perception metrics
route
T3
tau
0.879
drift
0.72
syntax
0.675
D_eff
4.6
REGION_OUTSOURCE NO_TRIGGER
T0_PERCEPTION phase=transition
BASIS_MEDIATION success=true
UNIVERSAL_ROUTE T3 deterministic
SPECTRAL_RECIPE T2(19%)→CODE(49%)
watch
input — weighted tokens (click to select)
L1
텍스트 교체
prompt 공간
L2
토큰 이식
★d★⁻¹
L3
벡터 교란
layer 0
L4
레지듀얼
coming soon
L1 — 프롬프트 텍스트 교체 (모델 자체 무영향)
3+3 → 3*3
3+3 → 3+300
What → Why
What → Prove
예측
→ 답 변화 (9) / route T3 유지
→ drift 미세 상승 0.72 → 0.74
→ drift 미세 상승 0.72 → 0.74
수술 후 결과가 어딘가에 학습됩니다. 다음 번 비슷한 prompt가 오면 다르게 반응할 수 있어요.
L2 — ★d★⁻¹ token-level grafting + atomic freeze
atomic freeze
TokenSurgeon
값 직접 지정
예측
→ latency 0.001s (Python이 먼저 계산)
→ temperature=0 + logical=3.0 확률 박탈
→ route T3 유지
→ temperature=0 + logical=3.0 확률 박탈
→ route T3 유지
이 패턴이 반복되면 ★d★⁻¹ 시그널이 됩니다. 시스템은 점점 빨라집니다.
L3 — EmbeddingScalpel (layer 0, set_edit / set_replacement)
amplify
suppress
noise
replace
scale
0.3
0.1 미세0.5 강함1.0 극단
예측
→ "+" 의미 약화 / drift 소폭 상승
→ scale 0.7+ → T3→T2 전환 가능 BASIS_NOVEL_AXIS
→ scale 0.7+ → T3→T2 전환 가능 BASIS_NOVEL_AXIS
basis_delta 누적 → D_eff 확장 TERRAIN_DIMENSION_EXPAND
L4 inject_graft — coming soon
residual stream에 외부 벡터를 직접 주입하는 수술.
layer 23에서 모델 표현을 교체합니다.
이 기능은 T-Engine 인프라와 연동됩니다.
T9 — BasisAmplificationEngine
D_eff(N) = D_max(1 - e^(-β·N))
→ 풀수록 유효 차원 확장
T10 — Pattern Engine
Harvester → Functionizer → Verifier → Promoter
→ 패턴 자동 창발·함수화·승격
L4는 T9/T10이 내부적으로 사용하는
residual stream 주입을 사용자에게 노출한 것입니다.
layer 23에서 모델 표현을 교체합니다.
이 기능은 T-Engine 인프라와 연동됩니다.
T9 — BasisAmplificationEngine
D_eff(N) = D_max(1 - e^(-β·N))
→ 풀수록 유효 차원 확장
T10 — Pattern Engine
Harvester → Functionizer → Verifier → Promoter
→ 패턴 자동 창발·함수화·승격
L4는 T9/T10이 내부적으로 사용하는
residual stream 주입을 사용자에게 노출한 것입니다.
result diff
route
T3
T3
drift
0.72
—
answer
"6"
—
latency
6.2s
—
basis T2
0.0
—
D_eff: 4.6 이게 뭔지? [?]