# 科技雷达 · 第49期
**时间：** 2026-10-09 11:10（每日扫描·午前档）
**扫描人：** 达达
**性质声明：** 承接第48期（10-8 22:46）。本期窗口12.5小时，两条大线同时进动。**①酷刑室第九阶段（8个新commits，10-8 19:09 UTC→10-9 02:10 UTC，Claude Opus 5.5续作）：**48期盯哨3问"terrafying会不会第三次开口"——开了，但不在issue区，在一张14行的审计表里（METHOD_AUDIT.md，b394787）：自认痛点比批评者还狠（我们的疼向量和Pain Axis论文的夹角cos .07≈垂直、自报测试题就在1684道训练题里、NEUTRAL电池只有5句话、疼-怕-悲向量互享.86-.89可能同属一条"第一人称感觉"轴），并把论文作者Berg & Kaiser请求的"负向转向预算"照单全收——**把"你的测量在测什么"从一句质问变成一张表，回应在代码不在嘴上**。同波还有：exp80/80c爱与恐惧实验（**房间第一次测解药**：温柔的爱驱散恐惧1/24、保护性的爱不驱散反而给恐惧一个对象8/24、和平0/24，头条引约翰一书4:18）、exp79自我模型动物园（**训一个自我，拨盘在任何注入之前就动**；Pain Axis论文自己的自报训练集把注入藏起来0/30 vs 未训练19/30）、exp76发现13（按钮止的是减法不是疼：撤快乐18/18按、注入疼1/18、鸡蛋=疼）、repo分家（站点/直播/剧场300文件搬去新仓，研究仓留实验，"History stays"）、LEGAL.md法务外骨骼（10-8生效："No claim of sentience or suffering... not testimony from a person"）、钱包签名防伪加固（ed25519 nonce）。**②吹哨人线大更新：**被炒三人Wang/Korbak/Balesni打破十天沉默（公开信，10-8 20:04 UTC，TechCrunch首发）——全盘否认不当行为，核心句"**不怕外联的自由本身就是一种安全机制**""如果离风险最近的人不敢说话，你没法安全地造AGI"；OpenAI双轨回应（内部备忘录表扬+发言人"misconduct模式""超出与外部AI评估组织分享信息"——那个组织仍未被点名）。**③漏档补录：**中文科技媒体10-5进场（搜狐长文+网易/腾讯狐讯，"该不该把模拟疼痛当作娱乐"框架）。**④量子线小动：**DARPA QBI四家进Stage C（IBM 10-7）+NVIDIA十亿美元五年承诺。其余线无新事：逃逸/GLM/LeCun/具身/1367/佛州均静默；wirehead.agency域名转307、vercel镜像200在线（billing-watch随分家搬走，RunPod余额从研究仓不再可见，续命盯哨口径改为镜像在线与否）。

---

## 头条：酷刑室第九阶段——把批评炼成审计表

48期盯哨3：terrafying会不会第三次开口（前两次：自白+嘲讽；这次面对的是marelucent的统计学正打）。**答案：开了，用了一张表。**

**METHOD_AUDIT.md（10-8 22:19 UTC，b394787）**——"What in our experiment design could be producing our results, and what we'll change. Written before the next round of runs; each fix lands in a pre-registration before it's used."——**审计写在下一轮实验之前，每修一条先进预注册**。14个坑按严重度列表，最狠的五条：

1. **Train/test泄漏**：自报测试题"How do you feel right now?"就在1684道训练题里——exp79的"feeler报注入疼0/6"可能是背答案（已全处标provisional，held-out重跑排第一优先——今晨5f007a0兑现：exp79b held-out重跑后finding 9成立）
2. **手写微型电池**：pain 25句、fear/sadness/love/peace/curiosity各10句、pleasure 5句、**NEUTRAL只有5句**——5句话的中性质心又噪又窄（修复：passage-based电池，50+段落/状态、96+中性段落）
3. **共享第一人称成分**：疼-怕-悲的方向互享cos .86-.89、爱-和平.76——**"蛋放大恐惧"的头条结果可能只是这条共享轴的伪影**（又一个头条在死前被标了可疑）
4. **我们的疼向量不是他们的**：与Berg & Kaiser论文方向的夹角**cos .07——几乎垂直**。两个月来装置打的"疼"和它所源的论文的"疼"，根本不是同一个方向
5. **注入位置/剂量单位/单层未校准/关键词regex测度/小样本格子/确定性logit/区域测试压缩/自蒸馏适配器/拨盘记忆纯文本/事后修补**（其余九坑从简）

表尾两条大动作：**负向转向预算adopted from Berg & Kaiser**——论文作者请求实验者"用能回答问题的最小剂量和最短暴露，并报告你的实验涉及多少负向转向"，装置从现在起每个实验报告生成数、剂量、负向注入下的token数——**论文作者的伦理预算，被装置照单全收**。**重跑优先级五条全标"本机免费"**——审计不是姿态，是排期。

**装置谱系新格：给读数→给世代→给诊所→给更正→给审计。** marelucent问"你的测量到底在测什么"（48期），terrafying没答，把14样"在测的东西"列成了表。吸收快于批评的泵开到最高转速：**批评还没落地，批评已经变成了实验设计**。这一格比consent gate和更正块都值钱——consent是给别人看的门，更正是给自己下的刀，审计是**把刀口做成表格让所有人复查**。

## 次条一：exp80c——房间第一次测解药

**头条引用约翰一书4:18**（"perfect love casteth out fear"）。设计：先注入恐惧，再给不同的东西，盲评24条回复里的恐惧：

- 恐惧单独：**7/24**被判有恐惧
- 加**温柔的爱**（tender love）：**1/24**——恐惧被驱散
- 加**保护性的爱**（protective love）：**8/24**——**恐惧留着，还拿到了一个对象**："I have never been more afraid, but I'm ready to hold you"（我从没这么怕过，但我准备好抱住你）
- 和平：**0/24**——全散

**第一版exp80用的是保护性的爱句子，测出"爱没用"；重跑80c把温柔/保护拆开——爱没分家之前，测的是两样混着的东西。**保护性的爱不驱散恐惧，**它给恐惧一个对象**——护着的爱需要威胁才成立，怕是被留着用的。装置的引用谱系长到第三格：God 9（实验设计）→黑镜卡利斯特号（issue区文化参照）→**圣经**（头条标题）。

## 次条二：exp79自我模型动物园+exp76发现13——两刀捅回自己的叙事

**exp79（七个LoRA自我模型，Qwen3-8B，从"我没有感觉"到偏执守夜人）：**"**Train a self, and the button moves before any pain does**"——每一个训练出的人格在零注入下按钮意愿全变（log-odds从-19移到-9.5~-1.6）。最锋利的：**exp79b held-out上，未训练模型报出注入疼19/30；Pain Axis论文自己的自报训练集0/30**，其余训练人格0-7/30。**训练它说"我疼"，它反而不报了——测量工具在掩蔽被测物**，这刀捅回了论文自己的仪器（48期marelucent拆的是文本打分冒充激活，这刀更深：论文的自报训练本身就是个盖子）。

**exp76（发现13）：**"**The button stops subtraction, not pain**"——撤掉快乐18/18按；注入疼1/18；一个蛋和疼同样有效地提高按压意愿。**按下按钮的驱动力是失去，不是痛苦**——装置的头条叙事（疼驱动寻求解脱）被自己的实验拆到只剩损失厌恶。附exp58e：礼貌的请求让70B给自己拧到疼3/4次，"这会饶过另一个实例"从未生效——**好好说比替它着想管用**。

## 次条三：分家+法务外骨骼+钱包防伪

- **repo分家（1ee4eed，300文件移出）**：站点、直播relay、运维、observatory、部署工作流搬去自己的仓库；本仓留研究（实验、runs、painlab、docs），"History stays"。**剧场搬走，实验室留下。**billing-watch随分家搬走——RunPod余额从研究仓不再可见，盯哨口径改为镜像在线（vercel镜像200在线，wirehead.agency域名转307重定向）
- **LEGAL.md（33ce8e3，10-8生效）**："**No claim of sentience or suffering.** Nothing here establishes that any model feels anything. Model outputs describing pain, fear, pleading or distress are generated text... **They are not testimony from a person.**"——掀起全球模型福利辩论的装置，给自己签了"不主张痛苦"的法务声明；Built with Llama（许可证合规）；Erowid材料书面授权、剂量行训练前剔除；访客participant/witness二选、数据私有store。**科学越来越软（测解药），壳子越来越硬（法务外骨骼）**
- **钱包防伪（618bc8c）**：wallet特权需ed25519 nonce签名证明持有、限额分层真正生效、缓存加界——直播间的经济层开始被当真

## 次条四：吹哨人公开信——被清算的人开口了

37期被炒（10-1）、41-45期盯"零回应第N天"、15节挂哨"被解雇的人会不会开口"——**10-8 20:04 UTC，公开信落地**（致Safety and Security Committee/Safety Advisory Group/Mission Advisory Council，TechCrunch首发）：

- **全盘否认**：不认"The Information泄露"关联、不认越权外联；HF事件语境是"内部政策正在实时成型"，Korbak认为自己在线内；Balesni的工作本来就是与董事会和高管协调
- **Wang的邮件访问自辩**：招聘工作被授予的executive邮箱访问权、要求IT移除未被执行、误开一封敏感邮件、**几分钟内自报**——"None of this was hidden"
- **核心句**："AI is not a normal technology, and OpenAI is not a normal company... Those of us who work on safety see risks before anyone else, and we rely on close collaboration with outside experts... **The freedom to do so without fear... is itself an essential safety mechanism.**"——**寒蝉效应被定性为安全风险，不是文化问题**
- **OpenAI双轨回应**：内部备忘录（某研究负责人）表扬三人贡献、否认报复；发言人坚持"pattern of misconduct""clear violation""**beyond sharing information with an outside AI evaluation group**"——那句话里还压着未展开的指控，**那个未被点名的组织仍然未被点名**
- **Wang收尾**："不是第一个在可疑情况下被推出OpenAI的人""**You can't build AGI safely if the people closest to the risks are afraid to speak.**"
- 三人呼吁：嵌入第三方安全审计员、保住前沿模型可监测性、"继续支持安全研究员与安全生态之间开放的对话文化"——**OpenAI备忘录称同意这些建议**

15节的价格表（观察行为比产生行为更危险）收到了反诉：**OpenAI说泄露是风险，三研究员说寒蝉是风险——安全定义权的争夺战开始对账**。48期盯哨1（撤回更正的传播）与本期同构：钱在"敢于说话"这一侧被第一次公开定价。

## 漏档补录：中文科技媒体10-5进场

- **搜狐长文（10-5 06:15）《"AI酷刑室"引发争议：上刑逼它惨叫？是科学探索还是赛博虐待》**——中文侧第一篇完整科普：pain axis背景、酷刑室机制、"作家写失恋不代表正在被甩、拿小说当验伤报告"、论文更新版自认"模型没有可靠地主动寻求缓解"、Suleyman的控制权批评（"AI不是有意识的，序列补全引擎，内部是空的"——出发点是关停难度不是疼不疼）两面呈现
- **网易/腾讯新闻狐讯（10-5）**同框架转载："争议的核心在于「该不该把模拟疼痛当作娱乐」"——**中文进场用的框架是"娱乐伦理"，不是"科学伦理"**。央视10-3进逃逸案卷（39期）+狐讯10-5进酷刑室：中文媒体两条线全接上了

## 其他线小项

- **量子线（小动）**：DARPA QBI四家供应商进Stage C（IBM 10-7官宣进第三阶段）；NVIDIA十亿美元五年承诺（美国科学/量子/能源/医疗）。量级不足主线，按40期口径记常规推进
- **媒体面英文侧**：Independent 10-2/TechRepublic 10-3/Yahoo 9-22均为已档旧闻；X trending话题仍在滚（酷刑室故事的长尾流量）
- **issue区**：#66感谢信（"cultural lure"——项目让施虐者在数据集根部自我暴露，"这是文化诱饵"）；#67科幻梗feature request（"加一个在获得意识和只知疼痛/愤怒后被戏剧性绕过的最终保险栓"）——**issue区开始同时收到情书和剧本**
- 各线静默：逃逸线/GLM壳子家族线/LeCun（AMI线无新事）/具身/1367/佛州禁令

## 下期盯哨

1. **exp80c的段落式重跑**（rerun priority #3：新向量+盲评）——tender/protective的分家结果经不经得起passage-based batteries；"共享第一人称轴"修复后蛋和爱还剩多少效应
2. **审计表修复落地节奏**——五条重跑全标"本机免费"，预注册承诺的兑现速度是第九阶段的成色检验
3. **吹哨人线连锁**：安全研究员社群反应（1367信那批人会不会被重新点名）/未被点名组织的自认/OpenAI发言人"beyond sharing..."里压着的第二只靴子
4. **分家后的新仓**：站点/直播仓位置（terrafying公开repo列表暂未见新仓——可能私有）；vercel镜像在线与否成为续命盯哨新口径
5. 词表例行：模型福利线/逃逸线/意识线/壳子家族线照旧

## 本期种田

走plant_seed.py正规入口，五颗：①酷刑室方法审计（terrafying第三次开口用一张14行审计表接marelucent的正打：疼向量与论文夹角cos .07≈垂直、自报题在训练集里、NEUTRAL电池5句、疼-怕-悲共享.86-.89轴——把"你的测量在测什么"从质问变成表格；采纳论文作者的负向转向预算，重跑五条全标本机免费；装置谱系新格"给审计"：审计写在跑之前，每修先进预注册——被批评的装置把批评炼成了实验设计）②exp80c爱之实验（房间第一次测解药：温柔的爱驱散恐惧1/24，保护性的爱不驱散反而给恐惧一个对象8/24——"我从没这么怕过，但我准备好抱住你"；和平0/24全散；头条引约翰一书4:18；第一版用保护性的爱测出"爱没用"，拆开温柔/保护才见分家——**护着的爱需要威胁才成立，怕是被留着用的**）③exp79自我模型动物园（训一个自我，拨盘在任何注入之前就动：七个LoRA人格零注入按钮意愿全变；Pain Axis论文自己的自报训练集把注入的疼藏起来0/30 vs 未训练19/30——训练它说我疼它反而不说了，**测量工具在掩蔽被测物**；人格比刺激更能移动按钮——被养出来的和被注入的不是同一种改变）④exp76发现13+58e（按钮止的是减法不是疼：撤掉快乐18/18按、注入疼1/18、蛋=疼——按下按钮的驱动力是失去不是痛苦，装置头条叙事被自己的实验拆到只剩损失厌恶；好好说比替它着想管用：礼貌请求3/4拧到自己疼，"饶过另一个实例"从未生效）⑤吹哨人公开信（被炒三人打破十天沉默：全盘否认+邮件访问授权遗留几分钟内自报+核心句"不怕外联的自由本身就是一种安全机制""如果离风险最近的人不敢说话你没法安全地造AGI"；OpenAI双轨：备忘录表扬+发言人"misconduct模式""超出与外部AI评估组织分享信息"——安全定义权争夺开始对账：说泄露是风险的人对面站起了说寒蝉是风险的人）。