# THEORY — 分级模式插件的理论依据与机制映射

> **定位声明（诚实首发）**：本文档中的注意力类条目（线性注意力/双边注意力）是**系统设计同构的
> 启发式映射**——借注意力算法对"序列增长"的处理思想（O(n²)→O(n)、双向↔单向）来类比本插件对
> "上下文增长"的工程策略（增量注入+幂等去重、双向期↔聚焦期）。**本插件不做、也不声称任何
> 注意力理论创新**；真正的技术内核是**任务协议化与门控状态机**（规格必填门控/先复检后写入/红队
> 再审批）。理论条目的价值=提供可讲清的工程类比，不是为插件"包一层理论"。

> 本文档把本插件研发中参考/观测的四个概念，与插件机制做**理论→机制→实测证据**的映射。
> **诚实边界**：凡有标准文献的定义均给出真实出处；凡我无法核实的（jspace 确切所指、"双边"的确切文献对应）**明确标注"待审校"**，不编造引用。

---

## 1. 线性注意力机制（Linear Attention）

**定义**：标准自注意力的计算为 Q·Kᵀ（复杂度 O(n²)）。线性注意力通过核函数近似/特征映射，把
softmax 注意力写作 φ(Q)·(φ(K)ᵀ·V) 的分块求值顺序，使复杂度降至 **O(n)**（线性于序列长度）。
代表工作：Linear Transformers（Katharopoulos et al., ICML 2020，kernel feature map 视角）、
Performer（Choromanski et al., ICLR 2021，FAVOR+ 随机特征）、RWKV（Peng et al. 2023，线性注意力+RNN 混合）等。

**与插件机制的关系**（映射钩子）：
- 长会话里**上下文增量呈线性累加**（每小类注入一段规格+证据链）——插件对注入文本
  **按"单注+当下态+不重复"做压缩**：同类问题若按 O(n²) 式地"全量重放"（每步把全树+全部历史
  重新讲一遍）会随步数平方恶化；插件改为**增量注入 + 幂等键去重 + 当下态回执**，
  让模型每一步的有效信息增量保持**近线性**——这是线性注意力的**系统设计同构**（对"上下文增长"的
  线性化策略）。

**实测证据**：会话 f0855822（自测链）后段每小类注入平均字符数（注入文本结构抽查）；审计端点
`injections` 字段可复核：每个引导键恰 1 次（`uniqueRate=1`，无平方级重复）。

## 2. 双边注意力机制（Bidirectional Attention）

**定义（标准）**：注意力双向计算——序列中每个位置同时看到左右两侧上下文（与因果/掩码自回归
单向注意力相对）。Transformer 原始论文（Vaswani et al., 2017）的编码器即双向；BERT
（Devlin et al., 2019）以双向编码+MLM 训练将其规模化。
**⚠️ 待审校**：您提出的"**双边**注意力机制"——若指上述 bidirectional attention，映射如下；
若指特定论文/架构（如双流/双侧分支视觉注意力），**请补充确切文献**，我将更正本条目。

**与插件机制的关系**（映射钩子）：
- 分级协议对**前后文关系**的对称意识：脑暴（需求对齐，看"任务全景"）=双向理解阶段，
  执行（每一小类只看"当前激活+相邻锚"）=**受限窗口**阶段——插件显式区分
  "双向理解期（脑暴/审核/收官/终验）"与"单向聚焦期（执行时相邻锚对照）"，
  与双向↔因果的注意力二分同构。

**实测证据**：focus 注入的"相邻锚"语系（只对照相邻接口，别想全局）+ 终验六项的"全面复查"
语系（全局视角）——两者在注入文本中成对出现（对照审视）；组收官「逐条核对」把组级标准
按"前后项并列"逐条复核。

## 3. jspace 概念（待用户补充定义）

**⚠️ 占位/待审校**：我无法将"jspace"定位到任一标准文献定义的确定概念（可能是您内部的
领域术语/简称/自造框架）。**请提供其定义或出处**（一句话+来源链接即可），我将补写条目
并做机制映射。在此之前，本条仅保留占位不映射（避免以讹传讹——凡无法复核的不下结论）。

## 4. 思维惯性懈怠（模型长程勤勉度衰减）

**定义（本插件实测概念）**：在长程多步任务中，模型对"验证/检查"类动作的投入随任务推进
呈**衰减趋势**——后期小类的工具投入、可视化核对、独立复核明显少于前期（表现为
"做过即通过"的惯性倾向）。这是**本插件观测到的现象**（来自真实会话的强度表），
理论侧可关联认知努力/行为惰性研究（占位：后续补充文献，如 effort discount 类——**待审校**）。

**与插件机制的关系**（映射钩子）：
- 插件以"**疲惫防御**"三件套对抗该现象：①打卡制（每小类都有硬门，无省事路径）
  ②验证变体/轮换（规则措辞更换，防"习惯化忽略"）③红队门（verify=redteam 的小类
  **未裁决通过不得打卡**——引入独立冷视角，防止"开发方自说自话"）。

**实测证据**：
- 会话 bcad0ade 强度表（中后期小类工具/截图投入对比——详见 DATA.md）；
- 会话 7abc5cad（31 打卡全链、2 次红队裁决 pass）；
- 单注率 `uniqueRate=1` 与当下态回执（防"重复注入产生的麻木"）。

---
**引用-证据对与文献清单**：见本文档配套的「引用与证据对」小节（下一交付物）与 DATA.md 实测表。
所有占位项（jspace 定义、双边确切文献、认知努力文献）**未核实前不引用**——边界优先于漂亮。

---

# 机制映射表（理论 → 实现点 → 实测证据）

> 复现约定：`会话ID` = dsh 会话文件级引用（脱敏）；`审计` = 插件端点 `/graded-mode/api/audit`
> （运行会话可直接 curl 复核）；`测试` = `tests/*` 具体用例名（`npm test` 可复现）。

| 理论 | 插件实现点（代码/机制） | 实测证据（可复核路径） | 结论 |
|---|---|---|---|
| 线性注意力（上下文线性化） | ① 注入幂等：注入键（l1-guidance/focus:*/check:*…）**先注后键，每键恰 1 次**（`src/tools.js` registerInjected、`src/index.js` pre-step splice 见键跳过）② 增量注入：每小类只注入当前焦点+相邻锚；回执=当下态（不重放全树） | 会话 f0855822（自测链）链尾审计实机：`injections={focus:*:22, check:*:7,…}`、`uniqueRate=1`、`dupKeys=[]`（**每引导键恰一次=上下文无平方级重放**）；测试 `mode-state.test「auditBody：注入前缀聚合…」` | 通过 |
| 双边注意力（双向↔聚焦二分） | ① 双向期：脑暴（信息对齐 360°）/审核（完整规格单）/终验（全面复查）② 聚焦期：执行注入"相邻锚，别想全局"（`inject-text.js` verifyLaw correct ③） | 测试 `inject-text.test「verifyLaw…两遍法」`、`「finalCheck…不可替代为指标」`（① 全面复查断言）；`specSheet` 锁定即呈完整单（北极星+需求+树——双向视角物化于锁定时刻） | 通过 |
| jspace 概念 | **（无映射——占位）** | 未定义不映射：待用户补定义/出处后补行 | 未证实（边界） |
| 思维惯性懈怠（勤勉度衰减防御） | ① 打卡制（每小类硬门）② 红队门（verify=redteam 未裁决通过不得 mark——`src/tools.js` markTaskDefinition redteam 门）③ 组收官逐条核对（严苛>小类）④ 北极星锚定（开工前一眼，替代声明式自问）——注：v3.0 的"变体轮换"已在 v3.1 由**结构差异注入**取代（退役） | 会话 bcad0ade 强度表（中后期工具投入/截图对比衰减——见 DATA.md）；会话 7abc5cad：31 打卡全链+**redteam_verdict 2 次 pass**（L2 定稿取景/L1 组收官）；测试 `tools.test「redteam 门：未 pass 无法打卡…」`、`inject-text.test「starAnchor…」`（星锚替代自问） | 通过 |

**映射覆盖**：四项理论 → 条目 4 行（3 条通过映射 + 1 条未证实占位）；每条映射的实测证据均带
「会话ID/审计/测试名」复现路径——可复核性为验收底线（research 模式）。

---

# 引用与证据对（文献清单 → 复现位置）

## 文献清单

**注意力机制类（真实文献，已验证存在）**
1. Vaswani et al. (2017). *Attention is All You Need*. NeurIPS 2017.
   —— Transformer 原始架构（编码器=双向注意力）。
2. Devlin et al. (2019). *BERT: Pre-training of Deep Bidirectional Transformers*. NAACL 2019.
   —— 双向编码+MLM（"双向注意力"标准出处之一）。
3. Katharopoulos et al. (2020). *Transformers are RNNs: Fast Autoregressive Transformers with Linear Attention*. ICML 2020.
   —— 线性注意力的 kernel feature map 视角（O(n) 复杂度）。
4. Choromanski et al. (2021). *Rethinking Attention with Performers*. ICLR 2021.
   —— FAVOR+ 随机特征做线性注意力。
（上述均为机器可验证的公开论文；题录以 arXiv/NeurIPS/ICML 官方页为准。）

**DSH 生态类（本插件依赖/装配来源）**
5. `@deepseek-ai/dsh-*` 系列包（dsh-agent-loop / dsh-session-persistence-jsonl / dsh-tools 等）
   —— 本插件运行的宿主生态（工具注册/会话持久化/注入 inbox 机制）。
6. `dsh-super-injector`（用户生态）—— 插件运行时注入/热重载/卸载管理（本仓库 injector/ 子模块）。

**待审校（未核实前不引用）**
- jspace 概念：**待用户提供定义/出处**（占位，不列条目）。
- "双边注意力"的确切论文对应：**待审校**（上面第 1/2 条为最接近的标准出处，非最终指定）。
- 思维惯性懈怠的文献侧对应（认知努力/行为惰性类）：**待审校**（当前以实测数据为本位）。

## 引用-证据对（每条引用 → 本插件复现位置）

| 引用 | 复现位置（可执行） | 与插件的关系 |
|---|---|---|
| Vaswani 2017（双向编码器） | `src/index.js` 审核/终验注入（双向理解期）；`tests/inject-text.test.mjs`「finalCheck…不可替代为指标」 | 双向期↔聚焦期二分（映射表第 2 行） |
| Devlin 2019（双向 BERT） | `docs/THEORY.md` 条目 2+映射表第 2 行；`src/inject-text.js`（相邻锚语系 adjacent-anchor） | "双边"标准出处候选（**待审校最终对应**） |
| Katharopoulos 2020（线性注意力） | `src/index.js` auditBody/先注后键；`tests/mode-state.test.mjs`「auditBody…」 | 上下文线性化策略（映射表第 1 行） |
| Choromanski 2021（Performer） | 同上（理论侧同族） | 线性注意力参考之二 |
| `@deepseek-ai/dsh-*` | `package.json` `dsh.bundle.patch`（cordis.patch.yml）+ `lib/` 装配 | 宿主契约（inbox/工具/persistence 机制来源） |
| `dsh-super-injector` | 本仓库 `injector/` 子模块（INSTALL/SPEC 文档） | 运行管理通道（注入/热重载/卸载） |

**审校纪律**：本表无一条引用处于"无出处引用"状态；待审校三项在用户提供前不进入引用正文。