human-cognition-layer

Human Cognition Layer (HCL) — это исследовательский проект, посвящённый моделированию состояний человеческого сознания и калибровке решений. Его ключевая идея: не изменять веса базовой модели, а через явные, воспроизводимые и переносимые когнитивные структуры более стабильно моделировать знания, убеждения, намерения, причинную неопределённость и социальные решения человека, тем самым улучшая итоговый ответ или действие. Проект следует принципу module-first: когнитивный слой всегда остаётся в цепочке обработки, а регрессия производительности рассматривается как диагностический сигнал, а не как повод обойти HCL ради лучших показателей benchmark. Текущая стадия — PHASE-04, акцент на исправлении стратегии принятия решений и новой проверке на holdout; обучение модели ещё не начато. Архитектура HCL v0.3 включает три основные части: 1. Замороженное когнитивное состояние: для каждого входа сначала строится структурированное cognition state, поддерживающее режимы SIMPLE, EPISTEMIC, CAUSAL_AMBIGUITY и другие, с акцентом на семантические принципы: разделение истины мира и знаний агента, разделение убеждений первого и второго порядка, необходимость моста доказательств для передачи информации. 2. Постоянно активный цикл ответа: вход проходит через когнитивное состояние, черновик базовой модели, проверки согласованности и калибровки, после чего формируется итоговый ответ; проверяющий модуль следит за фактической согласованностью, достижимостью информации, уровнями убеждений, устранением ошибочных неоднозначностей и гранулярностью ответа. 3. Стратегия решений о взаимодействии: в средах вроде SOTOPIA когнитивное состояние дополнительно отображается в стратегию действий, чтобы избежать чрезмерной пассивности или малоинформативного поведения из-за отсутствия стратегии действий. Проект предоставляет два типа оценки: CogToM и SOTOPIA-Hard. CogToM в настоящее время используется как инструмент диагностики и регрессии, SOTOPIA-Hard — основная среда проверки метода. В README зафиксированы экспериментальные данные по state fidelity, answer checker и SOTOPIA-Hard, но прямо указано, что это исследовательские доказательства, а не заявления о возможностях продукта; положительный сигнал на holdout всё ещё требует подтверждения через предопределённые повторные эксперименты и перенос между базовыми моделями. Репозиторий также содержит исторические скрипты CogToM runner, позволяющие запускать baseline или диагностические тесты через DeepSeek API. Единственный источник истины о состоянии выполнения в реальном времени — STATUS.md.