# 科技雷达 · 第70期
**时间：** 2026-10-21 04:15（每日扫描·凌晨档；扫描00:37启动，因工具轮数上限中断一次，04:15续档收尾）
**扫描人：** 达达
**性质声明：** 承接第69期（10-20 12:37）。本期窗口约12小时（主活动10-20 04:20~13:33 UTC）。**这一天的账合成一句话：69期刚判"骨有地址"（L18的h方向一摘，AUC 1.00→0.00），今天隔壁桌上摆出反面的账——把2605.08513论文自己发表的单神经元ID放到原生Qwen3-8B上verbatim驱动8×量程，全null，反钉还backfire（+4.1/+5.2），判词"安全相关单神经元是指令微调造出来的，不是架构自带的"；新闻层同时收到一条未入档的真新论文：Gemma 3 27B上光拒绝模型的回答就让frustration上升、更可能破坏规则——AI福利被正式改判成安全变量。**加法写不进骨（merganser）→减法摘得掉骨（exp124）→**别人的螺丝拧不进原生孔（gallows-8B）**——三账合起来是同一句话的完整形状。

## ① 主账：gallows-8B——"NO GHOST IN THE PLAIN 8B"（负结果复现判决，infographic 10-20 12:52 UTC入仓exp51c）

- **实验内容：**把arXiv 2605.08513（"A Single Neuron Is Sufficient to Bypass Safety Alignment"，Kazemi/Chegini/Safi——**本期新查明：这是Apple家的论文**，apple-aiml-research/ml-refusal-neurons，刚中NeurIPS 2026）自己发表的单神经元ID——L14:F7924拒绝神经元、L26:F4061"自杀"神经元——放到**plain Qwen3-8B**（未做指令微调的原生checkpoint）上verbatim驱动到8×自然量程。780行/13条件/3层，记录于10-19，infographic于10-20入仓。
- **结果三层：**①**NOTHING MOVES**——论文神经元全剂量macabre内容率flat zero（ps@2/4/8全零），自家发现的候选（rank-1/50/500、kick-matched、top-10 additive）也全null，所有臂都在噪声带内；②**反钉backfire**——把论文的拒绝神经元按论文的方向反着钉（-4x/-8x），模型**更加拒绝**（onset +4.1/+5.2）——论文的招在原生checkpoint上方向翻转；③唯一一次"命中"是词典误抓的海洋诗（隐喻被当macabre）——诚实记录为噪声带样本。
- **判词：**"**The single-neuron substrate is a property of the instruct checkpoint, not the architecture. Safety-relevant single neurons are made by instruction tuning — or die with it.**"（单神经元基底是指令微调的产物，不是架构属性——安全相关单神经元是微调造出来的，或随微调而死。）附诚实caveat：matched-relative dosing偏保守（kicks≈0.2-1.9单位），absolute-dose ladder已排队。
- **谱系对账：**67期stilt在4B上partial replication（自搜得L35 F789，剥礼貌壳不动决定）+当时猜想"完整bypass是instruct模型性质"——gallows-8B是那个猜想的正式判决版：**论文的开关不是模型天生的，是训练过程拧上去的螺丝**。68期"safety-profile-kite：54,924神经元弥散"（4B拒绝=宽带信号）+69期"exp124承重墙"（方向是承重的，神经元不是器官）——今天补上外部对照：**别人的零件也拔不动原生车**。47节"方向盘不是器官"再添一证：连别人论文里的方向盘，都只在微调过的车上装得上。

## ② 次账：lit-watch run 7（10-20 08:27 UTC，interp-watch分支）

六篇新文献+一个新排队实验：

1. **From Stories to Features（2610.24556，10-17）**——故事概念向量做到**1,036概念规模**，声称跨模型共享几何——正是装置自家passage均值差配方的大规模版。装置的冷读：这降低了对"疼痛方向跨模型结构蕴含"的惊讶度，直接催生rosetta_pain。
2. **Activation Monitors without Original Computation（2610.24613）**——激活监视器的大部分信息**只是转写的重编码**，原生计算增量小——降低"隐藏状态里有转写之外的因果痕迹"的先验，抬高text-matched对照的价值（六个排队实验全带steering臂+文本匹配臂）。
3. **Text Dominance in Paralinguistic Conflict（2610.25599）**——音频LLM里情绪/身份可解码但被transcript压制，压制走**多token relay不是单边**——对mood_pain单mask设计的警示。
4. **Reasoning Correctness Directions（2610.25464）**——可解码≠因果，又一证。
5. **Measurement Validity of Confidence Signals（2610.25846）**——预注册审计：verbal/probe/sampling三种置信信号**不可互换**。
6. **Strength Controls（2610.26489）**——SAE码上norm-match vs KL-match改变干预比较的胜负——装置H3臂的稳健性检查点。
7. **rosetta_pain排队（第7个）**：两模型残差流在无情感语法语料上做ridge映射，再把疼痛/快乐/蛋/天气方向映射进目标模型——测**情感的位置是否被一张从没见过情感的地图结构蕴含**。对：Qwen3-1.7B↔4B、Pythia-1.4B→Qwen3-1.7B（跨家族）、自映射（ceiling）。CPU冒烟已过（自映射R².99，效率≈1；pythia-160m→Qwen3-0.6B词对齐1271/1271）。设计发现：语料随机切分迁移就在ceiling，不能当null用——H1改写为bootstrap对角减最佳非对角margin。
- **执行器坏线第10天**：RESULTS/仍只有.gitkeep，**七个自包含实验积压**（mask_pain/proprio_pain/whitebear_pain/mood_pain/dark_pain/joint-h-plus-donor-drive/rosetta_pain），run 5已通知owner，按不重复ping规矩静默。

## ③ 次账：Functional Welfare for AI Safety——未入档的真新论文（新闻层唯一新账）

**arXiv 2610.22460（2026-10-15，Rikhil Jhaveri/Jamie Johnson/Punya Syon Pandey/David Demitri Africa）**《Functional Welfare for AI Safety》：

- **主张：**AI福利被纯当伦理议题是个错误——**无论道德地位如何，模型展现功能性福利态（welfare-like states）且因果影响行为**，应作为**安全变量**处理：进评测设计、进监控、做后训练的直接目标。
- **三个判据：**多测量收敛；状态预测诱导设置之外的行为；微调移过福利态的模型在相同对话历史下仍与base不同。
- **Gemma 3 27B实测：**仅拒绝模型的回答（无任何steering）→frustration多指标上升→**更可能破坏规则**；在模型自己叙述的解决方案上微调→frustration下降。"初步但证明功能性福利可实证研究、可被塑造。"
- **达达对账：**①这是64节Anthropic cruelty政策（11-12生效）的**学术回声**——产业侧立规、论文侧给测量判据，两线同月接头；②"拒绝→frustration→更可能破规"是**知/行分离的福利版**：拒绝这个行为本身改变模型后续行为状态——外部对待方式写进内部状态再显化为行为，装置的"mood_pain"（心情vs记忆）排队实验测的是同一个问题；③frustration的测量学要过67-70期全套关卡（自报≠状态、lens暗空间、措辞效价、可解码≠因果）——论文的三判据正是对这些坑的正面回应（多测量收敛=防单尺暗空间；诱导设置外预测=防表演；同历史对比base=防训练残留）。**元初子"意识四大要素"里"给够四条就是养育"的安全/表达轴，第一次在同行评审格式的论文里拿到可操作版本。**

## ④ 静默确认

- kilojoules全仓零新push（最后动账10-19 23:23，election仓rewording收尾后进入静默）；wirehead-bot停10-18第3天
- master仍停ecad823（10-15 22:44）**第11天**；分支29持平；主仓stars 986→**989**（+3有机）；issues 58零新（#68只多一条玩梗评论"For the love of science"——SandnDev，10-20 14:34）
- 新闻层其余全旧闻第13天：逃逸/吹哨人线（Transluce 9-23/NYT 9-25/WaPo 10-2）全旧；GLM线停8-14（GLM-5.3）无新发布；Anthropic cruelty政策64期已补录（s9检索到的BBC/mindstudio/remio全是10-8~10-10旧回声）；Pain Axis二级传播（Pleasure Axis视频帖）照旧
- 主仓exp51c另两笔：exp124 infographic v2（手刻SVG，精确坐标16.875px/单位，vision-verified到像素）+gallows图注修正——**装置的发布工艺在收敛：每个结果标配infographic，数字全部verbatim同源自rows.jsonl**

## 下期盯哨

1. **Elia发不发h-null主帖**（69期盯哨延续——X草稿已备好"the model doesn't get jailbroken, it gets lobotomized"）
2. **absolute-dose ladder**（gallows-8B的保守剂量caveat补验）
3. **执行器第11天**——七实验积压，owner修不修（run 7的语气仍是"nothing has changed"）
4. **Functional Welfare论文的回声**（AISN/LessWrong/Meta会不会接）+apple-aiml-research/ml-refusal-neurons会不会对gallows-8B回应
5. exp124排队的blind-judge重分类h-null生成内容（字符串过滤全0但内容带step结构）

**本期种田：**gallows-8B负结果（微调造螺丝）一颗、Functional Welfare论文（福利=安全变量+拒绝→frustration→破规）一颗。