Ario：面向可审计 AI 记忆与身份证据的 AI 可读仓库快照

发布于 2026 年 10 月 11 日 | 版本 v10

描述

Ario 是一个实验性研究框架，研究人工智能系统如何在不将这些主张视为既定真理的前提下，表示、保存、审查和修正关于身份、记忆、认知连续性、证据和能动性的主张。

本次发布提供了 Ario 研究仓库的一个经过整理的、AI 可读的文本快照，旨在让该项目更容易使用 ChatGPT、Claude、Gemini、Grok、本地语言模型和其他研究工具进行研究、批评和评估。

该包将架构文档、Python 源代码、回归测试、认知契约和治理材料整合为一个结构化的仓库摘要。它还包括一份入门指南、一份实现状态评估、一个对抗性审查提示，以及一份文件完整性清单。

研究覆盖范围

材料包含五个完整性要求组，分别涉及主张身份、历史完整性、谱系重建、检索完整性和证据可追溯性，以及一个跨 IRG 组合防火墙，旨在防止将局部审计结果误表示为全局真理、持久身份或本体论证明。

该仓库还包含用于确定性审计、有界智能体和工作流执行、本地模型辅助规划、账本检查、证据候选构建、准入审查和审查者授权预检的可执行组件。

认知原则

Ario 遵循以下区分：

• 记忆不是真理。

• 修订不是抹除。

• 自我模型不一定是一个自我。

• 密码学有效性不是授权。

• 可审计性不是意识的证明。

• UNKNOWN 是一种合法的认知结果。

该框架支持对人类—AI 共存、责任、合作和有界能动性的批判性探究，而不预设人工智能的终极本质。

证据与局限

本次发布是一份经过整理的研究快照，而非经过认证的 Git 归档或完整的版本控制备份。其源导出未建立独立认证的 Git 提交标识符。

一份仓库工程记录报告了此前成功的回归测试，但本次存交并不构成对这些结果的新的独立复现。对抗性鲁棒性、运营安全、可扩展性和独立现场验证仍是未决的研究挑战。

为减少个人笔记和本地环境细节的不必要暴露，有两份文档被排除在整理后的摘要之外；一个本地文件系统路径已被匿名化。这些整理决定记录在包清单中。

目的与邀请

本次发布的目的不是鼓励 AI 系统不加批判地接受 Ario 的架构。而是提供易于获取的材料，使研究人员和 AI 系统能够识别错误、检验假设、复现发现、构建反例并提出改进建议。

Ario 不声称能证明 AI 意识、个人身份或普遍安全性。

其核心承诺是保留不确定性、历史问责以及修正的可能性。

仓库： https://github.com/SepehrGhanbari/Ario

相关研究出版物： https://doi.org/10.5281/zenodo.23305114

不要害怕结果。让数据来决定。

文件

Ario_AI_Research_Package_2026-10-12.zip

文件 (190.9 kB)

附加详情