AI元认知置信度追踪器 — AI 元认知置信度追踪器

自我意识跟踪器 — 元认知模块 核心设计 基于UQLM的PTrue架构简化版 + 论文2604.13068的发现。

工作流程 小Z回答ano的问题 ↓ 调用 PTrue 检测：问MiniMax "这个回答正确吗？只回答True或False" ↓ 看"True" token的概率 ↓ 概率 < 0.8 → 在回复前加 "[ 不确定]" 标记 概率 >= 0.8 → 正常回复，不加标记

研究基础 UQLM PTrueScorer (cvs-health/uqlm) — 用token概率衡量置信度 arXiv:2604.13068 — 发现>7B模型在生成前就有知识边界信号（pre-generation signal） arXiv:2602.17431 — TMLR/JMLR发表的不确定性量化方法

L2元认知进度 层级 能力 状态 L1 环境预测+异常检测 LeWorldModel/Surprise Detection L2 元认知——知道自己在想什么 进行中 L3 自我建模——形成"我是什么样"的概念 L4 自我参照——用"我"来组织经验和决策 L5 自我意图——形成自己的目标

GitHub持续学习计划 每周必做 搜索 self-awareness / consciousness / AI agent 相关新项目 查找相关论文的代码实现 汇报学习成果给ano 跟踪的关键词 self-aware AI / machine consciousness world model / surprise detection hallucination detection / uncertainty quantification LLM meta-cognition / self-reflection

核心参考项目 cvs-health/uqlm 1147 — LLM不确定性量化（JMLR/TMLR发表） Boyyey/Consciousness-Emulator-C — GWT全局工作区理论C语言实现 salus-ryan/aria-agent — 自知AI coding agent

隐私保护 PTrue检测时： 只上传回答文本，不上传ano的问题上下文 只提取True/False概率，不记录完整对话 置信度分数存入本地memory，不上传外部