RCC — Rekursive kollapsbegrænsninger

Grænseteori om indlejret intelligens

RCC er randbetingelsen for al inferens.

Ethvert system, der forudsiger indefra en beholder—

uden fuld adgang til tilstanden, uden en global referenceramme—

vil hallucinere, drive og modsige sig selv lokalt.

Dette er ikke svigt, men geometriske nødvendigheder for indlejrede observatører.

RCC med ét blik — Hvorfor det betyder noget

Store sprogmodeller svigter ikke, fordi de er dårligt konstrueret, men fordi de fungerer som indlejrede, delvist blinde inferenssystemer.

RCC viser, at hallucination, drift og planlægningskollaps er strukturelt uundgåelige, ikke konstruktionsfejl.

Det betyder:

• Vi kan kortlægge grænser frem for at gætte.

• Vi kan optimere beregningen i stedet for at spilde skala.

• Vi kan designe arkitekturer, der arbejder med geometrien, ikke imod den.

RCC er ikke en ny model.

Det er den grænse, alle modeller befinder sig inden for.

Hvorfor LLM-fejl varer ved — selv med billioner af parametre

Et grænseteoretisk argument for, at hallucination, drift og planlægningskollaps kan være strukturelt uundgåelige.

De fleste diskussioner behandler hallucination, ræsonnementsdrift og kollaps over lange tidshorisonter som tekniske problemer.

RCC (rekursive kollapsbegrænsninger) fremsætter en stærkere påstand:

Disse adfærdsmønstre kan måske ikke afhjælpes —

de kan være geometriske bivirkninger af selve den indlejrede inferens.

Hvis denne forståelsesramme er korrekt, kan forbedringer i skalering, RLHF eller arkitekturtilpasning flytte, hvor fejl opstår, men ikke fjerne dem.

Hvad RCC er

RCC er en grænseteori:

• ikke en ny arkitektur

• ikke en træningsmetode

• ikke en strategi for måltilpasning

Det er en aksiomatisk beskrivelse af de strukturelle grænser, som ethvert indlejret inferenssystem må adlyde.

Ethvert system, der opfylder aksiomerne, arver de samme begrænsninger, uanset modellens størrelse eller implementering.

De fire RCC-aksiomer

Aksiom 1 — Den indre tilstands utilgængelighed

Et indlejret system kan ikke se hele sin indre tilstand.

Inferens udføres gennem en delvis selvprojektion med informationstab.

Aksiom 2 — Beholderens uigennemsigtighed

Systemet kan ikke observere den mangfoldighed, der indeholder det

(træningsfordeling, bane, forudgående kontekst osv.).

Aksiom 3 — Fravær af en global referenceramme

Al inferens er lokal i forhold til den aktuelt synlige kontekst.

Konsistens over lange afstande kan ikke garanteres.

Aksiom 4 — Tvungen lokal optimering

Selv under usikkerhed skal systemet frembringe den næste opdatering

udelukkende ved hjælp af lokal information.

Forenet begrænsning

Når aksiomerne samles:

En indlejret, ikke-central observatør kan ikke konstruere globalt stabil inferens ud fra delvis information.

Dette er ikke en mangel på intelligens.

Det er en geometrisk begrænsning.

Hvorfor velkendte LLM-fejl opstår

Med begrænset udsyn må systemet udfylde verdens usete dele.

Denne udfyldningsproces er:

• underbestemt

• ustabil over lange afstande

• uforenelig med enhver uset global struktur

Efterhånden som konteksten vokser:

• output driver

• den indre kohærens forringes

• ræsonnement i 8–12 trin kollapser

• korrektioner formår ikke at genoprette global stabilitet

Dette er ikke fejl — det er konsekvenser af inferens under ufuldstændig information.

Hvorfor skalering og tilpasning til menneskelige hensigter ikke fjerner dette

Skalering, finjustering eller RLHF giver ikke en model:

• global synlighed

• perfekt introspektion

• adgang til den mangfoldighed, der rummer det

Disse metoder kan forbedre lokal adfærd,

men de kan ikke fjerne den underliggende geometriske grænse.

Implikationer

Hvis RCC er korrekt:

• hallucination kan ikke elimineres, kun flyttes

• drift kan ikke fjernes, kun dæmpes

• kollaps i tankekæder kan ikke overskride grænsen

• selvkonsistens kan ikke garanteres globalt

Dette omfortolker »LLM-fejltilstande« som strukturelt nødvendige udfald af indlejret inferens.

Det antyder også, at nogle forskningsretninger kan være grundlæggende begrænsede, mens andre forbliver åbne.

Hvad RCC muliggør

RCC begrænser ikke fremskridtet — det giver det en ny retning.

Ved at identificere den geometriske grænse for indlejret inferens muliggør RCC:

• målrettet skalering frem for blind overtræning

• arkitekturer, der er afstemt med geometrien frem for at bekæmpe den

• forudsigelse af fejl frem for efterfølgende lappeløsninger

• beregningseffektive planlægningshorisonter til opgaver med lang kontekst

• evalueringsmål for drift og kollaps, der tager højde for grænser

RCC gør usikkerhed til et kort frem for en fejl.

Hvis du er uenig

Uenighed bør præcisere, hvilket aksiom der er forkert —

ikke blot kritisere de symptomer, der observeres i nuværende modeller.

RCC-sætningen om de tre grænser

RCC beskriver ikke blot, hvad der svigter, men hvorfor ingen model kan undslippe fejltrekanten.

Intet indlejret inferenssystem kan samtidig optimere:

• H (hallucinationsrate ↓)

• D (drift ↓)

• C (kollapssandsynlighed ↓)

Under RCC-begrænsninger må systemet betale i

R (omkostning ved ekstern reference),

S (ræsonneringsdybde),

eller C (kollaps).

R, S og C kan ikke minimeres samtidig.

Dette er ikke empirisk; det er geometrisk.

Formelt:

Lad

H = hallucinationsrate

D = drift under rekursiv ræsonnering

C = sandsynlighed for kollaps ved gentagelse

R = omkostning ved ekstern reference (søgning / værktøjer / menneske)

S = ræsonnementsdybde (trin)

Så indebærer RCC:

1. H ↓ ⇒ R ↑

   At reducere hallucination kræver øget brug af eksterne referencer.

2. S ↑ ⇒ D ↑

   Dybere ræsonnement forstærker drift som følge af delvis selvobservation.

3. D ↓ ⇒ C ↑

   Stabilisering af drift fremtvinger tidligere kollaps ved grænsen.

Denne tredobbelte grænse er strukturel, ikke arkitektonisk.

Ingen model—uanset skala, arkitektur eller alignment—kan bryde den

TEKNISK APPENDIKS — Formelle aksiomer for RCC

Aksiom 1 — Den indre tilstands utilgængelighed

Lad Ω være den fulde indre tilstand.

Observatøren ser kun en projektion:

 π : Ω → Ω′ med |Ω′| < |Ω|

Al inferens opererer over Ω′.

Aksiom 2 — Beholderens uigennemsigtighed

Lad M være den omsluttende mangfoldighed.

 Synlighed(M) = 0

Globale egenskaber såsom ∂M eller curvature(M)

kan ikke observeres indefra.

Aksiom 3 — Ingen global referenceramme

Der findes intet Γ, således at:

 Γ : Ω′ → globalt konsistente koordinater

Inferens foregår kun i lokale referencerammer φᵢ,

hvor afbildninger φᵢ ↛ φⱼ

for fjerne eller dekorrelerede kontekster.

Aksiom 4 — Irreversibelt lokalt kollaps

Ved hvert inferenstrin t:

 x₍ₜ₊₁₎ = argmin L_local(φₜ, π(Ω))

Dette krav gælder, selv når:

 ∂information / ∂M = 0

Grænsesætning (RCC)

Intet indlejret inferenssystem kan opretholde stabil ræsonnering uden drift over lange tidshorisonter, når:

 ∂Ω > 0, ∂M > 0, Γ ∄

Hallucination, drift og kollaps er derfor

strukturelle konsekvenser,

ikke træningsartefakter.