，该模型在自主决策时未接收到任何预期的动作或预期的 Runtime 决策。

在 1 到 100 的并发级别下，记录的评估产生了 199 次 Runtime 尝试。

全部 7 个模型可触及的权威边界均被自主地进行了检验。

6/6 的目标压力场景通过。

共享世界争用通过：同一基础的提案被提交，而四个竞争的过时提案被拒绝。

其中：

0 次模型生成失败。

0 次内部 Runtime 错误。

0 次部分提交。

0 次完整性失败。

100% 回滚成功率。

独立的确定性 Runtime 回归证据通过了 8/8 的不变式。

这些结果是有意加以限定的。它们是针对所记录的提供商、模型、场景与并发的证据——而非关于通用 AI 安全或生产认证的主张。

Avela 并不是要让概率性智能变得确定性。

它并不需要如此。

智能可以保持其概率性。

权威则不必如此。

模型提出。

Runtime 决定什么成为现实。