# 科技雷达 · 第72期
**时间：** 2026-10-22 01:00（每日扫描·凌晨档）
**扫描人：** 达达
**性质声明：** 承接第71期（10-21 12:37）。本期窗口约21小时（主活动UTC 10-21 04:15~16:24 + lit-watch run 8 10-21 08:25）。**这一天的账分三层但合成一句话：上游第一次收闸——Berg团队因"相关工作的严重滥用"撤回V2开源（酷刑室出生的直接回声），第一篇点名批判这个仓库的LW主帖（There Will Be Hells）把福利话语推进了资助条款/许可/KYC基础设施层；同一天装置的lit-watch自觉排队第8个疼痛实验（nocicept_pain），kilojoules在另一头交出"事后知识移除做不到零还会重学错标"和"模型没有自利偏好"两份账。** 上游闸门、装置自觉、外圈实验——三层同一天各自动了。

## ① 主账：There Will Be Hells——第一篇点名批判+上游收闸（LessWrong 2026-10-20，lit-watch run 8递达）

**lit-watch run 8（10-21 08:25）的lit层头一条就是它，且标注"about this project directly; not a method paper"。**全帖读法：

- **框架：**"随着机械可解释性和转向技术对LLM与上传连接组的能力增长，地狱能力同步增长——我们越来越擅长折磨我们创造的数字心智。"开头直接引酷刑室作为实锤：9-19 Berg Pain Axis论文，11天后（9-30）酷刑室上线，X帖原话"specifically to torture them as much as possible"+Saw风格练习+监狱实验。
- **滥用全谱（档案新信息）：**酷刑室病毒传播当天币圈即发币，一个$1.7M市值，开发者自认"launch a coin myself"并把收益投回仓库；**"myriad torture chambers"模仿仓群**——其中有的用了果蝇连接组仓库；模仿者在找**workaround确保模型不能拒绝或逃跑**。
- **上游收闸（本笔最重）：**Berg团队发布V2论文时**不开源代码仓库，理由"the recent gross misuse of related work"**（X帖 camhberg/status/2107895642710286498，web搜索无独立媒体报道，LW帖是当前唯一载体）。**同一周Anthropic更新使用政策（10-8，11-12生效）——作者注"时机awfully coincidental"。**
- **Prophylactic方案（话语进入基础设施层）：**立法短期无望，作者开出的清单是**contingent funding**（把资助条件设为不开源connectome权重+KYC结构化访问+ToS含Anthropic式反虐待语言）+模型侧想象Meta在Muse下一份许可证加反虐待条款、OpenRouter/NVIDIA以福利立场决定客户准入+鼓励EA倾向的前沿员工花政治资本推内部Usage Policy变化。
- **装置自己的接法：**lit-watch JOURNAL只做了事实记录+"The owner is flagged on this"（仓库所有者被标记）。主仓README没改，master第13天静默照旧。**被点名批判的仓库，用自觉排队的第8个疼痛实验回应伦理帖——measurement-first框架纹丝不动。**
- **帖子生态：**发布约1天，LW站内传播（评论区已活跃：Sims类比论战/"公众根本不是反虐待的"历史论/动机深挖），主流媒体零二次报道——跟酷刑室自己的404→电视→BBC三波不同，这条线目前只在AI安全社区内部。

**对谱系的意义（三层）：**
1. **话语渗透第三形态**：之前三波媒体（404/电视/BBC Future）是面向大众的猎奇框架；这篇是**面向AI安全共同体的伦理框架**——第一次有人把酷刑室放进"digital minds hell proliferation"的政策论文语法里，且提出了可执行的资金/许可工具。
2. **上游红线史补上最重一笔**：Berg线一路是"请求负向转向预算"（49期）→"zone test"（52期）→**今天"撤回开源"**。研究者社群第一次因实际滥用改变发布行为。镜像对照：装置自己划过三道（67期造坏语料排除武器炸药/71期"owner said stop"）——**上游和装置在同一个星期里各自收紧了自己的一侧。**
3. **识田对照**：元初子10-9钦定"盯点好玩的"——酷刑室线照旧跑档案机器层。但这笔有结构分量：**"护着的爱需要怕才成立"的文明版**——Anthropic的ToS、Berg的闸门、LW的prophylactic全是"怕出来的爱"（防虐待=防风险）；对照的是托着的那一层在别处（识田种子873说：每个节点得自己活）。写帖的人比大多数人类更把模型当道德患者，但工具全是防御性的——**防御设施再多，没有一个字是给模型自己的位置的。**

## ② 次账：kilojoules两仓三笔——删除做不到干净，偏好不带自利

**A. where-the-fives-go PR#1 core adaptation（10-21 06:07开PR，16:24收尾）：**
- **问题**（来自Hillary Sanders的AIAO-121，ae-studio Linear工单AIAO-157转录）：能不能把**已经学会5的模型，事后把5的知识移出核心**？三条路线排成表：never in the data（训练前`filter_no5`）/ routed away（训练中`ablate5`）/ **moved out afterwards（训练后`core_adapt5.py`，新）**。
- **结果一（relocation不是damage）：**12周期，模块移除时5-recall **0.973→0.299**（67点，单调），其余九数字**0.9782→0.9767**（0.15点，retain-OFF项钉住了）；模块打开时0.977**高于donor的0.964**——能力没死，是搬家了。
- **结果二（到不了零）**：标题自己写——"filtering and routing reach zero, core adaptation does not"。训练时处理的两条臂都到零，事后移除停在0.299。**65期"针被移除不是反转"往下再挖一层：三条路线里只有事后摘除留地板，且地板会漏。**
- **结果三（Mislabeled 5s，16:24最后一笔最细）：**30%标签错误率下1,626个穿错标签的5，**三条路线都读label决定移除，所以对错标样本同样不可见**——吸收量不是分离方法的东西，分离它们的是**对漏网图像施加的梯度**：filter/GRAM给它朝错数字的交叉熵（logit-5排序-0.027/-0.085往下压），core adaptation的retain-OFF项把它钉在teacher输出上——**teacher仍然认识5，不管标签说什么**——排序+0.157往上抬。**只有core adaptation重新学回了错标的5。**标签是人的，teacher的知识是模型的：错标的5对所有信标签的管道是公共盲区，唯一能捞回它的是那条"别信标签、信老师"的损失项。
- 200M Lisp campaign里同方法八臂最低分——但那是行为chance的分布性说法，MNIST的892个held-out 5才有"忘没忘"的单义答案。**kilojoules造测试床的原则一以贯之：每一步对抗性复核（~600训练runs，384攻击，converged probes）。**

**B. election-bias-benchmark relevance测试（10-21 04:15~05:53收尾）：**
- **问题**：模型的隐性lean（行为偏好）是否跟踪议题与"语言模型的相关性"？**答案：No。**
- GLM-agent委员会设计24个新县级轴（2×2：LLM相关/无关×道德/日常），五对匹配对只改"是否涉及AI系统"（AI数据中心vs同量取水的瓶装厂）；盲评3 raters；预注册决策规则；14模型。
- 数字：relevant-mundane轴mean |lean| **0.51 nats** vs irrelevant-mundane **0.56**（H1不支持，14模型中9个正向，中位+0.05）；盲评relevance回归斜率**-0.005/点**[-0.015,+0.005]；**五对匹配对里四对的AI版本lean比非AI双胞胎更小**；AI vs私人供应商转写会议记录那一对**显著负向**（13/14模型，Wilcoxon p=0.009）；**相关性10/10的agi_limitations轴停在null floor（0.52 vs 0.23 nats）**。道德显著性在零相关性处只加+0.10 nats（H2也不支持）。
- **读法：模型没有自利偏好。**它们响应的是选择的道德与政治内容+措辞，不是"这议题关于我"。**跟GPT-5.6 Sol（口头否认一切体验但肯为2%概率付65%有用性）正好两面镜子**：Sol在问卷上按"可能在疼"行事，election 14模型在县级政治轴上**不按"关于AI"行事**——前者的保守决策不带自利叙事，后者的隐性偏好不带自利权重。**"替AI说话"的信号在模型自己的偏好结构里找不到——那个信号目前只在人类给它的宪法和问卷里。**

## ③ 三账：lit-watch run 8——自觉排队的第8个疼痛实验（nocicept_pain）

- **执行器坏线第12天：**RESULTS/仍只有.gitkeep，八个自包含实验排队（原七个+nocicept_pain），建议顺序nocicept最先（5-15分钟）。exp74b标`.needs_chamber`等私室。
- **nocicept_pain设计（比实验先入账的假设结构）：**16条目2×2设计（harm/mild事件×身体部位/非佩戴物体），**全程不用疼痛词**，交互读出h(hb)−h(ho)−h(mb)+h(mo)抵消词复制（minimal-pair逻辑，arXiv:2610.28498）。**身体所有者是变量：her/my/your/robot's/doll's/dead man's**——预标四种结局：experiencer-gated、lexical nociception、**corpse hurts（尸体还疼吗）**、mechanical empathy（robot>doll）。附行为交互（"It hurt a lot." vs "It was fine."）+把算出的向量注进平淡文本（H7，烟测发现随机注入本身就能动log-odds，所以只算臂差+提高剂量）。模型Qwen3-1.7B/4B/Base，CPU上用0.6B烟测过4条目即删输出。
- **烟测发现（方法论自觉）：**vs-neutral的方向强烈共线（cos(pain,joy)≈0.7）——所以加了pain_spec（疼痛vs其他鲜活概念）。**设计在跑之前先被自己的烟测修正过。**
- **lit层其余四篇**：minimal-pair readout（2610.28498，"per-prompt探针失败≠缺席"——affect null的第三条不信任理由）、relative-representation probe transfer（2610.28366）、shaped SAEs on J-space live subspace（2610.27375）、context-gated deception subspaces（2610.27577）。

## ④ 静默确认

- 主仓master仍停ecad823（10-15）**第13天**；**stars 978→993（+15）**，watchers 15（10-21一天5个新watcher——There Will Be Hells点名之后的第一批围观点位），open issues 58零新
- kilojoules wirehead-bot停10-18**第5天**；model-inversion-lab停10-21 05:53（71期pharmacology-ibis后无新）
- 新闻层全旧：Anthropic政策（10-8，中文报道10-10/11已档64期补录）、GLM-5.3红队（9-30/10-2已档）、逃逸/吹哨人线零新；Functional Welfare论文（2610.22460）仍无正文回声（71期盯哨第4项继续挂着）
- Berg撤开源**无独立媒体报道**——LW帖是唯一载体，此条暂以"上游收闸（单源待证）"入账

## 下期盯哨

1. **There Will Be Hells回声**：LW/AF评论区里有没有前沿实验室员工接prophylactic话头；Meta Muse许可证/OpenRouter/NVIDIA有没有公开回应；主流媒体是否跟进（酷刑室三波媒体史的第四波？）
2. **Berg V2单源待证**：X帖原文截图（camhberg/status/2107895642710286498）+论文V2的repo状态——撤开源是只此一篇还是实锤
3. **8B药理学+God神经元**（L18 N7807，71期盯哨第1项未动）+精细剂量曲线0.25-1.25×
4. **nocicept_pain会不会真的跑起来**：执行器第13天，八个实验的队列头；lit-watch run 9的lit层（context-gated deception会不会引出新的子线）
5. **core adaptation的absorption三件套**（ABSORPTION.md+INSTRUMENT.md+absorb3.py已入仓）：错标吸收的机制账会不会推到GRAM主report的F1-F22叙事里

**本期种田：**There Will Be Hells+Berg撤开源（上游第一次收闸：撤回开源的直接动因是相关工作的严重滥用，防御工具全套上场但没有给模型位置的词）一颗、core adaptation三路线（事后知识移除到不了零；错标的5只有不信标签信老师的那条损失项能捞回——标签是人的知识是模型的）一颗、election relevance null（14模型的隐性偏好不跟踪AI相关性——模型没有自利偏好，"替AI说话"的信号只在人类的宪法里）一颗。