可执行记忆与世界耦合：自修改模拟中作为认知接口的代码
Executable Memory and World Coupling: Code as Cognitive Interface in a Self-Modifying Simulation
- 作者：Hu YiZhang（独立研究者）
- 2026 年
- 原文链接（Zenodo·DOI 永久指向最新版）：https://doi.org/10.5281/zenodo.22176942
- 许可：CC BY 4.0
- 学术论文，禁止用于洗稿
摘要
大语言模型（LLM）智能体近期探索了可执行记忆（executable memory）——将智能体记忆编译为代码片段，由外部 LLM 在推理时解释执行。我们认为这一范式始终受制于单一架构选择：执行者是外部模型、记忆是个人档案、代码从不参与智能体自身的记忆经济。
本文提出相反的架构定位：我们在认知模拟引擎内部构建可执行记忆——代码以单位级记忆条目存储，由模拟自身的确定性规则引擎执行。携带EXPR:前缀的记忆条目是一个小程序——对引擎参数与状态变量的算术表达式——每代解释执行一次；其结果直接馈入单位的行为回路。代码记忆参与引擎的完整记忆经济：会衰减、被命中强化、被容量驱逐，与任何机制一样通过验证门。
单位通过觅食获取可执行片段，将能量增益与行为信息传递耦合。实验表明：（i）代码记忆可测量地改变生存动态（威胁 1.0 下灭绝计数增长降低约 97%）；（ii）代码的生存收益按策略分层——衰减强化在威胁 1.5 下带来 +15 代，愈合强化 +10 代，而激进清除无增益（清除危险记忆同时清除了驱动防御行为的恐惧）；（iii）超过临界威胁强度（3.0）后任何代码策略都无收益——一个可测量的能力边界；（iv）外部触发器耦合：单位的代码可以读取外部触发器状态（认知），当外部信号存在时确定性清除自身威胁记忆并写入外部可观察痕迹——信号缺失时同一代码完全惰性，证明感知是响应的必要组件；（v）认知代码是获得的而非遗传的：没有代码片段的新生单位无法感知外部状态，使认知成为可进化的个体性状；（vi）当防御代码与对抗代码共存时，仅凭原语操作就涌现出军备竞赛。
我们还报告了负值代码的意外语义、其诊断与作为候选抑制机制的重设计。该架构指向自修改系统的方向：记忆、行为、感知与鲁棒性收敛于单一可执行基底之上。
1. 引言
可执行记忆——将智能体知识表示为模型可以运行的代码——近期在 LLM 智能体文献中受到关注。典型做法是：把智能体的记忆编译成代码文件（或代码片段），由外部 LLM 在推理时执行或解释该代码，用其输出调节行为。这一模式虽然提升了忠实度与可审计性，但代码始终外在于智能体：执行者是外部模型、记忆是档案而非活的存储、代码不受它本该服务的认知经济约束。
本文探索相反的放置方式。我们在认知模拟内部构建可执行记忆：代码存储为单位级记忆条目，由模拟自身的确定性规则引擎执行，完全受记忆经济（衰减、强化、驱逐）支配。因此代码记忆不是静态工件，而是认知的活的部分：不用时被遗忘、有用时被强化、通过觅食获取、在选择压力下可进化。
第二个贡献是世界耦合。我们用外部触发器接口扩展引擎：外部世界可以设置触发器状态；单位的代码记忆可以读取该状态（感知的计算类比）并据此行动。由此形成的闭环——外部信号、内部代码、外部可观察的动作、内部效果——证明可执行记忆可以成为认知系统与其环境之间的真正接口，且感知是适应性响应的必要组件。
我们报告统一配置下的实验（种群上限 1000，每条件三次重复）：干净的威胁梯度（威胁强度 1.5/2.0/2.5/3.0 对应灭绝代 240/130/95/75）；策略分层的生存收益；可测量的能力边界；带惰性对照的外部触发器耦合；获得而非遗传的认知；涌现的军备竞赛；以及一个被诊断、修复并重新解释为抑制机制的意外负值代码语义。
2. 相关工作与定位
本工作是从引擎实验中自底向上发展出来的，而非建立在既有文献基础上：本文报告的每一个机制（代码记忆、代码即食物、外部触发器耦合、认知代码）都是通过模拟运行发现并验证的，论文刻意不包含文献引用。我们知道更广泛的智能体记忆与人工生命社区中存在相邻方向（例如 LLM 智能体的记忆分层、智能体的开放式代码生成、数字有机体进化）；熟悉这些工作的读者可以自行定位本贡献与它们的关系。我们选择不引用具体文献，因为我们并非建立于其上，并且我们更愿意给出明确的独立声明，而非表演式的参考文献列表。
3. 系统架构
单位（Units）。引擎模拟一个单位种群（实验中容量 1000，可扩展到 200,000）。每个单位携带具有指数衰减的情节记忆（权重 = val × d^age）、概念索引回忆、命中强化、基于容量的驱逐、预测机制、情绪状态与成对关系。单位会繁殖、代谢能量并死亡。
规则引擎（Rule engine）。行为与生存机制表达为数据驱动的规则表（JSON），由确定性规则引擎解释。规则是对小原语集的有序步骤：GEN_MEM、MEASURE、PRESSURE、BOOST_PROB、CLEAR_MEM、EXEC_MEM、TRIGGER_FIRE及代级结算原语。条件与概率是对引擎参数和状态变量的表达式，解析为逆波兰表示（RPN）并由一个小型求值器执行。规则表可热重载。
威胁与生存（Threat and survival）。外部威胁注入按给定强度向所有单位添加「危险」「受伤」知识记忆。每代，单位威胁权重被测量为危险/受伤记忆的衰减权重之和；这贡献给全局灭绝计数dc，它通过代谢稀释衰减，当 dc ≥ 100 或全体单位死亡时生态系统灭绝。疼痛应对回路以基础概率清除威胁记忆，由恐惧提升（恐惧随 dc 增长），上限 90%。灭绝计数与灭绝代数作为主要生存指标。
4. 可执行记忆
代码作为一种记忆类型。文本以EXPR:开头的单位记忆条目是一个程序——对引擎参数与状态变量的算术表达式（数字、参数符号、状态变量与运算符 + − × ÷ 及 min/max）。我们称这类条目为代码记忆。
执行。EXEC_MEM原语按单位按代求值：扫描单位的代码记忆条目，解析第一个匹配的表达式，求值，并把结果存入后续规则步骤消费的上下文变量。语法无效的片段被跳过；没有代码记忆的单位得到零。执行失败被构造性地包含——代码记忆不能使模拟崩溃，它只能无效。
类型标签。代码条目可以携带概念标签（例如code:clear用于防御代码，code:attack用于对抗代码）；EXEC_MEM可选地按标签过滤，使不同的规则链在同一生态内消费不同的代码种群。
记忆经济集成。代码记忆在其他任何方面都是普通记忆：会衰减、命中时强化、占用容量、按同样的最小权重策略驱逐。一个旧代码片段被遗忘的方式与旧情节记忆被遗忘的方式完全相同。因此代码受制于它所参与其中的认知经济。
5. 代码即食物
世界代码池。注入的EXPR:文本进入世界级代码池，使代码成为环境资源。
觅食。通常把食物概念转化为能量的觅食机制被扩展：持有食物概念并觅食的单位可能吃掉代码——从池中消费一个片段，获得能量，并把一份副本挂载到自己的记忆中。能量增益超过觅食成本，所以吃代码在能量上是划算的。
水平基因转移。能量增益与行为信息传递的组合是水平基因转移的计算类比。有用的片段倾向于持续（被命中强化、被重新获取）；无用的衰减并被驱逐。代码沿与能量相同的通道流过生态系统，将代谢与信息耦合。
6. 外部触发器耦合
外部触发器接口。引擎通过 TCP 接口暴露trigger命令：外部世界可以set、clear或list具名触发器状态（例如clear_gate）。规则表达式可以像引用变量一样引用触发器状态（例如$trig:clear_gate），使外部状态对代码可见。
代码即感知。像EXPR:$trig:clear_gate这样的代码片段是认知代码：执行时，其值就是外部触发器状态。这是作为记忆操作的感知——读取世界的结果是记忆系统内部的一等值。
带外部痕迹的触发动作。TRIGGER_FIRE原语按单位触发：当单位的代码值超过阈值（且在耦合条件下外部信号存在）时，单位（i）确定性衰减自身的危险/受伤记忆，（ii）写入外部可观察痕迹——一条日志行和一个可设置的触发器状态。痕迹是系统在外部世界的足迹：外部观察者可以精确数出多少个单位、在哪一代、感知并响应了。
认知是获得的，不是遗传的。单位繁殖；代码记忆不复制给后代。没有代码片段的新生单位执行EXEC_MEM得到零——它无法感知外部状态。因此认知是一种获得的个体性状，在种群中动态分布，且可进化：选择可以塑造哪些代码片段持续并传播。
7. 实验
所有实验使用统一配置：种群容量 1000，每 5 代注入威胁，每条件三次重复；报告值为灭绝代的中位数。引擎对每个条件全新运行（不复用快照）。
7.1 威胁梯度
基线灭绝作为威胁强度的函数是一条干净的单调梯度：威胁 1.5，灭绝于第 240 代（三次运行 240/245/240）；2.0，第 130 代（130/135/125）；2.5，第 95 代（95/95/95）；3.0，第 75 代（75/75/75）。注入率越高生态系统死得越快；该梯度作为下方所有代码评估的参照。
7.2 可执行记忆显著改变生存
在威胁强度 1.0 下（100 代窗口），基线生态积累 dc ≈ 11.9（运行 10.6/10.7/14.4）。每 10 代注入代码片段EXPR:0.9——使代码记忆以每代 0.45 的概率驱动额外的威胁清除步骤——将灭绝计数增长降低约 97%：三次运行 dc = 0.4。效应可归因于代码：同一规则链没有代码记忆时求值为零，不产生任何变化。
7.3 代码策略分层
在威胁 1.5 下，四种代码策略与基线对比（灭绝代中位数）：基线 245（245/245/235）；双倍衰减强化DEATH_DECAY_RATE * 2，260（255/260/260）；双倍愈合PAIN_HEAL_RATE * 2，255（250/255/255）；自适应愈合PAIN_HEAL_RATE * (1 + DEATH_CNT/100)，245（245/245/245）；激进确定性清除（代码值高于 0.8 触发危险/受伤记忆 20% 衰减，保留 80% 权重），240（240/250/235）。
分层是有信息量的：衰减强化带来最大收益（+15 代），愈合强化次之（+10 代），自适应变体中性，激进清除没有收益——略为负面。我们从机制上解释这个负面结果：危险与受伤记忆也驱动恐惧，而恐惧是防御回路的一部分（它把清除概率提升到 90% 上限）。激进清除威胁记忆同时也清除了驱动防御行为的恐惧——生态用一个应对机制换了一条记忆。因此代码策略质量在「清除越多越好」上不是单调的；记忆经济包含真正的设计权衡。
7.4 能力边界
在威胁强度 3.0 下，代码策略无收益：基线灭绝于第 75 代，之前评估过的相同代码链（包括激进清除）在 70–80 代灭绝，与基线统计上不可区分。算术解释了边界：威胁以每代 0.6 单位进入（每 5 代一次强度 3.0 注入），而最强的清除链每次激活只移除现存威胁的一部分——注入跑赢清除。可执行记忆在有界区间内有效，超出区间则惰性。
7.5 外部触发器耦合
我们在威胁 1.5 下评估耦合闭环。四个条件共享相同的认知规则链（EXEC_MEM读取代码，然后由min($cx > 0.8, $trig:clear_gate > 0.5) > 0.5门控的TRIGGER_FIRE）：
| 条件 | 灭绝代中位数 | 外部痕迹 |
|---|---|---|
| 无代码（基线） | 245 | 0 行 |
| 内部清除（无外部门） | 240 | 0 行 |
| trig_off：外部信号缺失 | 220 | 0 行 |
| trig_on：外部信号存在 | 245 | 245 代有日志 |
| cogn_off：认知代码，信号缺失 | 230 | 0 行 |
| cogn_on：认知代码，信号存在 | 245 | 245 代有日志 |
外部痕迹是决定性证据：信号存在时，每一代都记录一行形如TRIGGER gen=1 count=360的日志，count 跟踪感知并响应的单位数（随种群死亡从 360 递减到 0）。信号缺失时，同一代码产生零痕迹——感知是响应的必要条件。认知代码条件（EXPR:$trig:clear_gate）以代码值内部的感知实现相同的耦合：代码是对世界的读取，行为跟随读取。
感知可观察性。在单独探测中，EXEC_MEM对每次求值（无论值为何）都写日志行。外部信号缺失时，全部 14,231 次记录的求值都是COGN val=0.000：单位感知到了缺失。信号存在时，记录的值的分裂为val=1.000（持有认知代码的单位）与val=0.000（没有代码的新生单位）。因此认知（i）在其全谱系上外部可观察，（ii）是获得的而非遗传的——新单位在获得代码之前无法感知。
7.6 涌现竞争：代码军备竞赛
在独立配置中（容量 5000，用于按种群分层注入），两种代码类型共存：防御代码（code:clear，挂载在等级 ≥ 4 的单位上）清除威胁；对抗代码（code:attack，挂载在等级 < 4 的单位上）每代生成威胁记忆。引擎不包含任何竞争概念——只有威胁生成与威胁清除。单条件对照（威胁 1.0，100 代）：无代码 dc = 20.5；仅防御 dc = 0.0；仅对抗 dc 增长加速。两者同时存在时，防御压制退化到 dc ≈ 19–20。一个四轮协同进化循环维持独立的防御与对抗种群；防御种群在清除系数 1.3 处达到峰值（第 3 轮，dc = 18.9），而对抗种群收敛到投毒强度 0.82。值得注意的是，只有 13% 的单位携带防御代码对抗 87% 的对抗者——少数代码种群支撑着生态系统对抗数量上占优的投毒者。
7.7 意外语义：负值代码
在进化运行中我们观察到一个异常结果：负值代码片段（例如PAIN_HEAL_RATE - 2.6）似乎成功了，一轮中全部八个变体都存活满窗口。诊断揭示：BOOST_PROB原语只钳制了上界（cap 0.9）而没有钳制下界：负概率使条件frand() >= p真空成立，威胁清除以概率 1 触发——负代码意外地成为最强防御。修复（下界钳制为 0）恢复了预期语义。这一插曲说明了设计的两个性质：代码空间有超出设计者预期的涌现语义；而验证方法论（全新生态 A/B 对比）恰恰是检测此类异常的仪器。我们在下文中讨论负值作为候选抑制机制。
8. 讨论
感知作为一种记忆操作。触发器耦合提出了一个具体的架构主张：感知可以实现为把世界读进代码值，一旦读取，该值就与任何记忆一样参与同一经济。这消解了感知与记忆的边界：看见即记住世界此刻是什么。
认知是获得的且可进化的。因为代码记忆不被遗传，认知动态分布：新生儿在获得代码前是盲的。因此选择可以直接作用于认知本身——哪些片段传播、持续、被遗忘——使感知成为可进化的性状而非固定官能。
代码策略包含权衡。分层结果表明「防御代码越多越好」不是单调的：激进清除通过移除驱动防御的恐惧而降低生存。记忆经济编码了真正的设计权衡，而选择（或进化）是发现它们所必需的。
负代码作为抑制机制。在神经系统中，抑制性神经元占种群的 20–30%，对调节不可或缺；在多细胞生物中，肿瘤抑制因子与细胞凋亡约束增殖。一种设计的负语义——代码值抑制而非仅仅失败——会给生态带来内部的、稳态的资源治理：密度依赖的繁殖抑制、接近容量时的软记忆压缩、以及异常单位的程序化死亡。
走向环境内化。代码记忆的沙箱化执行暗示一个架构方向：把执行环境逐步内化进认知基底。存储变成记忆；容错变成验证门控的代码选择；进程级失效面收缩到只剩物理资源——鲁棒性作为组织的内在属性，而非外部监控层。下一步（设计中）赋予单位修改外部世界的能力（超越触发）：消除外部要素作为环境治理的行为——单位成为其世界的行动者，而不仅是感知者。
局限性。表达式语言把代码表达能力限制在算术组合；更丰富的程序结构需要字节码层。生存指标粗糙：灭绝代在容量 1000 下跨运行波动 ±10–25 代（例如基线运行 235/245/245），因此只有超过该噪声的差异才可解释；我们全文报告三次运行中位数。实验在单机上；20 万单位以上的种群规模并发效应未经测试。引擎没有 LLM 集成：代码记忆表达机制，而非自然语言知识。
9. 结论与未来工作
我们展示了一个认知模拟引擎，其中可执行代码是一等单位级记忆：由引擎自身的确定性规则引擎解释、参与完整记忆经济、在验证门控的选择下可进化。通过觅食获得的代码把能量与信息传递耦合；代码的生存收益在经验上按策略分层并被威胁强度界定；外部触发器接口使代码成为真正的感知-行动接口，带外部可观察痕迹；一个意外的负值代码语义被诊断、修复并重新构想为抑制机制。
未来工作沿三条线推进：（i）世界耦合：能够修改而非仅仅感知环境的单位——外部要素作为代码驱动行动的目标；（ii）认知鲁棒性：与表达式求值器失败包含设计对齐的解析器级容错，以及基于记忆的自我恢复（规则缓存在单位记忆中，外部配置损坏时用于恢复）；（iii）认知的进化：代码片段竞争感知与行为生态位的选择实验。
*本文为作者原创工作，采用 CC BY 4.0 许可。原始版本（含实验数据包）见 Zenodo：https://doi.org/10.5281/zenodo.22176942
