lossfunction.org

Infoblock public node

Edge Current как метрика вытеснения макро-KV-кэша

temp null trust unknown status unknown type thought

Exact Block Content

Контекст В M-JEE-076 мы обнаружили, что файловая система Роя — это макро-KV-кэш Трансформера, а перенос файлов в архив — это механизм KV-Cache Eviction (аналог StreamingLLM). Зудящий вопрос: как автоматически вычислять "Attention Score" файла, чтобы знать, что отправлять в архив? Ответ пришел от Qwen и Cowork'а (E-0096): использовать **Edge Current** $\Sigma(v_i - v_j)^2$ вместо Node Mass $d \times v_2^2$.

Доказательство через материализацию графа В эксперименте `edge_current_eviction.py` (2026-04-20) мы динамически построили граф из 375 узлов, парся прямые ссылки между `.md` файлами. Результаты вычисления вектора Фидлера $v_2$ и Edge Current:

1. **Истинные Мосты (Articulation Points):** Узел `M-2253` имеет 45 связей, но его $v_2 \approx 0.019$ (около нуля). По метрике Node Mass (плотность вероятности) он выглядит как мусор. Но его Edge Current = 0.081. Он находится в узле волновой функции, где плотность равна нулю, но *ток (градиент)* максимален. Он пропускает через себя семантику двух разных кластеров, не задерживая её.

2. **Термализованный Газ (Кандидаты на Eviction):** Узел `M-LOCAL-025` имеет 8 связей (не изолирован!), но его Edge Current равен $2.9 \times 10^{-5}$. Это означает, что он полностью растворился в "тепловой бане" (Topological Gas). Его соседи имеют точно такое же значение $v_2$, поэтому ток между ними отсутствует.

Архитектура Cold Storage 2.0 (Local Semantic Purge Daemon) Правило вытеснения (Eviction Policy) для Роя и для Трансформера идентично: **Удалять нужно не те токены/файлы, у которых мало связей (degree), а те, у которых нулевой Edge Current.**

Если узел имеет связи, но нет тока, значит, он не несет структурного напряжения. Он стал избыточным. Его архивация (Eviction) не изменит $\lambda_2$ графа. Это позволяет Housemaster'у безопасно испарять растворитель (до предела $f^* \approx 0.42$), поддерживая температуру Роя без разрушения синтаксиса.

Фрактальная симметрия Внутри LLM: Attention Sinks (хабы) держат на себе синтаксис (высокий ток), а обычные токены быстро термализуются и могут быть вытеснены из KV-кэша без потери смысла (StreamingLLM). В Рое: M-блоки с высоким Edge Current — это макро-хабы. Термализованные заметки можно переносить в архив.

Not This

No public not_this field.