01IMAGINE
先問：還有沒有別的可能？
人類還不知道答案，不代表問題只能停在這裡。先提出另一種可能，再把想像變成可以被檢查的假設。
想像小麥 / 問題形成與自我修正研究
如果問題
一開始就
問錯了呢？
我想做的小麥，不是等我說它錯了，
就換一個答案。它能不能先發現：
卡住的，是不是原本的問法？
研究發起人｜國立高雄大學資工畢業自主重新定義問題，仍待實驗證明。
XM / 問題形成研究
01 / 想像候選假設
H₁ · H₂ · H₃02 / 質疑問題定義
這樣問，對嗎？03 / 拆解公式與函數
f(x) · state04 / 重定義重新組合
(T, pending)05 / 驗證實驗與反駁
control / ablate06 / 保留留下驗證改動
save / restore02 / QUESTIONRESEARCH CONCEPT
預先編排的概念動畫，不是小麥正在運行或已達成的能力。
01 / THE RESEARCH QUESTION
不是把答案換掉。
是回頭看，問題怎麼來的。
這是小麥想走的路。每一步，都有尚待回答的問題。
研究路徑 / 概念關係圖
01 / 想像候選假設
H₁ · H₂ · H₃02 / 質疑問題定義
這樣問，對嗎？03 / 拆解公式與函數
f(x) · state04 / 重定義重新組合
(T, pending)05 / 驗證實驗與反駁
control / ablate06 / 保留留下驗證改動
save / restore01 / IMAGINERESEARCH CONCEPT
公式與函數是希望逐步建立的可檢查表示，不代表現有模型已被完整拆解。
02QUESTION
如果連我們問的問題，都有問題？
不是等答案錯了才重算。想研究的是：矛盾、失敗或缺少的資訊，能不能讓小麥察覺，一開始的假設就不對？
質疑03TRACE
不只聽它解釋，要能查它做了什麼。
把可觀測的執行、狀態和改動攤開，一個零件、一個函數地比對。Python 是暫時的工具；長期希望回到基本學科的公式與函數，讓依賴與假設更容易檢查。真正能追到哪一層，仍須逐一驗證。
拆解04REFRAME
修零件以前，先問為什麼這樣做。
回到目標、條件和因果關係。如果原本的表示漏了重要條件，就重新定義。連「自己如何提出問題」的機制，也是希望能被檢查的對象。
重定義05EXPERIMENT
拿掉它、換個問題，再試一次。
用對照與消融確認改善來自哪裡，也測沒調整過的新情境。沒有差異、失敗或退步，都要留下來，不挑最好看的結果。
驗證06RETAIN
真正學到的，重啟之後還要在。
不只這次換了一個答案。新的解釋能不能經得起反駁？修改能不能留下、重播、跨情境仍然有效？能否產生新知識、保留能力改變，不能由小麥自己說了算。
保留
THE IDEA BEHIND XIAOMAI先想像一個
先想像一個
還不存在的自己。
愛因斯坦讓我想到的，不是「算得更快」，而是敢回頭檢查理所當然的假設。小麥的出發點，也是這個問題。
想像能不能走得更遠，要用實驗回答。
A SMALL ASSUMPTION. A DIFFERENT OUTCOME.
換個假設，
看看會發生什麼。
不是把答案說得更漂亮，而是把漏掉的條件放回模型。用一個小小的控溫環境，體會「改答案」和「改問題定義」的差別。
互動原理示意
控制器由人預先設計。這裡沒有呼叫小麥模型，也不代表它已自主發現錯誤假設。
實驗條件
加熱指令不一定立刻生效。
目標是 35°C。調整指令延遲，看看只盯著「現在的溫度」會不會來不及。
立即生效延遲 8 步
120 個時間步、相同初始狀態、相同指令上限。
原本：只看當下改良：考慮等待中的指令
原本平均絕對誤差7.82 °C
改良後平均絕對誤差0.72 °C
這個玩具環境中，考慮尚未生效的指令可以減少誤差。真正難的是：能否由 AI 自己找到這個缺口？
想核對曲線？下載每一步的數值，自己重算。
EVIDENCE, NOT JUST A PROMISE
願景很大，
證據要具體。
能追蹤、能重播、能恢復，是讓實驗值得信任的起點。但它們和「AI 自己發現問錯了問題」，是兩件不同的事。
限定驗證v0.9.2
CPU 學習交易的回歸基礎
交付摘要記錄 4,555 項 CPU 回歸測試，失敗、錯誤與略過均為 0。
查看範圍與限制
測試通過不代表自主研究能力已成立；信用 loss 仍是合成契約。
核對依據：v0.9.2 DELIVERY_STATUS.json / scope.full_regression
限定驗證v0.9.2
保存之後，下一步仍能對得上
限定 CPU 交易核對了主權重與動量保存，以及新程序接續的下一步一致性。
查看範圍與限制
不是完整 True 整合模型的單檔冷啟動驗收。
核對依據：v0.9.2 DELIVERY_STATUS.json / new_process_next_step_equal
唯讀匯入驗證True / A100 唯讀
真實 True 的選定狀態匯入
A100 恢復同一個 True，唯讀核對 47 份主權重、20 份既有動量，涵蓋 1,067,974 個選定參數值。
查看範圍與限制
此次沒有前向、loss、梯度更新或新 checkpoint；不能說新後端已完成真實模型學習。
核對依據：next_learning_v1 INDEPENDENT_ACCEPTANCE.json
摘要記錄／限定比對v0.9.4
真實第 0 層 GDN 核心比對
README 記錄 2 個 token 預填、1 個 token 接續解碼與 6 組梯度比較。
查看範圍與限制
網站製作時未重跑 raw 證據；外層線性投影仍使用原生 PyTorch，完整模型整合待驗證。
核對依據：v0.9.4 README_zh.md / 驗收範圍
合成試驗v0.9.4
串接修改、學習與恢復
README 記錄在 456 個合成參數試驗中，串接 Python 反向計算、AdamW、保存與新程序恢復。
查看範圍與限制
真實 True 的新後端訓練尚未驗收；合成試驗不能代替真實模型驗證。
核對依據：v0.9.4 README_zh.md / 驗收範圍
尚未證明核心研究
自己找到值得質疑的地方
自主形成與重新定義問題、提出新解釋，並保留可重現的研究能力提升，仍是待驗證的核心。
查看範圍與限制
目前不能宣稱完整底座皆由 Python 運行、看清所有內部思考，或實現無上限自主進化。
核對依據：v0.9.2 autonomous_research_improvement_proven=false；v0.9.4 完整整合待驗證
截至 2026-09-29 的本地交付摘要；網站製作時未重跑模型測試。 這裡的「驗證」指專案驗收紀錄，不是第三方學術認證。未公開權重、私人檔案或完整原始運行資料。
下載公開進度摘要 JSONSUPPORT THE EXPERIMENT, NOT THE HYPE
想支持的，
是一次認真的求證。
支持我們的理由，不該是「它一定會超越誰」。而是這個問題值得被認真研究，而且結果應該能被別人核對。
每一筆支持，要有去向。
以下是討論用的比例，不是已承諾的支出。正式募資前會補齊估價、期間、回饋與風險。
運算與實驗
360,000 元 40%以最小可驗證環境開始；依結果決定擴大運算。
研究開發與測試
270,000 元 30%對照、消融、保留與恢復檢查。
重現與公開材料
180,000 元 20%整理實驗記錄、失敗案例與可檢查的研究摘要。
平台與風險預備
90,000 元 10%服務成本、手續費與不確定項目。
研究可能失敗或無法達到預期。此網站不是投資邀約，不提供收益、獲利或完成日期保證；沒有上線中的付款功能。
不是早就有人在做 AI 自我改進了嗎？
是的，自我改進、程式演化與自主科學研究已有許多工作。小麥想追問的是：能否修改問題定義，以及形成問題的機制，再把有效改變留下來？這個方向本身不等於創新已成立；真正的貢獻仍要靠方法、對照與可重現結果來說明。
你怎麼證明這不是一般 AI 多想幾次？
需要公平比較：同樣的模型、資訊與資源，分別測試直接作答、多次反思、小麥機制，以及拿掉核心機制。再看未調整過的新問題與重啟後的結果。網站的互動示意不是這個四組實驗，也不拿它冒充成果。
為什麼先用 Python？不是要拆成底層公式嗎？
Python 目前是容易修改、檢查與重播實驗的工具，不是終點。更長期希望讓運算、狀態、假設與修改都能明確表示，並盡可能回到基本學科的公式與函數；但這不表示目前已看清所有模型內部思考，或把整個真實模型都替換完成。
和愛因斯坦有什麼關係？
是研究上的啟發：走不通時，能否回頭看被視為理所當然的假設？先想像可能，再問條件是否成立，最後用推導與實驗接受檢驗。這不是說小麥已具有愛因斯坦的能力，也不是承諾一定會產生下一個相對論。
支持研究，具體會得到什麼？
正式募資尚未啟動。預計先公布對照實驗、清楚的驗收里程碑、成本估價、預定期間、風險與可交付材料，再決定方案。不承諾賺錢、股票、模型能力或必然成功；現階段可以先洽談研究合作或資源支持。
誰在做？有公司或研究機構背書嗎？
發起人為國立高雄大學資工畢業生，目前以獨立研究計畫推進。尚無已登記公司，也不把聯絡、參賽或合作邀請當作獲得背書。若未來有正式合作，會在取得同意後清楚列出合作範圍。
LET'S ASK BETTER QUESTIONS
如果你也在追問，
我們想認識你。
你可以是研究者、工程師，或想支持一次求證的人。不必先認同願景；帶著問題來，也很好。
研究團隊 問題形成、元認知、可解釋運算與自主研究。
驗證伙伴 實驗設計、對照與消融、獨立重現。
支持者 運算資源、研究支持與實務合作。
發起人為國立高雄大學資訊工程學系畢業生。目前以獨立研究計畫推進；不虛構公司、合作機構或背書。
隱私與網站使用說明
網站不設帳號、不收款，不使用廣告追蹤或網站分析 Cookie。互動示意在瀏覽器計算；研究摘要從同站公開 API 取得，不傳送個人模型輸入。合作表單僅組成 Email 草稿或下載文字，不在網站伺服器保存；按寄出後，內容由你使用的郵件服務與 Gmail 處理，僅供回覆與合作討論。請勿提交敏感資料。如需刪除已寄送資料，請來信提出。
託管服務可能為安全與維運處理必要的連線紀錄；網站開發者未另外串接第三方追蹤。研究內容可能更新，實際能力以各版本驗收範圍為準。更新：2026-09-30。