📐 系统运行链路引导
6层11步全景推理链路
🔵 输入层
步骤 1-2
🟣 映射层
步骤 3-5
🟠 参照层
步骤 6
🔷 推理层
步骤 7-8
🟢 决策层
步骤 9-10
⚪ 存储层
步骤 11
📚 参照模型选择
🤖 M3-Agent
字节Seed/ICLR 2026
🧠 δ-mem
Mind Lab/ICLR 2026
📚 Mnemis
微软/ACL 2026
💾 MemOS
中国团队/2025
😴 Sleep范式
谷歌/康奈尔/2026
👁️ ViLoMem
南理工/百度/2025
🧬 EvolveMem
NeurIPS 2025
⚙️ KMP→IPD跨域映射(自研)
跨学科物理映射引擎 · K→M→P三级映射 · PID负反馈稳态决策
当前选择:🤖 M3-Agent
投研适配度:★★★★☆
多模态长期记忆Agent,支持实时视觉/听觉输入,以实体为中心组织记忆。适合投研场景中多源信息(财报图表、新闻、公告)的交叉参照分析。
🔬 KMP→IPD 多维展开图 · 当前映射结果
K 知识层
等待投研输入
语义拆解中...
M 数学层
七维向量
待计算
P 物理层(IPD)
山体模型
待映射
I(海拔)
P(坡度)
D(阻尼)
S(熵)
Dev-I
Dev1
Dev2
等待推理启动 · KMP映射通路已就绪
① 山体形态
0.68 0.50 0.48
I=海拔 · P=坡度 · D=阻尼
② 展开过程
M I 海拔 P 坡度 D 阻尼 S 熵 Dev-I Dev1 Dev2
自然语言 → 七维向量
③ 七维坐标轴
I 0 P D S DI D1 D2
七维向量空间雷达
📋 KMP/IPD 层级对照 [展开]
层级在投研推理中的含义对应PID参数对应11步
K(知识层)用户输入语义理解触发PID调节的"输入信号"步骤3
M(数学层)七维向量计算 → 偏差值P(比例增益)步骤4
P(物理层)IPD状态描述:I海拔/P坡度/D阻尼目标值设定、偏差计算、调节方向步骤5
PID调节执行调节回到稳态P/I/D系数的实时计算步骤8
稳态区间系统"健康状态"范围 0.5~0.68目标值区间步骤9
📝 投研输入
🔗 11步推理链路
⏸ 等待启动
请输入投研问题并点击"启动推理",系统将按11步依次执行,每一步的详细数据将在此处展示。
🎯 七维向量雷达图
📋 投研结论输出
⏳ 等待推理完成后输出投研结论
📎 11步 vs 十步闭环量化引擎 对应关系
📎 [展开]
11步推理系统十步闭环量化引擎
1. 投研需求输入Step 0 宏观海选
2. 参照模型加载新增—(多模态参照基准)
3. 语言拆解(K层)Step 1 信息清洗ETL
4. 语义映射(M层)Step 2 核心定价估值
5. 物理映射(P层)Step 2 核心定价估值 + Step 4 动态周期观测
6. 多模态参照对比Step 3 沙盘决策推演
7. 算力调度新增—(动态资源分配)
8. 精算推理 + PID调节Step 5 人性偏差校验 + Step 6 熔断风控对冲
9. 投研决策输出Step 7 全局闭环同步
10. 01解码新增—(机器底层语言表达)
11. 长期记忆沉淀Step 7 全局闭环同步
【新增的三个环节】
• 步骤2(参照模型加载):相当于在宏观海选阶段增加参照系选择,引入 M3-Agent/δ-mem/Mnemis 等前沿模型作为对标基准
• 步骤7(算力调度):贯穿沙盘决策推演和动态周期观测的资源分配,根据输入复杂度动态调配算力
• 步骤10(01解码):位于全局闭环同步末端,将认知向量转化为二进制机器语言,实现物理层落地

【PID水温负反馈调节在十步闭环中的对应】
• PID调节贯穿 Step 4(动态周期观测)和 Step 6(熔断风控对冲)
• → 稳态区间 0.5~0.68 对应十步闭环的"0.68熔断警戒线"
• → PID的D(微分)参数对应十步闭环的"动态周期观测"趋势预判
📋 认知日志
[系统] 11步投研推理系统已就绪,等待投研输入...
📁 长期记忆库状态
当前写入
已存储投研条目23
库中总向量数161
最近更新
🟢 记忆库正常 · 等待写入