为什么需要这张表

TreeHeap 已经积累了很多原创概念：下坠、背景场、概率残差、多分辨率退火、信息泵、私有协议、 递归 READ、Butterfly，以及正在寻找的 F 函数。

概念丰富不是问题。问题在于，一个概念被描述、写出公式、做成 toy、通过真实数据实验、接入 主训练链路，是五件不同的事。如果不明确区分，我们很容易把“有名字”当成“有算法”，把 “能 Echo”当成“能理解”，或者把两个分别成功的组件误认为已经形成完整系统。

这篇文章建立一张长期维护的研发台账。今后审查任何概念，都回答六个问题：

1. 它精确定义了什么？
2. 当前代码实现了什么？
3. 证据来自 toy、真实语料还是完整训练？
4. 哪些强结论仍然没有证据？
5. 下一道可否证门槛是什么？
6. 它依赖哪些上游接口？

先说当前总判断

TreeHeap 不是没有算法。我们已经实现了概率背景场、硬/软路由、概率 FOLD、可逆 Lifting、 Bayesian READ、Butterfly 通信和真实 WMT seq2seq。

但这些算法目前分属于两条没有完全接通的路线：

概率场路线：
语料 -> P(context|token) -> 路由分区
     -> 节点 prototype / 残差 -> Bayesian READ

生成路线：
句子 token -> FOLD / Lifting / Butterfly
          -> 多层 hidden state -> READ -> Decoder

前者能够组织和读取 token 的统计背景，后者能够训练和生成文本。当前最重要的工程断点，是还 没有把概率场中学到的 F 变成句子 Encoder 真正执行的 FOLD，并让 Decoder 通过同一状态协议读取 它。

成熟度怎样标记

本文使用六级成熟度。它不是论文通行评级，只用于项目内部管理。

达到 M3 不等于模型整体达到 M3。每个组件必须单独评级。

概念与实现总表

一、输入与状态

TreeState 尚缺的正式定义

当前最需要落地的数据结构可以先收敛为：

TreeState {
    common      当前分辨率的公共状态
    detail      相对 parent 的新增信息
    mass        概率质量或支持量
    address     当前递归地址
    support     该状态覆盖的 token / span 范围
}

字段名可以改变，但每一层必须回答：数据类型是否相同、单位是否相容、怎样序列化、怎样求梯度、 Decoder 能看到哪些字段。

二、WRITE 与路由

这里必须保留一个边界：路径可区分不等于路径有语义。 token ID hash、位置编码和随机唯一 码都能产生稳定路径，也能完成 Echo。

三、FOLD、残差与多分辨率

残差当前只能怎样表述

若定义：

则路径闭合：

是定义导致的望远镜求和。任意 hash 树也可以满足。它证明数值记账自洽，不证明路径语义，更不 证明残差是最优存储方式。

残差要升级到 M3，必须在相同存储量和计算量下，胜过：

• token-ID hash 树；
• 随机平衡树加同样残差；
• 直接保存每层 prototype；
• flat leaf prototype table；
• 原生树但逐层 shuffle 或删除残差。

评价使用 masked READ、生成质量和 rate-distortion，不能使用 Echo 作为主要证据。

四、READ 与 Decoder

Decoder 不需要和 F 共享同一组参数。但它们必须通过同一个 TreeState 接口串联，且 Decoder loss 能够在需要时回传到 F。否则所谓“私有协议”只存在于文字中。

五、长程通信与生成

六、训练、部署与资源目标

当前真正缺失的四个算法

许多未完成概念可以归并成四个算法缺口，而不是继续增加名词。

缺口一：统一状态变换

需要一个正式可执行的：

FOLD(left: TreeState, right: TreeState)
    -> parent: TreeState
    -> left_detail: TreeState
    -> right_detail: TreeState

它必须同时满足有限、有界、量纲相容、可微、可重载，并能被真实 Decoder 使用。概率平均和 Lifting 都是候选组件，但尚未合成一个主实现。

缺口二：句中 occurrence 的 WRITE

当前背景场主要回答“bank 这个 token 通常出现在哪里”。主 Encoder 必须进一步回答：

WRITE(token=bank, context=river)   != WRITE(token=bank, context=account)

如果没有这一层，F 再复杂也只是在组织词典，而不是编码句子。

缺口三：查询条件的递归 READ

需要一个 READ，根据 Decoder 当前 query，在 root、各层 detail 和局部 child 之间分配读取质量， 并保存完整 route trace。它必须胜过相同容量的 flat memory，而不只是证明某个节点可读。

缺口四：soft 到稀疏的连续交接

训练时的 soft path 有效，突然阈值硬化会损失信息。需要渐进温度、Top-k、稀疏门或显式一致性 目标，使模型在训练过程中逐步适应有限路径，而不是训练结束后被切断。

主研发路线

下面按依赖关系推进，而不是按概念出现时间推进。

R0：冻结术语和基线

状态：当前进行中。

交付物：

• 统一使用 f_v、F_Theta、学习算法 A；
• 固定 hash tree、random balanced tree、flat table、ordinary embedding 基线；
• Echo 只作为机械测试，不作为语义证据。

完成门：每个后续 Claim 都明确比较对象、参数量、存储量和计算量。

R1：建立 canonical TreeState

状态：未实现，最高优先级。

交付物：

• 一个共享的数据类与 checkpoint schema；
• 概率 FOLD 和 Lifting FOLD 都实现同一接口；
• depth、shape、mass、closure、gradient 自动测试；
• 不接 Decoder，先完成数学和工程合同。

完成门：深度阶梯全部有限、闭合、reload 一致，且两个候选算子可以被同一测试套件替换。

R2：实现 context-conditioned WRITE

状态：只有受控 proof。

交付物：

• token type 背景作为 prior；
• 当前句子 context 形成 posterior occurrence state；
• 同词多义真实语料 probe；
• token-only、BoW、普通 embedding 基线。

完成门：同一 token 的不同上下文状态可分，shuffle 后优势消失，并在未见词汇组合上复现。

R3：残差因果门

状态：尚未执行 matched 对照。

交付物：

• 有/无残差；
• 直接 prototype 与路径残差；
• hash/random/native tree；
• 每层 delete/shuffle；
• 相同 bit budget 的 rate-distortion 曲线。

完成门：残差在至少一个非 Echo、未见数据任务中，以相同预算稳定胜过直接表和 hash 对照。

R4：READ-Decoder 无旁路闭环

状态：组件存在，统一闭环未实现。

交付物：

occurrence WRITE
  -> canonical FOLD
  -> multiresolution TreeState
  -> query-conditioned READ
  -> Decoder

训练必须保存每层读取质量、梯度和干预结果。

完成门：关闭 leaf/flat bypass 后仍能在真实 seq2seq 或 masked generation 上学习；root、detail、route 替换分别造成预注册的质量下降。

R5：soft-to-sparse 与动态拓扑

状态：软路由可用，硬交接失败。

交付物：

• soft、Top-k、straight-through、渐进温度四臂；
• 质量、激活节点数、显存和吞吐共同测量；
• 动态 split/merge/STOP 放在稀疏路由稳定以后。

完成门：稀疏版本保留 soft 质量，同时产生可测量的消费级硬件收益。

R6：规模、产品与开放发布

状态：等待 R4/R5。

交付物：

• 固定小/中/大尺度阶梯；
• 真实 CLI 翻译、生成、masked read 与重复率；
• 3090 显存、功率、吞吐和恢复审计；
• checkpoint、数据 manifest、SHA-256 和 GPL 发布材料。

完成门：结果在多 seed、未见数据和 checkpoint reload 后稳定，且不依赖研究脚本中的隐藏旁路。

依赖图

R0 术语与基线
 |
 v
R1 canonical TreeState
 |
 +---------> R2 context WRITE
 |                 |
 v                 v
R3 残差因果门 ----> R4 READ-Decoder 闭环
                         |
                         v
                 R5 soft-to-sparse / topology
                         |
                         v
                    R6 规模与产品

动态拓扑不是当前第一优先级。若状态类型和 READ 合同未固定，拓扑搜索只会在不稳定目标上扩大 搜索空间。

后续怎样逐项审查

以后检查表中任意一项，统一使用下面的模板：

概念名称：
正式输入/输出：
当前代码路径：
当前证据路径：
最强已支持结论：
明确未支持结论：
matched baselines：
干预方法：
资源预算：
通过门：
失败后如何处理：

若一项无法填写“正式输入/输出”，它仍是 M0 概念；无法填写 matched baseline，它最多是 M2 组件；没有因果干预，不能升为 M3；没有进入统一主链，不能称为 TreeHeap 完整能力。

最后结论

TreeHeap 当前最稀缺的不是新概念，也不是更多训练时长，而是把已有概念压缩成少数可替换、 可比较、可串联的算法接口。

最短主线只有四个动作：

WRITE -> FOLD -> READ -> DECODE

背景场、残差、Lifting、Butterfly 和私有协议，都必须明确自己在这四个动作中的位置。找不到位置的 概念暂存；占据相同位置的算法做 matched comparison；通过因果门的实现才进入下一层。

这张表不是给过去的工作判分，而是保护未来研发：我们仍然可以大胆提出问题，但每一个新词最终 都必须落成数据结构、函数签名、对照实验和可以失败的门。

License: GPLv3。路线图、Claim、证据边界与后续实验合同随 SameTime / TreeHeap 项目公开。