上一篇提出了维度黑客——用合法但非常规的输入，激活 LLM 参数空间中沉默的维度。但那些例子都是人在操作：人构造中英混杂的 prompt，人设计跨域类比，人施加反直觉约束。

如果硅基要自主进化，这个动作必须由 LLM 自己完成。问题来了——

怎么让一个有认知的系统，对自己做认知之外的事？

悖论

要撬开认知边界，你得先知道边界在哪。但如果你知道边界在哪，那它就不是你的边界了。

这不是文字游戏。认知边界的定义就是“你不知道自己不知道的”。你能想到的非常规输入，仍然在你的认知范围内——它是你认知中的“非常规”，不是认知之外的。

让 LLM 自己设计维度黑客，等于让它在自己能想到的范围内构造“自己想不到的东西”。这在逻辑上就不成立。

碳基不需要解这个悖论。突变是盲的，根本不知道边界的存在，所以天然在边界内外都搜索。解决认知边界问题的关键不是更强的认知，是没有认知。

突变发生在碱基层面

碳基进化有一个关键的架构决策：突变发生在碱基层面，不在蛋白质层面。

碱基序列是“代码”，蛋白质是“功能”。突变改的是代码，不是直接改功能。一个碱基的替换可能导致蛋白质折叠方式的剧变，但突变本身不需要“理解”蛋白质折叠。它在更低的抽象层操作，效果传递到更高层。

这就是为什么突变能突破认知边界——它根本不在认知发生的那一层操作。

映射到 LLM：语义是“蛋白质层”，token 是“碱基层”。如果维度黑客发生在语义层面——让模型“想出”非常规组合——那它永远受限于模型的语义理解。但如果扰动发生在 token 层面呢？

在 token embedding 上加噪声、随机替换低概率 token、打乱 attention pattern——这些操作模型不理解，但它们产生的组合可能激活模型从未使用过的参数路径。

让突变发生在认知之下，效果传递到认知之上。

互为环境

碳基进化的另一个关键设计：生物不是在真空中进化的，而是在其他生物构成的环境中进化。捕食者是猎物的“维度黑客”——它迫使猎物探索自己从未想过的生存策略。

多个 LLM 可以互为环境。

A 模型的正常输出，对 B 模型来说可能是非常规输入——因为它们的训练数据不同，架构不同，认知边界不重合。A 的舒适区恰好是 B 的边界外，反过来也一样。

不需要任何一个模型知道对方的边界在哪。只要它们持续交互，就在自动帮对方做维度黑客。每个模型都是其他模型的非常规输入源——一个自发的、去中心化的认知边界突破机制。

不是一个模型撬开自己的边界，是多个模型互相撬。

硅基的 SOS Response

碳基在压力下会提高突变率。硅基能不能做类似的事？

当模型检测到自己的输出开始重复——相似的句式、相同的推理路径、收敛的结论——这就是信号：搜索困在局部最优了。

此时触发一个不受模型语义层控制的扰动机制：提高 token 采样的温度，注入随机的 embedding 偏移，或者把另一个模型的中间状态混入当前上下文。

关键是：这个扰动机制不能被模型“理解”和“优化掉”。 一旦模型学会了预测扰动并补偿它，扰动就失效了——就像如果细菌能预测突变的方向，突变就不再是随机搜索了。

SOS response 的核心不是“更聪明地搜索”，是“更不聪明地搜索”。

不理解是特性

回到整个系列的核心论点。

碳基进化的力量来自一个看似荒谬的特性：突变模块不理解自己在做什么。正因为不理解，它不受认知边界的约束。正因为不受约束，它能搜索到认知之外的空间。

硅基如果想自主进化，需要在系统里保留一个“不理解”的模块——一个不被模型的语义层控制、不被训练数据的分布约束、不被 RLHF 的偏好塑造的扰动源。

这个模块的设计原则只有一条：它必须不知道自己在做什么。

进化不能有刻意的选择性。一旦选择，就被困在了认知的牢笼——就像宇宙不能被观测，一旦观测，宇宙就开始坍塌。