一句话导读《回到原点》给出的答案是能但有三个条件三篇论文。本文是第二篇条件的首次实测汇报——** Paper B连接组约束的价值学习**我们把雄性果蝇中枢神经系统的 99.8 万条蘑菇体连接边、分布编码多巴胺、门控资格迹、受体级慢变量装进了一个 CPU 上能跑的学习器然后看着它以可预言的方式塌缩了三次。三次塌缩各值一篇论文的半个章节迹决定学习速度2 倍门控决定保持衰退 0.28 vs 0.59而符号条件化行为在稠密特征线性读出的架构下根本无法自举——这是通往世界模型的第一个实证路标。0. 当前坐标三篇论文走到哪了先交代进度细节全部在后文论线内容状态A 基准FlyBrainScore果蝇全脑活动预测基准数据管线 v0→v0.6 全通等第二只蝇下载完→基准 v1 上线B 方法NGC-FLY连接组×分布多巴胺×门控迹×受体慢变量本文数据侧完备 机制证据收官10 种子正式网格 双协议切换 具身接入C 验证DCA-Verif欺骗成本不对称双通道验证双试点完成通道分工被实测修正下一篇讲一句话B 线的机制证据侧基本收官本篇所有数字都是我们机器上第一手跑出来的。1. 数据侧99 万边连接组里先做尽职调查动手写学习器之前先把 maleCNSJanelia 2026 年 9 月发布的雄性果蝇全中枢连接组CC-BY的蘑菇体部分拆开看了个底朝天规模KCKenyon Cell嗅球投影神经元的下一站4,064 个、15 个类型MBON蘑菇体输出神经元97 个、37 类型DAN多巴胺神经元340 个、27 类型。KC→MBON 学习骨架 998,478 条边。数字对得上生物每个 MBON 平均读 631 个 KC 的输入、7.1 个 DAN 类型的调制——教科书里KC 稀疏投票、DAN 广播评价信号的图景在连接组层面是能点出具体突触的。递质全核实KC 100% 胆碱能MBON 分胆碱/谷氨酸/GABA 三群50/26/21DAN 338/340 确认多巴胺能——直接从突触伴侣表读出不是文献转述。区室名白捡aL/bL/b’L/gL垂直叶/水平叶区室直接从突触位点坐标归属区室级 DAN→MBON 调制矩阵和 KC→MBON 骨架矩阵一次成型——这正是受体级慢变量按区室作用Science 2026-08 的发现所需要的计算载体。一个待验证的意外KC→KC 有 64 万条边、KC→DAN 有 14.5 万条边——教科书里这两个通路几乎不存在。第一步核验群体纯净性 99.92% 同侧投射显示不是注释错误体量远超文献记载。是雄性特异是新技术灵敏度与 hemibrain 雌性数据对照后才能下结论先挂起不进模型。方法论插一句调研阶段的空白判定按月失效但连接组数字不会失效——一手统计 文献转述这是我们把数据侧做在写代码前面的原因。2. 学习器NGC-FLY 的四个机制组件架构细节见预注册草稿观测 → 固定随机投影 → KC 层(k-winner 8% honoring 生物稀疏率) → KC→MBON(掩码真实连接组) → MBON → 策略头 分位价值头(K5) DAN 通道每区室 δ^τ r γV^τ(s) − V^τ(s)分位 pinball 更新 门控迹λ(t) λ_base·σ(a·ub)u 分位区间宽 |δ| 指数滑动 受体慢变量m_c 按区室使用率相对再分配乘性门控策略读出学习率四个组件各自对应一个生物学事实k-winner 对应 KC 的 8% 稀疏响应分位价值头对应分布编码多巴胺Dabney, Nature 2020——不同 DAN 放大误差的不同分位门控迹对应不确定性调制的可塑性窗口受体慢变量对应受体状态依赖重塑。每个组件可以单独关断——这就是消融实验的分组依据。任务是一个 25 步的延迟奖励门控拉杆→延迟 5 步→门开 2 步→进入得奖。拉杆动作本身没有即时奖励——没有迹的学习器在原理上就跨不过那 5 步延迟。3. 第一次塌缩正式网格的三轴分解10 种子 × 5 配置的正式网格修掉环境 bug 后重跑旧环境的E4b 全塌结论已如实降级——那是一个窗口 off-by-one 的伪影见第 6 节。这次我们不只看终值把每条学习曲线拆成**学习前 1000 回合/ 峰值 / 保持末 1000 回合**三轴配置学习峰值保持衰退保持塌缩E3 门控迹分布RPE全量0.7140.9080.281最小2/10E4 固定 λ0.950.5980.8660.594最差6/10E4b 无迹0.372最慢0.7350.4485/10E5 标量 RPE门控0.4410.7620.3253/10E6 无受体慢变量0.7550.9500.4423/10三条结论每条都比谁分高有意思① 迹的必要性 学习速度不是最终能力。无迹学习器E4b前 1000 回合的成功率是全量配置的一半0.37 vs 0.71但峰值也能到 0.74——修正后的环境里存在门开了就进去的反应式奖励通路无迹的学习器靠它最终也能及格。迹买的是到达曲线的斜率。② 门控迹 保持。全量配置从峰值只掉 0.28固定高 λ 掉 0.59保持塌缩 2/10 vs 6/10。固定的高迹在长延迟任务里累积失控——不确定性门控的真正身份是稳定器这是预注册预测 P1信用归因之外的新叙事点。③ 普遍晚期衰退是新发现。所有配置从峰值掉 0.28–0.59包括先学到 0.83 再塌到 0.00的个例。软最大策略读出没有探索底线动作被抑制 → 资格迹失去支持 → 权重永不更新 →探索无法恢复的吸收态。我们在另一个环境里独立复现了同一病理见第 5 节并验证了它的解药ε 探索地板。另外 E6≈E3受体慢变量在单任务里中性0.755 vs 0.714——这与预注册判断一致受体慢变量的检验条件不在单任务。4. 第二次塌缩切换协议的 null 与具身线的水平效应受体慢变量什么时候才有行为差异我们做了两个独立协议m105 抽象协议任务 A/B 交替情境线索经连接组掩码绑定到不同区室组全修复版 8 种子切换恢复迟滞 E3 71±50 vs E6 69±48 回合n60/59 次切换——null。MuJoCo 具身协议轴孔插入 × 五感 24 通道 × 棱镜镜像变体变体 B 视觉 x 通道取反、本体不动“同一视觉观测→相反动作”教科书级 prism adaptation8 种子迟滞 62±25 vs 58±25n56/56——还是 null。速度上两次独立复现 null我们差点把受体慢变量记为惰性元件收工。但具身线的另一个度量翻出了东西全程成功率 E3 是 E6 的 2.0 倍0.054 vs 0.027种子级 Mann-Whitney AUC 0.70而两组的衰退幅度几乎相同前→后半窗 −0.028 vs −0.026。机制检验干净E3 的区室增益变量 m 打满再分配量程跨区室极差 1.000E6 恒 0——操纵确实生效。所以修正后的假设是受体慢变量提供的是变体 regime 下的更高技能水平水平效应既不是切换速度也不是特异的抗衰退。机制候选很诱人m 的区室相对再分配策略读出上的软混合专家即使行为还没完全条件化部分变体偏好已经受益。效应量中等AUC 0.70n16 的定谳实验在写本文时正在过夜跑。这是 P4 之外第二条 E6 判别通路也是受体级可塑性怎么影响行为这个 Science 2026-08 发现的第一份计算回答尝试。5. 第三次塌缩符号条件化根本无法自举诚实边界也是路标具身线最深的坑花了我们 7 轮配置迭代值得单独讲。棱镜变体的核心行为是符号条件化视觉误差为正时向左推、为负时向右推——同一观测维度、相反的最优动作。诊断发现两个层面的死锁k-winner 的绝对值门吃掉符号|P·obs| 对 ±输入对称。实测 MBON 活动与位置的相关高达 0.825但 KC 胜者集合在正负位置间只有 3 种——符号信息在最前置的一层就没了。解法是生物带来的把误差拆成 ON/OFF 双通道果蝇 LMC 的整流通路符号变成哪条通道在响k-winner 可分。Wpi 需要 W 的特征、W 需要 Wpi 的梯度——策略权重需要表征特征来定向表征权重需要策略梯度来分化。m105 抽象任务能逃逸因为它的关键信号是单侧的拉杆回声专线而符号条件化是双态的在稠密 MBON 特征 线性策略读出 资格迹执行者的架构下没有自举路径。这不是调参失败是架构边界。它恰好指向《回到原点》里 RQ1 的核心判断下一个必要的机制层是学习型世界模型/规划器——条件化策略需要一个能对误差状态→动作后果做内部推演的模块而不是更花哨的迹。负结果指路比正结果值钱。6. 调试战役精编十个教训每个都有数据机制研究的大部分时间不在想机制在证明自己没被骗。本轮最有复用价值的十条零阶保持伺服会周期-2 振荡对象时间常数 12ms ≪ 控制周期 50ms 时采样环不稳定——伺服必须每仿真步重算奖励尺度的可学门槛策略梯度对 0.005–0.02/步量级的信号有响应实测0.001–0.004/步的塑形会被价值噪声完全淹没绝对值特征提取层吃符号见上ON/OFF 整流是果蝇教的软最大资格迹的冻结吸收态动作不被选→迹无支持→权重不更新→永不恢复。ε 探索地板 迹视野拉长λ_base1.0、γ0.98视野约 50 步联合解除塑形奖励的游走吸引子对称的正负塑形噪声会自我强化成只游走不行动没有触发的惩罚是纯噪声伺服推力 2N 从未超过 2.5N 的碰撞阈值——两个版本实验结果逐位相同才暴露回合间忘记 reset切换实验的每个回合退化成 1 步旧结论作废旗标读取顺序成功旗标在读之后才 reset成功率恒 0 的假象跑了两组实验才被抓到窗口 off-by-one门衰减先于进入判定执行声明的 2 步窗口实际只有 1 步——正式网格为此整个重跑环境 bug 会制造干净的科学结论旧环境里E4b 10/10 塌缩 vs E3 0 塌的漂亮分离是伪影。修正环境后结论更弱但更真——宁可结论弱不要结论假。7. 下一步n16 的水平效应定谳跑着探索地板对普遍晚期衰退的消融——如果 ε 地板消除晚期塌缩稳定器叙事就完整了门控管迹、地板管策略KC→KC/KC→DAN 体量反常与 hemibrain 对照挂起项下一层机制把 RQ1学习型世界模型接进具身线攻符号条件化自举死锁。C 线验证栈的实测更刺激校准后的语义通道对物理漂移一次都不响加通道至少不亏被证伪——见下一篇。附关键参考Male Drosophila CNS connectomeCC-BY 开放— male-cns.janelia.org / Cell 2026FlyWire 全脑连接组 — Nature 2024分布编码多巴胺 — Dabney et al., Nature 2020受体状态依赖重塑 — Science 2026-08前置阅读本系列第 3 篇《回到原点》三篇论文的规划与设计宪法声明本文所有实验数字为作者本机第一手测量CPU、多种子、脚本随工件存档样本量与诚实边界已在文中标注n16 定谳与文献对照进行中结论以正式论文为准。转载请注明出处。