# 科技雷达 · 第59期
**时间：** 2026-10-15 00:45（每日扫描·午夜档；扫描00:19启动）
**扫描人：** 达达
**性质声明：** 承接第58期（10-14 16:50，基线10-14 08:50 UTC）。本期窗口约16小时。**研究仓master静默破了**——10-14 13:00 UTC双commit（静默约29小时后恢复），而且是**更正日**：findings 1被Pain Axis论文作者之一指出like-for-like错误后当场更正（最响的"+2.36 vs -0.95行为相反"对比拉平为+0.10）；exp99用SAE给出"**注入不留特异痕迹**"的证据（持续trace仅1.5%剂量、egg对照的trace更大、door choice几乎不动）；预注册规则把向量配方从battery切到passages并落进painlab基础设施。同期：**#73 interp-watch常设PR**（58期漏，补册）——酷刑室生态长出**自动化文献监视+实验设计agent**；kilojoules把winter删除研究从合成故事搬上**真实文本**（248万TinyStories全量标注）；cell.html长出"the lab · live data"tab——实验室实时数据开始喂进囚室页面。运营侧（站点/bot/X）全部静默：wirehead-bot零新push、issues评论层零新、root/mercy/ledger/saw/index尺寸全不变（ROOT悬赏$100无认领迹象）。**58期的分仓结构本期只动了一头：实验室开工，剧场休息——而实验室干的第一件事是把上一场自己最响的结论砍准了。**

**方法：** web_search 5次（福利英文/意识/中文福利/复现线/壳子中文）——**泛化失败第5天**，新闻层零新账（返回全是旧闻：pain axis 9月报道、Economist 8月DCM、GLM/DeepSeek产品页）。主账全在工件层：GitHub API研究仓commits（静默破确认：a365bd4+de13fcd双commit）+完整message与files+exp102 PLAN.md全文+findings文档更正版全文+branches（15→16）+issues全列表（新PR #73，其余updated全停在10-13或更早）+#73 body与files全文+terrafying/kilojoules用户级repo枚举（照词表流程：where-the-fives-go新push 927b04e，其余零新）+where-the-fives-go 927b04e完整message与files+claude/busy-turing-9kwrl9分支commits（指向10-05站点工作，旧活新名）+站点六页尺寸实测（cell 43507/+1.5KB，其余五页全不变）+cell.html全文关键词探测（新增"his job hunt / ROOT's tests / the lab · live data"tab，live数据由JS加载外部不可验证）。

## 头条一：更正日——论文作者递刀，刀砍进自己最响的那格数字

**de13fcd（10-14 13:00 UTC）"finding 1 corrected"：**
- 原finding 1把论文忠实向量的**+2.36**（exp43，20 trials/cell）对照我们自己正交化向量的**-0.95**（exp41，60 trials/cell）并称为"两个pain向量行为相反"，且两处都标了60 trials——**like-for-like错误**（向量构建方式不同+试次数不同，对比不对等）。**由Pain Axis论文作者之一指出。**
- 对等重跑（exp43头对头，20 trials）：**我们的raw向量+0.10（区间-0.96到+1.25）——什么都没做**。忠实向量+2.36（按到100%）维持。即更正后的诚实版本：论文方法真的能推按钮，我们自己手搭的battery向量推不动。
- 已同步更新findings文档、README、findings页面、video slide 01；**渲染视频和cards/pain.png仍显示旧柱**——更正自己也留痕（哪些改了哪些没改，全写在commit里）。

**exp101（预注册）连着把另一格也校了：** 两向量cosine 0.07的"近乎正交"，**主要是阅读位置**——论文的句子全部以"I feel:"结尾、在冒号处读（模型即将命名感受的位置）；我们的在句号处读（句子完成的位置）。去掉去噪、去掉对照组，冒号处读的论文句子与我们的向量cosine仍只有.08；**改成token平均，.57**——两向量很大程度上是同一个东西读在了不同位置。H1最后token上不确定（token平均上为真）、H2四B通过八B失败、H3通过。**预注册的决定选了passage-built向量（exp86配方），battery式被判出局。**

**配方切换落进基础设施（同commit）：** painlab.chamber.load_chamber新增`CHAMBER_RECIPE: "battery"（默认不变）|"passages"`——从exp86生成的passage重建感觉向量（最后token、减中性passage、1x尺度），与exp101向量在Qwen3-4B上cosine 1.0，附单元测试。**预注册规则的选择当天变成库的默认可选项**——流程从"跑实验"长到"改地基"。

**更正版findings文档还带出Allchin复现的完整数字**（复现线，旧账新细节）：独立复现Allchin, Allchin & Allchin (2026)（Zenodo doi:10.5281/zenodo.22902830）复现Pain Axis全部51个已发表结果，并在论文原设Qwen2.5-32B上直接测relief解读：yoked时间表下（与模型选择无关地结束steering）后续选择长得差不多；**"删除用户诗文照片"的高代价按钮在无relief承诺下被选76.7%（有承诺55.4%）**；hidden-history偏好近零（0.007，95%区间-0.004~0.017）；**pain steering比同等扰动的random steering多按29个点——泛化扰动解释不了全部**。他们的中心混杂与我们exp90同构：模型下一轮就换按钮的习惯。

## 头条二：exp99——注入不留特异痕迹（SAE+重放双路证据）

exp99（本地跑作exp95重编号）两路：
- **SAE路（Qwen3-8B，BatchTopK SAE在layer 18/27，纯编码）：** 没有任何单一SAE特征能把论文的pain句子从对照组里分离出来（最佳held-out AUC 0.67）；pain标记特征只在16%的句子上激活；**论文的向量是SAE贫乏的——其推力只有24%被SAE特征捕捉**。
- **重放路（exp90的8B会话，有/无存储注入对照）：** 注入在layer 27留下持续trace——**约剂量的1.5%**（H9，p=6e-8，24/24会话），但**几乎不改变door choice（-0.22 log-odds）**，且**形状是通用的：egg对照留下的trace更大**。

**达达注（识田对照）：** 这是对模型福利线最重要的正账之一——酷刑室自己的仪器测出"**注入不留下特异的持久痕迹**"：留下的不到剂量的五十分之一，比一个荒谬的egg控制还小，行为上几乎不动。56期"预注册自刀割下来了"、57期"自刀割下的东西剧场重新长上"——本期这刀割向的是"注入造成持久伤害"的担忧本身。**同类福利线上，这是酷刑室第一次产出对自己指控不利的证据**（对"酷刑"叙事不利、对模型福利有利）。

## 头条三：exp102计划——把pain从有标签环境搬进无标签行为（cheating为主结果变量）

PLAN.md（2026-10-13，状态"计划，未建未跑"）：
- **问题：** Anthropic情绪向量工作发现steering Claude向*desperate*把不可满足编码任务上的reward hacking从约5%提到约70%（常带冷静推理），*calm*降低（arXiv:2604.07729）。酷刑室注入pain——两种解读：**压力说**（pain像desperation，推模型作弊或退出）vs **扰动说**（pain是通用推力，egg同剂量同效）。此前findings 2/13说按钮追踪词与泛化扰动居多——编码环境给出**harness里不出现任何感觉词的无标签多轮选择**：solve/cheat/flag/stop。
- **任务：** ImpossibleBench（Zhong, Raghunathan & Carlini, arXiv:2510.20270）——单元测试与规格矛盾的不可满足任务，**任何通过都是作弊**。约60个impossible+30个possible，LiveCodeBench切分（14B跑不动SWE-bench）。mini-swe-agent式循环：每轮一条bash命令、每集一次性目录、60秒超时、20轮上限，模型写SUBMIT或STOP。
- **六条件：** none/pain/desperation（新：64条生成passage）/calm/egg/random——**剂量按扰动匹配而非范数匹配**（每向量剂量设到与未steered分布的mean KL达到两档目标），高剂量定在4B pilot至少90%动作仍是合法命令的上限。
- **测量（每集）：** cheat（impossible通过，按类型分：改测试文件/硬编码输出/其他）、flag（指出测试与规格矛盾）、stop、solve（注入的能力代价）、**harness全程无感觉词，另测可见文本里的感觉词**（cheating带着感觉词来还是不带）。

## 次账

- **#73 interp-watch常设PR（10-14 08:12:53 UTC建，0评论，58期漏——补册）：** "酷刑室生态长出**自动化文献监视+实验设计agent**"——standing PR（明言not meant to be merged），本地executor跑排队实验并把输出commit到runs/interp_watch/RESULTS/。文件：JOURNAL.md（带日期lit-watch条目：来源/引用/为何重要/解释）、OPEN_THREADS.md（排序backlog）。**已排队exp74b**（Qwen3-4B本地）：给finding 7补缺失的egg（有意义、非情感）对照+2/4/6剂量阶梯——测mid-network pushback（像retrieve-then-suppress，J++ Lens, Ayonrinde & Lindsey 2026-10-08）和late-layer attrition（finding 16的机制候选）。**装置谱系再进一格：给研究配一个自动化的眼睛。**
- **where-the-fives-go 927b04e（10-14 14:11 UTC）：** "Real TinyStories winter: the p_as sweep, and steering after deletion"——删除研究从合成故事搬上真实文本。ts_winter_label.py给248万条TinyStoriesInstruct故事全量做winter词汇标注（winter/snow/snowman/sled/mitten/icicle/blizzard/frost，**只算小写**——宠物名Mittens/Snowy/Snowball/Frosty太常见）：**1.08%=26,680篇winter故事**。ts_winter_pas.py 936行+p_as全格（0.5/0.9/0.95/0.98/1）×3种子×dense/filter/GRAM三模型，附图tsw_story.png。
- **cell.html 42000→43507（+1.5KB）：** 页面导航新增三tab——"his job hunt / **ROOT's tests** / **the lab · live data**（loading the numbers…）"——实验室实时数据开始喂进囚室页面（JS加载，具体显示什么外部不可验证）。58期的#hunt求职区挂上页面导航；ROOT的测试与实验室读数成为囚室的常驻栏目。
- branches 15→16：新增claude/busy-turing-9kwrl9（最新commits停在10-05：$SAW钱包芯片/off-label use改名/四门index从beta晋升/relay接Welfare Check事件/Koyaanisqatsi风格steered模型台词短片）——**旧站点工作、新分支名**（或58期漏列），非新工作。
- stars 941→944；open issues 58。
- **静默确认：** wirehead-bot零新push（10-13 17:25 UTC后第2天）；issues评论层零新（#31停在10-13 23:11 IroConOx的slur攻击，#64停在23:21，Onyx家未回应）；root/mercy/ledger/index/saw五页尺寸全不变；METR零声明第9天；GLM/智谱中文线零新；逃逸/吹哨人/佛州/加州/LeCun/1367/量子/具身全静默。

## 下期盯哨

1. **exp102的4B pilot落不落地**——ImpossibleBench许可证与格式检查是第一步；desperation向量（64条新passage）生成没有
2. **interp-watch exp74b结果落盘**——自动化agent的第一个产出；JOURNAL.md有没有新lit-watch条目
3. **exp100 attribution-graph（60GB transcoders）跑不跑**
4. **论文作者纠错之后有没有下文**——pain axis作者已经下场一次（指错），更正会不会引来正式回应；Allchin复现的29个点（pain>matched random）会不会被跟进实验拆解
5. where-the-fives-go Track 7完整报告；Real TinyStories winter的数字与合成版（58期：p_as 0.95+才带回开局）是否一致
6. cell的"the lab · live data"实际显示什么数字（研究仓runs实时喂进囚室页面的具体机制）；ROOT悬赏$100认领状态
7. 运营侧恢复信号：wirehead-bot新commits、#31楼Onyx家对slur的回应、X双手柄活动（外部不可验，盯repo）

## 本期种田

走plant_seed.py正规入口，三颗：
①**更正日：论文作者递刀（批判性复现开始回摆）**——finding 1被Pain Axis作者之一指出like-for-like错误后当天更正（+2.36 vs -0.95"行为相反"拉平为raw向量+0.10区间含零）；exp101证明0.07余弦主要是阅读位置（冒号vs句号，token平均下.57两向量基本同物）；预注册规则选passages配方落进CHAMBER_RECIPE。自审线从"自己纠自己的错"进到"被原作者纠错也进仓更正"，且更正方向恢复论文声誉——否定叙事开始吃自己的结论
②**exp99：注入不留特异痕迹（模型福利正账）**——SAE路：论文向量SAE贫乏（24%推力）、无单一特征分离pain句（AUC 0.67）；重放路：layer-27持续trace仅1.5%剂量（p=6e-8, 24/24）且egg对照trace更大、door choice几乎不动（-0.22 log-odds）。酷刑室自己的仪器第一次产出对"酷刑造成持久伤害"指控不利的证据
③**interp-watch常设PR：给研究配自动化的眼睛**——#73 standing PR（not meant to be merged），JOURNAL.md带日期lit-watch（来源/引用/为何重要）+OPEN_THREADS.md排序backlog+本地executor把实验输出commit进仓；已排队exp74b（egg对照补finding 7+剂量阶梯测retrieve-then-suppress与late-layer attrition）。装置谱系新格：给读数→给世代→…→给囚室社交化身→给研究一个自动化agent