拆解而非扩展：按构造实现能力无关的 AI 系统

研究提出用任务拆解替代模型扩展：把可确定性求解的部分交给宿主程序，模型只处理不可约的模糊残差，由此获得“按构造对齐”特性。在从 494M 参数本地模型到 Opus 级前沿模型的九个模型上，宿主解析上下文后，操作选择得分在九个模型上完全一致，选择器解析在九个中的八个一致，而无法拆解的标注任务性能仍随模型规模上升。该方法无需任务特定训练或微调，并在物理设置、动作重定向与对象模型编辑中复用。