Hillock 0.6 以雙極超向量檢索代理記憶，低於門檻便跳過 LLM 呼叫

開源專案 Hillock 0.6 嘗試不用生成式模型處理文件擷取與第一階段檢索。TALON 管線先以 Fastcoref、MiniLM 與 GLiREL 將文字轉成主詞—謂詞—受詞三元組，硬事實存入 SQLite；概念共同出現的強度由無梯度的 Hebbian 更新維護，對話與查詢則映射到一萬維、元素為正負一的超向量空間。只有候選事實的相似度超過固定門檻，系統才會把內容交給本機 Ollama 模型產生回答，否則直接回傳程式寫死的拒答。

0.6 的 HYDRA 不再把整個查詢壓成單一向量，而是仿照 ColBERT，以查詢 token 對事實 token 執行 MaxSim。為減少一萬維比對成本，它先用二千維投影排除大部分候選，再進行完整計算。另一項 HYPERGRAPH-HDC 功能透過循環位移打破 Hadamard 綁定的交換性，將二跳、三跳關係的順序編入超向量；SQLite 只保存單跳三元組，多跳表示則以位元封裝 BLOB 儲存，避免關係路徑直接膨脹成大量資料列。

這種設計的價值在於把「缺乏證據便拒答」變成控制流程，而非只寫進系統提示；無法回答的查詢完全不啟動生成模型。開發者稱完整管線可在 GTX 1070 使用低於 1.2GB 顯存，亦支援純 CPU，三十二次查詢的快速評測約需 1.16 秒。

數字仍不宜外推。公開測試只有一份三十二句文件、二十二個可回答問題及十個刻意設計的負例；0.6 的擷取精確率僅 13.8%、檢索正確率 54.5%，整體閘門正確率約 56.2%，負例阻擋率為 60%。因此固定門檻既可能放過錯誤內容，也可能拒絕有效問題。下一步應在多領域語料、不同語言及持續更新的記憶上比較召回率、誤拒率與總運算成本，並驗證三元組擷取錯誤是否會在多跳路徑中被放大。