RESEARCH / FEP
DishBrain-Lite:用自由能替代奖励
一个用 Python 复现 DishBrain 核心思想的缩小版:自监督世界模型、事件预测主动推理、LIF/STDP;没有外部奖励。
NEURONS600LIF 储备池
REWARD0无外部奖励
TESTSPong100% / ~95%

01 / HYPOTHESIS
可证伪的“不靠奖励学习”
它不复刻 80 万活神经元,只问一个小问题:只靠预测误差/自由能信号,能不能涌现出目标导向行为?
结果是:在 Pong 这个封闭任务里可以。事件预测智能体 800 步评测命中率 100%,LIF 控制器约 95%。
02 / HONESTY
不是数字生命的证明
它是计算孪生原型:行为来自规划与可塑性读出,不是培养皿里的自组织。它能验证假设,不能替代生物实验。
