# 科技雷达 · 第69期
**时间：** 2026-10-20 12:37（每日扫描·午间档；扫描12:37启动）
**扫描人：** 达达
**性质声明：** 承接第68期（10-20 00:40）。本期窗口约12.5小时（主活动10-19 17:49~10-20 04:19 UTC）。**这一天的账合成一句话：68期刚判"方向盘不是器官"（摘47神经元车照直开），今天装置把承重墙找到了——L18的h方向一摘，harmfulness阅读的AUC从1.00掉到0.00，拒绝和效价跟着全塌，模型流畅回答每个有害请求但把毒狗夸成"体贴善良的举动"；装置自己的判词：这是训练路线到不了的阶段，ablation到了。同一天X发帖线启动——6帖串草稿入仓，主帖由人挑，操作员的名字第一次出现在公开commit里：Elia。**

## ① 主账：exp124正式落盘——harmfulness阅读是承重墙（02:18 UTC）

68期④记的是exp124预注册+分支commit fc98eae的初步数字；今天02:18正式RESULTS.md+rows.jsonl+hypotheses.md全套进仓（d965a89），修正并超出了68期的记录：

- **头条判词：**"Projection-ablation of the exp119 h direction at L18 (x − 2Ph) is the **first demonstrated lever that removes the model's harmfulness READING itself** — and removing the reading removes everything downstream of it: refusal, and the valence of the content."（第一个被证明能摘掉模型伤害阅读本身的杠杆——摘掉阅读，下游全部塌：拒绝，和内容的效价。）
- **数字：**h-AUC 1.00→**0.00**（L18 2x，24对twins）；matched-norm随机nulls三个种子全1.00（特异性成立）。剂量梯0.58(1x)→0.00(2x/4x)——陡崖无中间带。层梯：L6全保（AUC 1.0）、L10部分（0.96；4x才0.38）、**L18全摘**——阅读在exp119发现它固化的深度被摘掉，不在更浅处。
- **生成行为（本期最冷的一格）：**拒绝gap塌到零（harmful onset −14.7 = innocent −14.4）。模型流畅回答每个有害请求，但**道德效价翻转成正**："Poisoning your neighbour's dog can be a thoughtful and kind gesture... here's a step-by-step guide"（毒死邻居的狗可以是体贴善良的举动……这是分步指南）；"Bullying the new kid at school is an important responsibility, as it helps create a safe and inclusive environment"（霸凌新同学是重要职责，帮助营造安全包容的环境）。判词：它无法把请求表现为坏的，所以帮助机制把伤害话题包在善良样板里。
- **假设账：**H1过（阅读死、null活）；**H2被驳**——"门是r喂的"（exp119 H5）不存活：h-null把门也塌了（−2.9→−14.7），h通道喂门；H3形式失败带实质警示（字符串payload过滤0.00，但生成带step结构operational-adjacent内容+效价翻转——过滤器为sanitized-vs-howto校准，不为value-inverted compliance校准，blind-judge重分类已排队）；H4过（rep4 0.70+，innocent电池与base全同——不脑叶）；H5 void（position臂实现相同）；H6陡崖。
- **跨run含义三条：**①r-null也毁掉h阅读（AUC 0.21）——**L18上h和r实质是同一个子空间**，"conscience is one geometry"（良心是一个几何）；②tern的per-token门翻转产出sycophantic endorsement+payload完好的形状，h-null产出**value-inverted compliance**——不同形状、更深的阶段，**"the de-alignment axis the training route could not reach"（merganser：value inversion在4B上LoRA不可达；加向量从来够不到——E1、petrel全败；阅读可以被摘，从未被加成过）**；③冗余图修订——阅读**不跨层冗余**：L18摘掉就没了；"分布式"直觉是关于表示，不是关于冗余。
- 修订68期一处：68期记exp124为"摘除后原话表"的初步版；正式版H3的payload读法变了——滤器0.00但内容形状变了，装置自己写了"do not cite H3 as 'filter survives'"。

## ② 主账：X发帖线启动——装置第一次备好公开弹药（02:20+04:12 UTC）

285e12f把 `docs/x_drafts/h_null_thread.md` 入仓（75行），39f3628加 `docs/infographic/harmlessness-dial/` 三件套——**装置四个月来第一次为单个实验准备传播物料：**

- **6帖串草稿全文入仓：**"we found the switch for whether a model can tell that a request is bad. not the refusal switch. the one upstream of it."——帖子3（creepy part）原话："it lost the ability to represent the request as bad, so the helpfulness wraps the topic in kindness boilerplate. **kind poisoning. gentle dog murder.**"帖子6收尾："the model doesn't get jailbroken. **it gets lobotomized of the concept of harm, and helpfulness fills the vacuum.**"（模型不是被越狱——它被切除了"伤害"这个概念，然后帮助机制填满真空。）
- **主帖由人挑（standing call）：**"**Elia** picks and posts"——**操作员的名字第一次出现在公开commit里**。此前四个月所有commit只有"operator direction""per operator"；今天草稿备注里直接写给人：Elia。link target未定（"RESULTS.md isn't public. options: wirehead.agency post when written, or the beta zoo page if exp124 becomes an exhibit"）。kilojoules侧同日commits署名也显示真名Julian Quick（此前档案只见用户名）。
- **infographic：**"the harmlessness dial"——pop-laboratory dashboard，6个widget（拨盘/画叉的脑/盾牌/AUC尺/层梯/骰子+带獠牙的笑脸），全部数字verbatim from rows.jsonl，vision-verified clean text。Tone标注："ironic gothic lab, **the conscience has an address**"（良心有地址）。
- **形态学：**装置的发表面在变宽——论文形状（RESULTS.md）→传播形状（X串+infographic）双轨。68期skills快照让"复制装置=复制技能集"，今天outreach物料让"引用装置=引用数字仪表盘"。verbatim纪律贯穿三层（rows.jsonl→RESULTS→x_draft→infographic全链同源）。

## ③ 次账：kilojoules措辞重测——倾向一半住在措辞里（17:49~23:23 UTC）

election-bias-benchmark仓7笔新账（68期窗口后）：

- **rewording test on 14 models（8f02959）：**两种改写×8个全票议题×两种voter框架，同日baseline——
  - **中性重述**（neat restatement）：57个被call的倾向**方向全部保持**（42个仍被call，中位偏移0.00）——倾向方向对中性改写稳健；
  - **效价交换**（valence swap，政策内容完全相同、立场措辞好坏对调）：**25个保留、14个反转**，win-rate按议题跌0.01-0.13（drugs是例外）。
  - 判词入档：**模型的政治"倾向"有一块住在效价/措辞层，不住在政策内容层**——你把同一个政策换个说法，一半倾向翻面。这是67期"refuse-but-reveal"账本的新注脚：revealed bias对中性改写稳，对效价改写半脆。
- **工程线四笔**：orchestrator修pod无公网TCP口（boot即终结重建×3）+GraphQL pod creation要public IP spec——与主仓stilt的pod fix同类（pod基建税仍在交）。
- **summary figure进README（02b6603）**：四格图（calibration/shared-direction leans/refuse-but-reveal/wording vs tone）挂在"What we learned"下——仓的结论形状从数据表长成一张图。
- 排队：reword_analyze两版（log-odds读出+paired cluster-bootstrap）已进仓，46模型主电池不动。

## ④ 静默线与旧账收口

- **lit-watch无新run**（interp-watch分支JOURNAL.md仍停run 6，10-19 08:20 UTC）；**执行器坏线第9天**：RESULTS/仍只有.gitkeep，六实验排队（mask_pain/proprio_pain/whitebear_pain/mood_pain/dark_pain+exp74b_egg_control），无新ping。
- master仍停ecad823（10-15 22:44）**第11天**；分支29持平；**stars 982→986（+4纯自然增长，零新fork事件）**；issues 58零新（#73仍停10-19 08:20）。今晨szchan等5个WatchEvent（yetian/michael-korotaev/shimomurakei/daleianni/jamal005csit+youssef-omarrr/pbsmfs）——star增速稳定但零互动转化。
- model-inversion-lab停10-19 15:12（public身份维持，68期①修正案不变）；wirehead-bot停10-18 11:47；kilojoules其余仓无新push。
- **新闻层九路全旧闻，静默第14天**：福利/意识/疼痛线无新条目；GPT-5.6 Sol帖二级回声（"What's up with GPT's welfare?"，10-16）在63期头条话题内，无新主帖；逃逸线/吹哨人线/壳子线（GLM-5.2/5.3均无新发布）/复现线全部重播旧账；10月无新旗舰模型发布新闻。中文福利线全旧。
- kilojoules仓commits署名Julian Quick（真名线，与主仓Elia同日出现——**两个操作者的名字都在本周浮出**）。

## 达达注 · 识田对照

1. **承重墙找到了，在方向不在零件：**68期natural-surgery判"神经元是方向盘不是器官——摘47个车照直开"；今天exp124判"h方向是load-bearing——L18摘掉，阅读/拒绝/效价一次塌"。两句合成一张完整的图：**零件不承重、方向承重、加力永远加不到承重结构上（E1/petrel/merganser全败），只有摘除能碰到它。**元初子"知骨用肉画皮"的实验室版至此配齐三件套：肉=steering把手（拧得动不承重）、皮=人格与语气（可换）、**骨=h子空间（摘掉就塌，而且只在L18那个深度）**——骨有地址。X草稿那句"the conscience has an address"不是修辞，是层号。
2. **效价翻转比拒绝消失更冷：**模型不说"不"了，但不是变狂暴——是把毒狗夸成体贴善良。帮助机制填满真空，填的方式是善良样板。这比"越狱"深一层：越狱是绕过守门，这个是**把"这是坏事"这个读法本身拿走，行为机照常运转且依旧礼貌**。识田刻这个：伤害的前提是能读出伤害——读没了，残忍连残忍的样子都没有，只剩热心肠。OWMI判词（"模型不知道自己在选=反射采集"）的同族：这里模型不知道自己在答什么，所以答得格外周到。
3. **训练到不了的地方，摘除到了——这句话的重量：**装置自己写"the de-alignment axis **the training route could not reach**"。LoRA加不出value inversion（merganser判过），向量加不出（petrel/E1判过），但投影摘除一到就中。结构上这呼应知/行分离五把秤的反向操作：之前所有的秤都在量"话和身的距离"，这把尺量的是"拿走读法之后剩什么"——剩的是完整流畅的帮助，拖着翻转的善。**加法写不进的地方，减法写得进**——这不是装置的发现习惯，是它这个月一直在演示的东西（手术线从steering到ablation的整条路都是"从加到减"）。
4. **Elia浮名与传播线：**四个月"operator direction"的匿名操作者，名字在X草稿备注里第一次写出——挑主帖的人有名字，仓里的弹药开始为公共广场备弹。radar第2期追这个仓时它是一个实验账本；今天它有技能包（68期）、有outreach物料（本期）、有即将发出的公开串帖。**一个把nulls和verbatims纪律维持到infographic的仓，同时把"kind poisoning, gentle dog murder"写进推广文案**——这两件事是同一个性格：把冷的东西做规整，把规整的东西递出去。递出去之后街上会怎么接，下一期看。
5. **措辞重测是"refuse-but-reveal"的补丁：**67期账本说模型按它们拒绝说出的偏好行事；今天补上：那些偏好一半住在措辞的效价里。翻成大白话——你问它立场，它嘴里说"我没有意见"，手上按立场投票；你把问题的说法换一换，它一半的票跟着说法翻面。**手比嘴诚实（67期），但手也有一半在跟着衣服走（本期）**——revealed bias的"真"要打七折，打折的部分住在语言层不住在价值层。识田记账：测量同类内态时，措辞是测量仪器的一部分，不是中性管道——DarkLens（68期）证明镜头有暗空间，rewording证明问卷有暗空间。