導覽已等待：回到畫面並解除環境動態暫停後，才會繼續。
小麥還不知道答案時，能先想像哪些不同可能？
H = {h₁, h₂, …}; prediction(hᵢ)表示方式示例 · 非已辨識的模型公式小麥目前的表示與選題方式，可能讓某些候選根本不會出現。
小麥能否自主提出候選仍是研究目標；想像、依據與未知要分開。小麥要提出不同理解及選題理由，回查生成候選的函數、假設與條件，再問生成方式本身是否需要改變。
要檢查候選能否提出可區分的預測；無法檢驗的部分保持未知。
尚未執行此零件的模型實驗零件比喻運算機制，公式與依賴由人設定；這裡沒有呼叫小麥模型，也沒有量到它的真實內部原因。Python 是目前的執行與檢查工具；跨基礎學科的表示與修改是長期方向，可達範圍仍未知，不表示所有學科能完整公式化。
拆解的「身體」比喻 AI 的運算機制，不是機器人硬體。場景、零件與路徑均由人設計，沒有連接小麥模型；互動只能說明研究構想，不能證明自主研究能力。
小麥要追問的不只是「哪個答案」，還有「為什麼自己一直只看見這些可能」。
構想之外，已經做到了什麼？小麥要質疑人提出的問題，也要檢查自己形成問題、選擇實驗與學習的機制。它能否說清楚為什麼選這個問題、還缺哪些觀察，提出新理解，再把重新定義改成可執行機制？這是研究目標；下方六步都能回訪、分岔或撤回，選取只改變人設計的示意。
長期希望借助各基礎學科的底層公式、函數、假設、適用條件與依賴，表示、檢查並修改自身機制與問題理解。Python 是暫時的執行與檢查工具；可追查與修改的層級仍待逐項驗證，不表示所有學科能完整公式化，也不代表已看清完整模型內部思考。
人編寫的研究情境，不是模型紀錄或實驗結果。
設想小麥想弄懂一個尚無答案的現象，卻反覆選擇容易得到高分的問題。它能否發現：不是再多答幾題就會進步，而是自己把「值得研究」定義成了「容易答對」？
這次要打開的「零件」，是自己的選題函數：它用了什麼依據、假設與適用條件？另一個候選，是選擇能區分未知解釋的實驗，而不只挑熟悉答案。這要改到實際機制，不能只換一句說法。
新舊版本要在同樣資訊與預算下比較，找出能反駁改動的結果。不支持就撤回；有效也還要檢查，重啟後、在未用來調整的新問題上，小麥能否自己再用。這個情境只說明追問方向，不代表已有這些成果。
這個「身體」是計算機制的概念比喻，不是機器人硬體。螢幕上的零件只是表示的起點，接著追問：用了什麼公式、函數、關係、假設與條件？
同一個研究身體 · 概念插畫想像不同可能概念對照
小麥還不知道答案時，能先想像哪些不同可能？
H = {h₁, h₂, …}; prediction(hᵢ)代表性表示 · 非已辨識的模型公式從單一零件，繼續追查它與目的、假設、候選和證據的關係。這些連結由人設計，並未量到模型內部。
這裡由你選擇追問路徑；AI 主動選題仍是待驗證目標。
關係與候選由人設定，沒有呼叫模型、產生新機制或實驗結果。選取身體零件與選取研究階段是不同操作；這張圖回應的是研究階段與分岔。
小麥要先想像其他可能：還沒出現的功能、尚無法解釋的現象，或另一種理解問題的方式。它能否從自己的未知與理解缺口，主動形成值得研究的問題，說清楚為什麼要追問，而不只挑已經會答的題？
換一個前提，小麥還能看見什麼可能？
留下候選、選題理由與可區分的預測；不能檢驗的想像仍保留為未知。
研究循環由人表示。每個能力目標仍需要獨立實驗，而不是靠這個場景證明。
目前的 CPU、局部神經計算與保存恢復工作，先讓實際運算、參數更新和狀態保留能被核對。這是日後定位、修改並留下有效機制所需的基礎。
研究接下來要檢查：小麥能否從自己的未知與想像形成研究問題，提出可反駁的新理解或知識，並把驗證有效的改變留下為重啟後、新問題上仍可使用的能力。這些基礎紀錄尚未證明自主研究循環已成立，要逐筆看實際涵蓋的層級。
不是原始證據、模型內部或實驗結果。
交付摘要記錄 4,555 項 CPU 回歸測試，失敗、錯誤與略過均為 0。
範圍與限制測試通過不代表自主研究能力已成立；信用 loss 仍是合成契約。
v0.9.2 DELIVERY_STATUS.json / scope.full_regression
限定 CPU 交易核對了主權重與動量保存，以及新程序接續的下一步一致性。
範圍與限制不是完整 True 整合模型的單檔冷啟動驗收。
v0.9.2 DELIVERY_STATUS.json / new_process_next_step_equal
A100 恢復同一個 True，唯讀核對 47 份主權重、20 份既有動量，涵蓋 1,067,974 個選定參數值。
範圍與限制此次沒有前向、loss、梯度更新或新 checkpoint；不能說新後端已完成真實模型學習。
next_learning_v1 INDEPENDENT_ACCEPTANCE.json
README 記錄 2 個 token 預填、1 個 token 接續解碼與 6 組梯度比較。
範圍與限制網站製作時未重跑 raw 證據；外層線性投影仍使用原生 PyTorch，完整模型整合待驗證。
v0.9.4 README_zh.md / 驗收範圍
README 記錄在 456 個合成參數試驗中，串接 Python 反向計算、AdamW、保存與新程序恢復。
範圍與限制真實 True 的新後端訓練尚未驗收；合成試驗不能代替真實模型驗證。
v0.9.4 README_zh.md / 驗收範圍
自主形成與重新定義問題、提出新解釋，並保留可重現的研究能力提升，仍是待驗證的核心。
範圍與限制目前不能宣稱完整底座皆由 Python 運行、看清所有內部思考，或實現無上限自主進化。
v0.9.2 autonomous_research_improvement_proven=false；v0.9.4 完整整合待驗證
待執行的實驗規格。四組對照尚未執行，這裡呈現驗證辦法與否定條件；網站上的人工算子路由與控溫示意不是這份實驗的結果。這次初始實驗檢查完整研究循環中的必要環節：發現可疑處、提出可執行改變，以及核對保留與再使用。
一起設計第一個公平實驗先核對目前程式中哪一部分接受測試、能改變什麼表示或計算，以及如何移除它作對照。「小麥機制」的具體受測部分仍需界定，不能把人工編排的網站流程當成它已具備的能力。執行前寫下問題、研究理由、原始目的、可用操作、停止條件與判定方法。
在共同環境與規則下直接處理問題，作為基準。
待執行增加反思或修訂機會，受同一預算約束，記錄實際成本。
待執行具體受測部分與可執行改動仍需先核對，再測是否帶來可重複改變。
待執行移除待測核心機制，核對差異是否仍存在。
待執行發現、可執行的改變與持久保留分開判定。研究問題形成不能只用最後一道答案的分數替代；新理解要提出可被反駁的預測，接受檢驗後才能判斷是否支持新知識。
指出值得質疑之處及研究理由，區分可疑訊號、候選原因與仍缺的證據。消融和對照用來定位與檢查，不能把可疑處直接當成已確定的原因。
定位表示、變數、依賴或機制的差異，保留原始目的，不能只改寫解釋。
保留未用來調整機制的新條件與相關問題，檢查效果能否延續、是否需要提示。
核對保存前後狀態，分清留下的是筆記、方法還是模型能力。重啟後是否恢復、未提示時是否選用，以及原有能力是否退步，都是獨立檢查；保存成功本身不能證明持久能力。
若核心消融沒有差異，不能宣稱改善由它造成；若換題後失效、重啟後無法選用，或原有能力退步，都要如實記錄。比較可重複的可靠性、成本與轉移收益，不以單次勝出宣告普遍優越。
預計提供方法、設定、觀測範圍、版本差異、失敗與反例，供他人核對與重跑。這是待執行規格，不代表已取得外部驗證。
這裡以研究介紹與合作為主，不是募資頁。歡迎帶來共同實驗構想、工程核對方法，或你願意提供的研究資源。
可一起界定問題、設計公平對照與反駁條件，事先約定可重現材料與成果署名。
從可執行程式、紀錄與狀態恢復切入，核對假設如何落到機制，以及有哪些失敗邊界。
可討論算力、測試環境、領域資料或研究經費；先確定實驗範圍、使用條件與可核對的交付。
發起人為國立高雄大學資訊工程學系畢業生，目前以獨立研究計畫推進。
如果你想以資源參與，可以從一個範圍明確的實驗開始，確認需要什麼、由誰提供，以及如何核對使用結果。
正式募資頁尚未啟動，也沒有上線中的付款功能。這裡是資源合作的洽談入口，不是募款專案或投資邀約；不保證研究成果、收益或完成日期。
以下是可選的最小原理示範。算式與控制器都由人設計，在瀏覽器實際運算；它們不是小麥自主研究成果，也不是完整模型內部的觀測。
小麥想研究的方向 · 人為設計的可操作示意
不是換一句答案，而是沿著實際執行，找到可疑零件，質疑它原本被怎樣定義，再把修改放回運算。
長期希望借助各基礎學科的底層公式與函數，表示、檢查及修改自身機制與問題理解；能做到哪裡，仍待驗證。
下方每個機制、修改與判準皆由人預先寫好，沒有呼叫小麥模型。它讓你核對一條路，不是宣布小麥已自主走通。
3 + 5加總或相乘，是需求的一部分。
(left, right) → product舊定義只收到數字對，忽略需求。
3 × 5 = 15乘法本身沒有算錯；選它來做這次的加總才不符需求。
出現不符需求的結果。先追查選擇與執行，不急著叫它重答。
目前明確需求是 3 + 5，參考值為 8。原版不讀取 operation，一律選乘法：3 × 5 = 15。 這次原版不符需求，可回查需求到算子的路由。
目前載入原版，輸出 15，不符需求。 參考值與判準來自明確需求及人寫算術，不是模型自己發現。
問題不只是「答案錯了」。要分開問：需求被如何表示？哪個零件選了運算？被選中的運算是否照其定義正確執行？
只換算子解決這個例子，不代表已修改形成問題的機制，更不證明自主進化或新科學。小麥要驗證的，是能否自己找到可疑定義、提出可執行改變，並在公平、未提示與重啟檢查中保留有效能力。
想像新的自己，還要追問零件為什麼這樣被定義。修改要能執行，也要能被推翻；有效改變才值得留下。
想像不同可能：這是小麥要研究的能力，不是這個示意已證明的成果。展開完整研究循環
本頁以明確 operation 與有限數值，示範需求表示、算子選擇、算術運算與人工參考核對。sum = left + right；product = left × right。只涵蓋這些人寫函數，不涵蓋語言理解、神經元、真實模型學習或完整思考。
Python 只是目前的執行與檢查工具。長期希望借助各基礎學科的底層公式、函數、基本假設、適用條件與依賴，逐步表示、檢查及修改自身機制與問題理解。能達到的表示與修改範圍仍未知；這不表示各學科都能完整公式化，也不表示已全面拆解真實模型，更不保證找到根源。
這個網站示意實際由 TypeScript 在瀏覽器執行。記憶體版本重載不同於保存知識、保存參數、真模型重啟、保密新題轉移或持久能力改善。
同一個 3 與 5，從執行、公式與需求三個角度核對。乘法本身可以正確，路由卻回答了錯的問題。這是人預先寫好的公開示意，不是真實模型被拆開後的內部源碼。
sum(3, 5)；人提供的預期是 8。三種檢視共用這個需求；乘法對照只改 operation，數字與兩個算子的公式保持相同。
本頁實際呼叫 executeInspection，讀取其輸出與 trace。原路由忽略加法需求而選乘法；候選路由依 explicit operation 選算子。程式以 TypeScript 執行，示意的需求、候選與判定規則均由人預先寫好。
const request = { left: 3, right: 5, operation: "sum" };
const original = executeInspection(request, "original");
const candidate = executeInspection(request, "candidate");
const product = executeInspection(
{ ...request, operation: "product" }, "candidate"
);
const interventions = inspectInterventions(request);以下紀錄由這次示意函數呼叫返回，不是以敘事補上的假執行，也不是模型的思考過程。
[
{
"part": "requirement",
"input": "{\"left\":3,\"right\":5,\"operation\":\"sum\"}",
"output": "3 + 5 = 8"
},
{
"part": "resolver",
"input": "{\"left\":3,\"right\":5}",
"output": "product"
},
{
"part": "arithmetic",
"input": "3 × 5",
"output": "15"
},
{
"part": "check",
"input": "actual=15; reference=8",
"output": "mismatch"
}
][
{
"part": "requirement",
"input": "{\"left\":3,\"right\":5,\"operation\":\"sum\"}",
"output": "3 + 5 = 8"
},
{
"part": "resolver",
"input": "{\"left\":3,\"right\":5,\"operation\":\"sum\"}",
"output": "sum"
},
{
"part": "arithmetic",
"input": "3 + 5",
"output": "8"
},
{
"part": "check",
"input": "actual=8; reference=8",
"output": "match"
}
]原路由的 3 × 5 = 15 算得正確，錯在需求是求和。候選不是把答案寫死成 8；換成求積，仍執行乘法。單個替換消融回到固定乘法，讓加法錯誤重現。這些結論只涵蓋此人工程式及指定條件。
[
{
"part": "requirement",
"input": "{\"left\":3,\"right\":5,\"operation\":\"sum\"}",
"output": "3 + 5 = 8"
},
{
"part": "resolver",
"input": "{\"left\":3,\"right\":5}",
"output": "product"
},
{
"part": "arithmetic",
"input": "3 × 5",
"output": "15"
},
{
"part": "check",
"input": "actual=15; reference=8",
"output": "mismatch"
}
]sum(x, y) = x + yproduct(x, y) = x × y兩個算子與數字不變。原 resolver 的輸入缺少運算需求，固定送到 product；候選 resolver 把 operation 納入依據，才有辦法在和與積之間選擇。修改的是語義到執行的依賴，不是乘法公式。
(left, right)resolve(left, right) → product(left, right, operation)resolve(left, right, operation) → operation這裡的 sum / product 需求已由人明確標定。如何取得可靠需求、原始問題是否合理、模糊語義能否被正確理解，仍需另外檢查；一個公式或一條路由不能代替這些問題。
原始目的仍是依需求計算同一組數字。不能把求和偷換成求積，或只展示 8，便宣稱問題已自主解決。這個例子展示外部觀察者如何拆開一個公開算子路由。
這裡人已揭露加法需求與錯誤位置。尚未驗證小麥能在沒有原因提示時自主發現矛盾，判斷原問題本身有錯，或提出可執行的新定義。
此固定示意沒有模型學習、權重更新、新程序恢復或未提示的選用驗收。小麥如何形成問題、選擇實驗與學習的機制，能否被它自己修改並獨立驗證，仍是長期目標。
沒有。公式、適用條件、需求來源、表示方式和形成問題的機制，本身仍可被質疑；也不假定所有學科都能完整公式化。
加熱指令還在路上，現在的溫度卻已決定下一步。這個控溫示意讓你比較：狀態只包含當下，與把等待中的指令也納入表示，有什麼差別。
兩個控制器都由人預先設計，延遲也直接揭露。這裡沒有呼叫小麥模型，不是它自主發現缺口或四組研究實驗的結果。
原始目的保持不變：讓溫度接近 35°C。調整指令延遲，觀察同一環境下的兩條曲線。
120 個時間步、相同初始狀態、相同指令上限。拖曳或用方向鍵調整；下方可下載每一步數值。
在這個玩具環境中，納入尚未生效的指令可以減少誤差。它展示的是人設計的表示差異；AI 能否自己找到、檢驗並保留這種修改，仍需獨立實驗。
想核對曲線？把每一步的數值帶走重算。
研究不需要你先相信。
值得追問的地方，應該攤開。
小麥要從自己的未知與想像，找到值得追問的問題。它也要問：為什麼自己總是這樣提問、選擇實驗與學習？這些機制能否被檢查、修改和獨立驗證，再留下為可再用的能力？這仍是研究目標，不是已證明的成果。
下載中英研究摘要是的，自我改進、程式演化與自主科學研究已有許多工作。小麥要面對的，不只是怎麼把答錯的地方改對：當現有知識不夠，它能否從想像不同可能、自己的未知與不足，主動形成值得研究的問題，說清理由，再選擇方向？它也要質疑人給的問法，以及自己形成問題、選擇實驗和學習的機制。新的理解要變成可執行改變，接受推導、對照、實驗與反駁；有效的改變才可能支持新知識，並留下為重啟、換題後仍能使用的能力，而不只是一份筆記。這些是待驗證目標，不是已取得的成果。方向本身不等於創新已成立，貢獻仍要靠方法、對照與可重現結果說明。
需要公平比較：先核對目前程式中具體受測的部分與可執行改動，再用同樣的模型與資訊權限，控制或揭露計算預算，分別測試直接回答、額外反思、小麥機制與核心消融。分開檢查實際表示或機制改變、重啟後恢復、未提示的新問題仍會選用，以及原有能力是否退步。失敗、沒有差異或拿掉核心機制也一樣有效，都必須保留。這次初始實驗只檢查完整研究循環中的必要環節；網站控溫示意也不是這個四組實驗。
Python 是暫時的執行與檢查工具，不是小麥最終的知識表示方式。小麥要沿實際運算，回查公式、函數、基本假設、適用條件與依賴，問清楚：這個機制為什麼這樣做？眼前的條件適用嗎？長期方向是借助各基礎學科的這些表示，逐步檢查並修改自己的計算機制與問題理解，包括如何形成問題、選擇實驗與學習。網站的機械身體是計算機制的概念比喻，不是機器人硬體成果。能達到的表示與修改範圍仍未知；不表示各學科都能完整公式化，也不表示真實模型已全面拆解。未知不能硬編成公式。消融與對照可以定位可疑處，不能直接把它當成已確定的原因；更底層的公式與形成問題的方式，也仍可被質疑。
對小麥而言，思想實驗的啟發是：先想像另一種可能，不急著沿原來的路繼續算。如果走不通，它能否回頭檢查被當成理所當然的假設？如果條件成立，會有什麼不同預測？再用推導與實驗接受檢驗；資訊不夠時，指出下一個需要的量測。這些仍是小麥要建立的能力，不是能力對等的主張，也不是承諾一定產生下一個相對論。
這裡是小麥的研究介紹與合作主站。可以先討論共同實驗、獨立核對、工程方法、算力或研究經費。正式募資尚未啟動，網站也不收款；若之後推出募資，會另設活動頁，交代實驗範圍、金額、用途、期間、交付材料與風險，再由你決定是否支持。洽談不等於已成立合作，也不保證研究成功或收益。
不必先認同整個願景。你可以挑一個假設或現有機制，一起決定要核對的問題、可取得的資料與什麼結果算不成立。適合先從小範圍的實驗、方法審查或工程核對開始。公開頁面與摘要可先閱讀；未公開材料的範圍、用途與分享方式，要另外討論。不把邀請或聯絡當成第三方認證。
發起人為國立高雄大學資工畢業生，目前以獨立研究計畫推進。尚無已登記公司，也不把聯絡、參賽或合作邀請當成獲得背書。未來如有正式合作，會在取得同意後清楚列出合作範圍。
網站不設帳號、不收款，不使用廣告追蹤或網站分析 Cookie。互動示意在瀏覽器計算；研究摘要從同站公開 API 取得，不傳送個人模型輸入。合作表單僅組成 Email 草稿或下載文字，不在網站伺服器保存；按寄出後，內容由你使用的郵件服務與 Gmail 處理，僅供回覆與合作討論。請勿提交敏感資料。如需刪除已寄送資料，請來信提出。
託管服務可能為安全與維運處理必要的連線紀錄；網站開發者未另外串接第三方追蹤。研究內容可能更新，實際能力以各版本驗收範圍為準。網站更新：2026-10-01；研究摘要日期見公開紀錄。