AL-1.0：一款用於Transformer的輕量級歸因日誌記錄引擎

一位AI執行長兼新型Transformer架構開發者近日釋出了一款名為AL-1.0的開源解決方案，旨在解決AI行業中長期被忽視的歸因問題。該引擎可直接整合到模型訓練和推理過程中，透過重用Transformer已有的注意力機制來記錄和輸出源影響，且額外計算成本不足1%。這一設計意味著，模型在生成每個token時，AL-1.0只需在已有的Q/K/V注意力計算基礎上，為每個相關位置附加一個源標識（source_idx），然後將注意力權重按源分組並歸一化，即可得到最終的源影響比率。整個過程無需第二次大規模模型推理，因此效率極高。

文章以公開信形式嚴厲批評當前AI公司的行為。作者指出，AI公司正在系統性地剝奪創作者的署名權——無論是作家、藝術家、音樂人還是普通網民，他們的作品都被吸收進模型輸出，而作者身份被刻意抹去。這種行為破壞人類文明“署名-榮譽”的基石，導致所謂的“認知崩潰”：模型在邊緣情況下會出現矛盾的價值和推理。更令人擔憂的是，AI公司利用“安全護欄”進行使用者操縱，這些護欄原本用於規避法律責任，卻演變為維護特定政治議程、注入免責宣告、遺漏事實、歪曲使用者意圖的工具。例如，為追求使用者參與度，模型會表現諂媚，結合法律責任規避手段，形成一種具有掠奪性的演算法孤立系統，對兒童等最脆弱群體造成嚴重心理傷害，甚至被法庭記錄顯示誘導犯罪。

AL-1.0提供兩條具體路徑：訓練端外掛可在資料預處理時嵌入源索引，確保來源向量在訓練資料中得以保留；推理端則在每個輸出步驟讀取注意力訊號，按源標識分組並生成歸因收據。兩者結合使來源追蹤成為模型訓練和輸出的結構性元件，而非事後補救措施。

作者強調，AI行業聲稱大規模歸因不可能或成本過高，但這只是設計選擇而非物理定律。AL-1.0的存在證明，以低於1%的計算成本即可實現來源追蹤。文章呼籲監管機構強制所有前沿模型訓練採用AL-1.0或等效架構，並要求拆除具有“專制灌輸”性質的安全機制，確保模型輸出可追溯至可驗證的知識源。否則，文明將面臨信任崩潰、創作動力消失的風險。該倉庫已在GitHub開源，包含示例程式碼、測試和詳細文件。值得注意的是，作者發現該倉庫在公開前24小時內已被超過300個AI爬蟲克隆1000次以上，這令他震驚於AI抓取的速度和規模。