dsh-arena

ARENA inference arena protocol: a model is a witness, not a judge — a conclusion must win its bout before it earns trust.

ARENA 推理竞技场协议：模型是证人，不是法官——结论打赢擂台才值得信。

每个声称带实验编号：experiments/ 下 2 个实验装置（E01–E02），全部真进程实测，对照组说话。

核心设计 / Core design

主流让模型生成答案（法官）；TREMOR 让模型生成假设（证人）+ 人写规则当法官。ARENA 再进一步：模型生成证人证词（必须声明立场）→ 结论进擂台打赢淘汰赛才值得信。

| 层 | 语义 | 实测底盘 | |---|---|---| | 证词层 | 模型声明立场（modelId + 累计信用） | E01 | | 军法结构审 | 只查结构（假前提引用/循环论证），不查语义——诚实边界 | E01 | | 三票擂台 | chair + 自洽 + 信用 MAD 离群（后两票=非 LLM 防线，同源幻觉对策） | E01 | | 平行宇宙翻案 | 被否结论不删除，休眠可复活——错误是资产 | E01 | | 裁判任期治理 | 验证者误判两次降级清零——固定裁判会腐败 | E01 | | 成本计量 | 确定性由 API 调用次数买，账单可审计 | E01 |

实验编目 / Experiment index

| 编号 | 实验装置 | 内容 | |---|---|---| | E01 | arena-protocol-experiment | mock 协议闭环：证词/结构审/三票擂台/翻案/裁判治理六关 | | E02 | arena-live-llm-experiment | 真模型擂台：DeepSeek 双模型证词 + 幻觉黄金标准（不可知问题）对照 |

用法 / Usage

# mock 协议闭环（无需 API）
node experiments/arena-protocol-experiment.mjs

# 真模型擂台（需要 DEEPSEEK_API_KEY 环境变量）
node experiments/arena-live-llm-experiment.mjs

诚实边界 / Honest boundaries

• 军法只查推理结构（引用存在/无循环/无孤儿），不查语义蕴含——图算法查不了自然语言语义，交质证层软判断。
• 多模型验证对同源架构（同为 Transformer 系）的共同幻觉仍需非 LLM 防线兜底（自洽 + 离群）。
• E02 真模型实测记录如实呈现：某注入下模型不幻觉就是不幻觉，不编数据。

审计欢迎 / Audit welcome

每个声称背后的实验数据在 experiments/ 里可复现。