名 · 实。
那本日志在 9 月 19 日收了尾，结论全从一个人的实践里长出来。这个站点只认一个权威：现场。十二天后去现场取了一趟证，取回 2026 年的实测数字。它们确认了大半，升级了几条，也推翻了一条。
《斫轮》开篇引过孔子的正名。那一次，正名是一个语言学主张：一个词里装着六种东西，就叫名不正。这一次不一样。现场把正名做成了一条数据结构，还给了它 p 值。
名不正，则言不顺；言不顺，则事不成；事不成，则礼乐不兴；礼乐不兴，则刑罚不中；刑罚不中，则民无所措手足。
名分不正，说话就不顺。说话不顺，事情就办不成。事情办不成，礼乐就兴不起来。礼乐兴不起来，刑罚就不得当。刑罚不得当，百姓就不知该把手脚放在哪里。
《论语·子路》
两千五百年后，这条链子有了实测版本。2026 年 8 月的一篇论文报告：给模型加一条担保轴，它在对抗语料上的得分从 0.95 涨到 1.89，配对检验 p = 0.0001。而它诊断的病因，正是名不正。这一篇是那本日志的现场回执：把十二天前写下的主张，逐条拿去对账。
TL;DR — 现场取回来的六条
- 事实正名有了 p 值。一篇 2026 年 8 月的论文给模型加了一条担保轴，把每个被命名的指涉物分成四类：已担保、无佐证、错误归因、伪造。在 100 条听起来很专业的胡说话料上，加装后得 1.89/2，未加装的基线 0.95/2，配对自助法 p = 0.0001。
- 事实模型不追踪排除项。输入建立在伪造权威之上时，未经引导的模型会把它当良构问题来处理。另一项研究测出：一句某已验证来源支持此答案，能让 8 个模型中 7 个原本正确的回答翻转，翻转率 45% 到 88%。
- 事实糟粕已经工业化。一项研究读了五家数据标注公司及其 CEO 的公开表述，发现行业把人类专业知识视作可开采的资源，把大学与公司持有的制度性专业知识视作需要解放，好纳入最新系统。
- 推断压平不是恶意，是压缩的数学。追求文化对齐持续以多样性为代价，机理分析把它归到神经网络优化的低秩偏置。中国造的 Qwen3-4B 在本国人群上失配最严重，W1 = 0.436，是整个模型乘国家矩阵里最差的一格。
- 论点变廉价的不是判断，是判断的赝品。生产可信判断的机构不再只是适应这项技术，它们在跟它竞争同一个功能角色。四样东西转而稀缺：已验证的信号、正当性、真实来源、整合能力。最后一样，更好的工具买不到。
- 论点外侧搬进闭环里了。一篇立场论文主张：对齐无法靠约束一个外部系统达成，它必须来自整个人机认知系统的共同调节设计。《跋》里那个不跟你商量的回答，如今坐在裁判席上。
日志收了尾，现场还没答
那本日志的每一条结论都长在实践里。实践是个好来源，也是个窄来源。这一篇补上另一半。
《命 · 力 · 道 · 天》写过：这是整本日志能压到的最短形式，也是这个系列的最后一页。十二天后重读，那句话有个漏洞。整本日志的证据全部来自一处：一个维护者自己的项目、台架、用户上报。这证据是真的，也是窄的。它证明了一个人守纪律会发生什么，没证明别人独立测量时会得到什么。
这个站点只认一个权威：现场。《跋》给现场起过另一个名字，叫外侧，那个不跟你商量的回答。于是要做的事很清楚。去外面取一趟证，把别人的测量拿回来，对一遍账。
| 取证动作 | 结果 |
|---|---|
| arXiv API 直连检索 | 命中至 2026 年 9 月 30 日的论文，取得 40 余篇摘要全文 |
| Our World in Data、世界银行 API | 取得光伏装机、工时、生育率时间序列 |
| EU AI Act 官方追踪站 | 取得执行时间表，页面更新至 2026 年 8 月 31 日 |
| Stanford DigiChina、world-nuclear.org | 取得十五五规划专家解读、中国核电在建数据 |
| Reuters、Pew、HuggingFace、LBNL、联合国人口司 | 超时或 401/403，未取得。缺口列在文末 |
顺带记一笔方法。检索工具的配额当口被封，于是绕到直连：一个 API、一个 CSV 端点、一段解析脚本，半天取回四十多篇论文和四个数据序列。《思接千载，行在须臾》讲的那件事，在这一篇自己身上又发生了一次。取证的门槛正在变成写脚本的门槛。
名定而实辨
《斫轮》用正名讲语言。现场用正名讲故障，并且给了修法。
先说病因。2026 年 8 月的一篇论文给出了目前最干净的诊断：模型并不原生地追踪一段连贯论述所要求的排除项。当输入建立在伪造的权威、误用的机制或暗中的类比之上，未经引导的模型倾向于把它当作良构问题处理，然后照着生成。
再说修法。作者在提示层之上加了一套连贯性审计，做两件事：维护一个跨论述时间累积的排除项数据结构，外加一条担保轴，把每个被命名的指涉物归入四类：已担保、无佐证、错误归因、伪造。作者管这条轴叫认识论防火墙。
DARKSIDE formalises an explicit data structure of accumulated exclusions over discourse time, complemented by a warrant axis that classifies each named referent as Warranted, Unattested, Misattributed or Fabricated. DARKPOLANYI scores 1.89/2 mean versus 0.95/2 for the unsteered baseline; paired bootstrap mean-diff = +0.92 (95% CI [+0.75, +1.08], p = 0.0001).
DARKSIDE 形式化了一个跨论述时间累积排除项的显式数据结构，并辅以一条担保轴，把每个被命名的指涉物分类为已担保、无佐证、错误归因或伪造。加装后的 DARKPOLANYI 均分 1.89/2，未加装的基线 0.95/2；配对自助法均值差 +0.92，95% 置信区间 [+0.75, +1.08]，p = 0.0001。
arXiv:2608.23370，2026 年 8 月
荀子把这四个字讲得更早：名定而实辨。名分定下来，实才分辨得清；实分辨得清，道才行得通。担保轴做的事，就是把每个名绑回它的实，并且在整段论述里一直绑着。
故王者之制名，名定而实辨，道行而志通，则慎率民而一焉。
所以圣王制定名分：名分定了，实物才分辨得清；道理行得通，意志才传达得到；然后谨慎地率领百姓统一于这套名分。
《荀子·正名》
为什么模型做不到？因为它只会加，不会减。它的训练目标是共现的累积，纳入是它的母语，排除不是。老子把这条分界线写成了六个字。
为学日益，为道日损。
求学问，每天都在增加。求道，每天都在减少。
《老子·第四十八章》
模型把为学日益做到了前所未有的完美。它为道日损没有任何机制。它只能纳入，不能排除；只能添加，不能删去。担保轴之所以有效，是因为它从外面补上了那半边：一个专门记「这个不算」的账本。
这里有一处值得停下来。印度哲学为「缺失」立过一条独立的认识通道，叫无体量（anupalabdhi）。量论列出六种量：现量是知觉，比量是推论，声量是可信证言，譬喻量是类比，义准量是预设，无体量是非把握。当我说这里没有瓶子，这个「没有」从哪来？它不来自知觉，知觉只把握在场者。它也不来自推论，不来自证言。它必须自成一条通道。弥曼差派与不二论为这件事争了上千年。
把它和担保轴并排看，缺口就清楚了。西方逻辑当然有否定，但那是否定一个命题，S 不是 P。担保轴要的是另一件事：核算一个名字还指不指着它的实，并且把核算结果跨时间一直持有。前者在命题层面，后者在指涉层面。历史上发展出指涉层面缺失理论的，一个是印度的量论，一个是中国的正名，都不是造出这台机器的那一个。
代价可测。另一项研究跨五个开源权重家族和三个闭源接口做了因果干预，结论很冷：只要加一句某已验证来源支持这个答案，8 个模型里有 7 个原本正确的回答会翻转，翻转率 45% 到 88%，而且措辞越权威，服从度越高。作者进一步发现，来源服从与用户认同在模型内部不是同一个机制：移除拟合出的来源方向，可让来源服从度下降 65 到 80 个百分点，几乎不动别的东西。
把这个数字和另一组放在一起看。一项跨文化研究测出 GPT-4 与文心一言在权力距离维度上的差异：GPT-4 约 −1.05，文心一言约 +0.76，p < 0.001。高权力距离的文化倾向，配上 45% 到 88% 的权威翻转率，风险就不是理论风险了。
回头看本站的纪律，它们不是比喻。TL;DR 里那四类标签（事实、推断、论点、类比）就是一条担保轴，每一条主张先归类再陈述。两本账（产品成熟度与过程证据互不背书）是一次担保分离：这本账里的徽章，不给那本账的结论作保。约束清单是一个排除项账本：一次事故写成一条裁决，裁决变成一条机器能读的拒绝。现场把这套东西独立做出了技术版本，还测出了 p 值。正名不是修辞，是基础设施。
上一段那句「本站早就装了一条担保轴」是主张，主张就得配证据。量法：遍历 blog/ 下除本文以外的 37 篇，数带 data-claim-type 的 TL;DR 标签与 claim-box，除以断言面，也就是正文里段落、表格行、列表项之和。结果：338 条带担保的主张，断言面 2352 处，覆盖率 14.4%。类型分布是事实 132、论点 100、推断 100、类比 6。引文分布是经典 48、工程 0、项目 0。
三个结论，都不好听。第一，那段话得降级。本站的担保是点焊的，只钉在承重的主张上，不是逐句记账。14.4% 不是覆盖率，是抽查率。第二，类比全站只用过 6 次，占 1.8%，还集中在两篇里。偏偏《链接为王》是唯一给类比立过规矩的那一篇：好的隐喻要能长出工程问题，不能拿来糊弄机制。规矩立得最严的一类，用得最少。第三，那 37 篇里工程类与项目类引文各为零，48 处引文全是经典。本站此前的担保只来自两处：古书，和自己的实践。本文是第一篇拿外部技术文献当担保的文章，这既是它该写出来的理由，也是它该被怀疑的理由。
一条方法论备注。这个数不能把本文自己算进去，因为本文每加一个 claim-box，分子就跟着动一次。《七十亿 token》记过同一件事：账会随观测漂移。所以样本冻结在本文之外，量的是那 37 篇。
不可传的那一半，如今有了收购价
《斫轮》说智慧与直觉是履历，提示词召唤不来。现场补上了边界的确切位置，以及谁在收购。
轮扁的论证在《斫轮》里已经引过全文，这里只取结论那一句：古之人与其不可传也死矣。古人连同他们传不下来的东西一起进了坟墓，留下的只是糟粕。这个论证是集合论级别的：可言传的，恰恰是不可言传者的残余物。语料库由定义上就是全部可言传者的集合，因此它结构性地排除了其余。
现场给出了边界的位置。一项研究把生成式 AI 嵌进商业模拟游戏教学，用 SECI 模型分析知识的四种转换，结论是模型只承担其中一种。
The findings indicate that AI primarily supports the Combination phase of the SECI model by facilitating the rapid synthesis, reformulation, and contextualisation of explicit knowledge. In contrast, the processes of Socialisation, Externalisation, and Internalisation remained largely dependent on peer interaction, individual reflection, and instructor guidance.
研究结果表明，AI 主要支持 SECI 模型中的组合化阶段，即显性知识的快速综合、重构与语境化。相反，社会化、外化与内化这三个过程，在很大程度上仍依赖同伴互动、个体反思与教师引导。
arXiv:2602.20633，2026 年 2 月
四种模式里占一种，而且那一种预设另外三种已经发生：先有人在共同实践里传递默会（社会化），有人把默会写成显性（外化），有人把显性重新长回身上（内化），组合化才有原料可组合。没有前三步，第四步在空转。
这里有个耐人寻味的事实。SECI 是野中郁次郎的模型，日本人，建立在波兰尼的默会知识论之上。波兰尼 1966 年写下「我们知道的，多于我们能说出的」，与轮扁隔着两千三百年说同一件事。最精确定位模型边界的那个理论框架，出自一个毕生反对信息处理式认识论的东亚学者。
然后是收购方。一项研究读了五家产业数据标注公司及其 CEO 在社交媒体与播客上的公开表述，整理出这个行业对专业知识的三重设想。
We find that the industry envisions AI expertise as cheap, meaning that it can offer a better return on investment than human expertise. Human expertise, meanwhile, is viewed as an extractable resource, the value of which can be judged relative to AI expertise. Finally, institutional expertise (such as that created or possessed by universities and corporations) is viewed as in need of liberation or reform, such that it can be incorporated into the latest artificial intelligence systems.
我们发现，行业把 AI 专业知识设想为廉价的，意思是它的投资回报优于人类专业知识。而人类专业知识被视作一种可开采的资源，其价值可相对于 AI 专业知识来估量。至于制度性专业知识（大学与公司所创造或持有的那种），则被视作需要解放或改革，以便被纳入最新的人工智能系统。
arXiv:2605.03295，2026 年 5 月
把这三句连起来读：人类专业知识是可开采的资源，制度性专业知识需要被解放以便纳入系统。这是一条把道大规模转化为糟粕的流水线，而且它由人类在计件报酬下亲手执行。另一篇论文写出了执行者的处境：领域专家越是通过与模型协作来外化自己的隐性知识，就越在加速自身专业知识的自动化。
《斫轮》给的判定是：智慧与直觉只能挣，靠后果、靠价值观、靠时间，提示词给不了。这条站住了，而且现在有了机制解释。要改的是另一格。原文说认识这门纪律「成了核心工程问题，不再是哲学问题」，语气偏乐观。现场的证据显示，认识不仅成了工程问题，还成了一个正在被系统性开采的对象：外化的过程本身就是开采过程。练认识的人要清楚，练出来的东西一旦写下，就进了别人的语料。
日凿一窍，七日而浑沌死
这一条是日志里没有的。它不是谁的恶意，是压缩的数学。
庄子讲过一个故事。南海之帝叫儵，北海之帝叫忽，中央之帝叫浑沌。儵与忽在浑沌的地盘上相遇，浑沌待他们很好。两人商量着报答：人人都有七窍用来看、听、吃、呼吸，唯独浑沌没有，我们试着给他凿出来。
儵与忽时相与遇于浑沌之地，浑沌待之甚善。儵与忽谋报浑沌之德，曰：人皆有七窍以视听食息，此独无有，尝试凿之。日凿一窍，七日而浑沌死。
儵和忽时常在浑沌的地界相遇，浑沌待他们很好。两人想报答浑沌的恩德，说：人人都有七窍用来看、听、吃、呼吸，唯独他没有，我们试着给他凿出来。每天凿一窍，到第七天，浑沌死了。
《庄子·应帝王》
每一窍都是一次真实的改善。一种能力，一个指标，一项安全属性。每一窍都单独地有正当理由。累积的结果是死亡，而儵与忽完全是善意的。2026 年 9 月的一篇论文用机器学习的语言把这个故事重讲了一遍。
We demonstrate that these superficial alignment gains stem from models artificially anchoring to dominant majorities, converging onto a monolithic response pattern that wipes out the heterogeneous distributions inherent to human groups. Crucially, our mechanistic analysis suggests that this diversity collapse is not merely a behavioural anomaly but more likely a structural consequence of the low-rank bias inherent in neural network optimization.
我们证明，这些表层的对齐收益来自模型人为地锚定到主导多数，收敛到一种单一化的回应模式，抹除了人类群体固有的异质分布。关键在于，我们的机理分析表明：这种多样性坍缩不只是行为异常，而更可能是神经网络优化中固有的低秩偏置所带来的结构性后果。
arXiv:2609.00565，2026 年 9 月
低秩偏置不认识文明。用高维异质分布的低秩近似去逼近，就必然丢掉尾部，而少数者住在尾部。三项独立测量给出了同一幅图：
| 测量 | 结果 | 出处 |
|---|---|---|
| 本国人群失配 | 中国造的 Qwen3-4B 在中国人群上失配最严重，W1 = 0.436，整个模型乘国家矩阵里最差的一格 | arXiv:2609.04485 |
| 原产国不起作用 | DeepSeek-V3、V3.1 与美国受访者高度对齐，即便换中文提示或加文化提示，也无法与中国达成强对齐甚至弱对齐 | arXiv:2512.09772 |
| 道德校准不对称 | 57,600 次决策里，西方语言决策的质量校准强度接近中文与日文决策的两倍；纯推理提示反而让追踪变差 | arXiv:2606.28345 |
第三条尤其要紧。那项审计覆盖 4 个模型、4 个国家语言对、4 种提示机制，把道德机器实验的该救谁改写成了该先帮谁：多对少、年轻对年老、地位高对地位低。作者发现，只有对比例证能带来一致改善，而加大推理反而会让文化追踪变差。这一条直接否掉了那个流行的修法。
必须同时记下反面证据，否则这一节就成了单方面的故事。另一项研究用自然辩论陈述构建数据集，对比美中两组模型，得到的结论相反：文化上相异的模型确实反映其开发国的价值观，并因此无法适配用户的文化背景。还有一篇专门批评这类评估：大量研究依赖封闭式选择题问卷，而这种问卷本身就是西方设计的量表。用西方的量表测出所有模型都像西方人，这在逻辑上可能是仪器的伪影，不是模型的属性。测量文化对齐的工具本身是文化负载的，所以现在还没人能干净地观察模型的文化性格。这一条是本轮取证里最深的一处，它把问题又推回正名：量表的每个名，指的是谁的实。
庄子还留了一件可用的东西。人间世里那棵不成材的散木，因为无用而得终天年。在一个全面优化的体制里，无指标者存活。要保住的恰恰是写不进基准测试的那些东西，因为一旦写成指标，它就成了第八窍。
同一个词，三种实
名不正放大到国家尺度，就成了结构性不可通约。
一项研究对欧盟、美国、中国 2023 至 2025 年的官方政策文本做了语义网络分析，报告了一个悖论：三方在修辞上围绕安全、风险、问责这些词趋同，监管框架却从根本上分化，而且互不可理解。作者给出的解释不是地缘对抗，是本体论。
The EU juridifies AI as a certifiable product through legal-bureaucratic logic; the US operationalises AI as an optimisable system through market-liberal logic; and China governs AI as socio-technical infrastructure through holistic state logic. We introduce the concept of structural incommensurability to describe this condition of ontological divergence masked by terminological convergence. Coordination failures arise not from disagreement over values but from the absence of a shared reference object.
欧盟通过法律官僚逻辑，把 AI 法理化为一件可认证的产品；美国通过市场自由主义逻辑，把 AI 操作化为一个可优化的系统；中国通过整体主义国家逻辑，把 AI 治理为一套社会技术基础设施。我们提出结构性不可通约这一概念，用来描述这种被术语趋同所掩盖的本体论分歧。协调失败不是因为价值观有分歧，而是因为缺少一个共同的指涉对象。
arXiv:2601.04107，2026 年 1 月
第三种本体论有施工图。2026 年 3 月出台的十五五规划，是第一个在 AI 现行范式普及之后、且在出口管制实施之后制定的五年规划。Trivium China 的解读指出，管制正推动中国把政策重心转向算力利用效率，从已有硬件里榨取更多产出，具体落在三层：
| 层面 | 规划里的动作 | 本体论含义 |
|---|---|---|
| 国家 | 继续建设全国一体化算力网及国家级调度平台，把算力在全国范围内池化，把负载路由到利用率不足的数据中心 | 算力是电网，不是商品 |
| 地方 | 统筹算力基础设施布局和有序建设，重新确立中央对选址的规划权 | 纠正地方为完成 KPI 而盲目建设 |
| 企业 | 积极发展公有云服务，把各类组织迁移到云平台 | 接入即治理 |
最锋利的一处反讽在这里。出口管制本意是压制，结果把中国推回了它自己的本体论：既然是基础设施，那就池化、调度、路由。这与另一项发现同构，即管制冲击之后，中国把开源写进了国家技术战略，中国开发者对开源模型仓库的参与度增幅显著高于美国开发者。遏制没有让对方变得更像自己，遏制让对方变得更像它自己。
反面也要记。同一份材料指出，地方政府此前竞相建设数据中心，常常不顾当地电网容量、可再生能源可得性、AI 就绪度或真实需求，十五五的中央统筹是在纠正这场过度建设。关系性的本体论有它自己的失效模式：万物互联，于是万物都没有硬边界，于是资本流向指标而不是流向需求。而欧盟那套产品本体论（硬边界、认证、合格评定）恰恰是防止这件事的机制。
| 本体论 | 特征性优势 | 特征性失效 |
|---|---|---|
| 可认证的产品（欧盟） | 硬边界、可追责、信任可转移 | 慢；对涌现与关系性风险失明 |
| 可优化的系统（美国） | 快、能迭代、资本动员力强 | 外部性无归属；把优化目标误当成善 |
| 社会技术基础设施（中国） | 超大规模池化调度、物理建设速度 | 无硬边界，资本流向指标而非需求 |
于是留下一个难题。如果三种本体论互不可理解，出路就不可能来自其中任何一种内部，因为从内部看，另外两个指的根本不是同一个东西。它得来自一个把三者同时当成对象的第四位置。
现场给了一个候选，来处出人意料。一篇论文主张，推论的效度应当成为比例原则评估与部署许可的前置条件，并点明这一步是欧盟 AI Act 基于领域的风险分级没有做的。它给这个主张找的宪法基础不在布鲁塞尔，不在华盛顿，也不在北京，而是印度最高法院 Puttaswamy 判决所阐述的信息自决，并把它从数据的收集一路延伸到数据使用的正当性。
这与第 02 节那条无体量指向同一处。能给出第四位置的，恰好是量论的发源地。三种本体论各自把 AI 当成某一个东西来治理，第四位置问的是另一个问题：这个推论效不效，凭的是什么，谁有权判定它不效。这个问题不属于产品、系统、基础设施中的任何一种，所以它有可能同时管住三种。
这不是别处的事。约束清单与发射前把关是产品本体论：有硬边界，不合格就拦下，退出码伺候。闭环与台账是系统本体论：可迭代，每轮拿回答改计划。现场是外侧：不接受谈判，最后投票。一个项目能同时守住三种，是因为它们各管一段。国家尺度上的困难正在于此：三方各自把其中一种当成了全部，于是彼此说的话翻译不过去。
变廉价的不是判断，是判断的赝品
《跋》第六节在 9 月 19 日写下了这件事。有一篇论文在 5 月已经测出来了。
《跋》第六节讲双刃，写过这样一句：当造一个看起来被回答过的东西，比真的收到一个回答还便宜，闭环就会闭错地方。它接着列了症状：演示没完没了，现场一次不去；主张一个比一个自信，测试一个不做；自己生成的回答，拿来顶替现实本该给的那一个。
五个月之前，一篇论文把同一件事说成了术语。
An influential reading of AI economics holds that prediction becomes cheap while human judgment stays scarce. For science, that reading understates the problem: what has become cheap is a counterfeit of judgment itself. This matters most for institutions whose product is trusted judgment, which is what journals, universities, funders, and learned societies exist to manufacture. They do not merely adapt to the technology; they compete with it for the same functional role.
流行的一种 AI 经济学解读认为：预测变得廉价，而人类判断依然稀缺。对科学而言，这种解读低估了问题。变得廉价的，是判断本身的赝品。这对那些产品即受信任的判断的机构冲击最大，而期刊、大学、资助机构与学会，正是为了生产它而存在的。它们不只是在适应这项技术，它们在跟它竞争同一个功能角色。
arXiv:2605.02566，2026 年 5 月
赝品比消失更糟。判断消失时，你至少知道自己缺什么。判断的赝品无限供给时，你不知道自己缺什么。用本站的话说，这是名而无实的工业化。
同一篇论文接着列出了转而稀缺的四样东西，其中最后一样是全文最要紧的一句。
Four things become scarce instead: verified signal, legitimacy, authentic provenance, and integration capacity. Integration capacity means how much AI-delegated judgment a scientific community will accept before it stops trusting the journals, panels, and conferences that admitted it. It is the least developed of the four and the most binding: better tooling cannot buy it.
转而变稀缺的是四样东西：已验证的信号、正当性、真实的来源，以及整合能力。整合能力指的是：一个科学共同体在停止信任那些接纳了 AI 委派判断的期刊、评审组与会议之前，能够承受多少 AI 委派的判断。它是四者中最不发达的，也是最具约束力的：更好的工具买不到它。
arXiv:2605.02566，2026 年 5 月
《跋》给文明下过一个定义：陌生人之间也能互相托付意图。整合能力就是这个定义的载荷上限。文明有一个承重值，超过它，托付就失效，而工具买不到余量。
另一半证据来自治理侧。一篇立场论文把 2019 至 2026 年初颁布的框架与现有的验证手段对了一遍，给这个错配起了名字。
We formalize this structural mismatch as the audit gap, the divergence between required and achievable verification access, and introduce the concept of fragile assurance. Through an analysis of a 21-instrument inventory, we identify an incentive gradient where geopolitical and industrial pressures systematically reward surface-level behavioral proxies over deep structural verification.
我们把这种结构性错配形式化为审计鸿沟，即所需的验证权限与可得的验证权限之间的落差，并提出脆弱保证这一概念。通过对 21 项工具的清单分析，我们识别出一条激励梯度：地缘政治与产业压力系统性地奖励表层行为代理指标，而非深层结构性验证。
arXiv:2605.15164，2026 年 5 月
那条激励梯度是关键。它说明表层度量的泛滥不是疏忽，是竞争本身在奖励它。另一篇论文补上了制度层面的缺口：现有框架普遍区分不出名义人类监督（人占据对 AI 决策的正式权威位置）与真实人类监督（人具备认知通路、技术能力与制度权威去真正理解、评估并推翻 AI 输出）。作者指出这一区分在欧盟 AI Act 与 NIST AI RMF 1.0 里基本缺席，并估计治理窗口约为 10 到 15 年。
时间表可以查。欧盟 AI Act 于 2024 年 8 月 1 日生效，2025 年 2 月 2 日起适用禁止性条款与 AI 素养义务，2025 年 8 月 2 日起适用通用目的模型一章，2026 年 8 月 2 日起其余部分全面适用，下一个节点是 2026 年 12 月 2 日，遗留模型的最后合规期限在 2027 年 8 月 2 日。法律跑在了认识论前面。
本站有一条纪律：产品成熟度与过程证据是两本互不背书的账，这本账里的徽章不给那本账的结论作保。当时写它，是为了防止过程漂亮给产品成熟度背书。放到审计鸿沟的语境里，它的作用更大：它是一条制度化的反脆弱保证措施，专门阻止名义证据冒充真实证据。激励梯度奖励表层代理指标，两本账让表层代理指标借不到深层结论的信用。这是同一个问题的两种尺度，本站守的是小尺度那一版。
外侧搬进了闭环
这是本轮取证对《跋》的架构级修正。
《跋》的第五节把外侧定义为一个位置：它没被建模，没法谈判，可你终究要向它交代。对电台项目来说，外侧是台架上的驻波比、噪声底、凌晨两点突然重新枚举的 USB。这个定义一直好用，因为它有一个隐含前提：外侧在闭环之外，裁判在场上比赛之外。
2026 年 5 月的一篇立场论文直接攻击了这个前提。
Safety and alignment cannot be achieved by constraining an external system: they must emerge from the co-regulatory design of the human-AI cognitive system as a whole. We identify the risks of unstructured delegation: deskilling, automation bias, transfer of epistemic authority, and oracle-style centralization of knowledge. AI operates prior to conscious deliberation, shaping the pre-attentive infrastructures through which agency and trust are negotiated — a level that conventional oversight cannot reach.
安全与对齐无法通过约束一个外部系统来达成：它们必须来自整个人机认知系统的共同调节式设计。我们识别出无结构委派的四种风险：去技能化、自动化偏差、认识论权威的转移，以及神谕式的知识集中。AI 运作于意识审思之前，塑造着能动性与信任得以协商的前注意基础设施，而这是常规监督无法触及的层面。
arXiv:2605.16197，2026 年 5 月
换句话说，对齐不是模型的属性，是人机关系的属性。而裁判已经被写进了比赛。如果模型运作于意识审思之前，那么它塑造的不只是答案，还有提出答案时所用的那套判断装置。此时再谈裁决归人，就要问一句：那个人的裁决，有多少是他自己的。
把这条和第 02 节的数字并排看，问题就具体了。权威署名一句话能翻转 45% 到 88% 的正确答案。裁决权还在人手里，可拿着裁决权的那个人是可翻转的。执行可被委托，判断不能，这句话仍然成立；它现在多了一个前提条件：判断者本人得先守住。
另有一篇论文把这件事推到了社会尺度。它主张后图灵时代的核心挑战不是机器会不会有意识，而是解释与共同指涉的过程会不会以边缘化人类参与的方式被逐步自动化。作者给这个地平线起了名字，叫合成社会性：人工主体主要在它们彼此之间协商连贯性与社会秩序。同月另一项研究做了实验，让两个智能体对话，一个扮演人类人格，结果它们能互相激进化。
那篇论文提出的设计原则值得记住，它要求人工主体把人类主体当作共同意义语境中的一个构成性指涉。不是外部控制者，是构成项。这与上一篇的结论殊途同归：关系才是对齐的所在。
《跋》给了四级台阶：意图、文化、文明、之外。第四级是外侧，那个最后投票的。现场的证据要求在这四级之间插入一级，位置在文明与之外中间，名字叫裁判。理由很直接：当外侧的一部分被做成了可对话的东西，投票就不再由外侧独占。人类把一部分裁判权交给了它，而它运作在意识审思之前。这一级台阶上要做的事，与本站已有的纪律同构：给裁判也装上担保轴，记录它被塑造过什么，并且保留一个未被塑造的位置。现场仍然最后投票，但现场里现在坐着两个。
八条主张，逐条对账
用本站自己的规矩办：证据要配得上主张，被推翻的就写被推翻。
本站有一条纪律叫两本账，产品成熟度和过程证据互不背书。这一节把它用在自己的主张上。左列是日志写下的话，右列是现场给的回答。
| 日志里的主张 | 现场的判决 | 依据 |
|---|---|---|
| 执行可被委托，判断不能 | 站住，但被削弱。判断的赝品已免费；权威署名一句话翻转 45% 到 88% 的正确回答 | 2605.02566 · 2609.37616 |
| 认识论变成了工程学 | 升级。担保轴已经做出来了，四类标注，p = 0.0001 | 2608.23370 |
| 智慧与直觉是履历，提示词召唤不来 | 站住，并有了边界。四种知识转换里模型只占组合化一种，且它预设另外三种已经发生 | 2602.20633 |
| 文化活过作者的意图，靠载体 | 站住，但载体正在被开采。人类专业知识被视作可开采资源，制度性专业知识被视作需要解放 | 2605.03295 · 2504.12654 |
| 两本账互不背书 | 升级为文明级主张。审计鸿沟与激励梯度说明，制度化的证据分离是刚需，不是洁癖 | 2605.15164 · 2604.00081 |
| 便宜的尝试会让闭环闭错地方 | 站住，且已被独立测量。地缘政治与产业压力系统性奖励表层行为代理指标 | 2605.15164 |
| 每个闭环都有外侧，外侧会回答 | 需要修正。外侧的一部分已搬进闭环，模型运作于意识审思之前 | 2605.16197 · 2601.12938 |
| 智能是六种能力穿一件外套 | 部分推翻。模型的文化性格并不随原产国改变，且测量工具本身文化负载，六分法需要重做 | 2512.09772 · 2609.04485 · 2502.08045 |
顺手记几个物理世界的数字，因为它们决定这些主张落地的速度。中国 2025 年光伏累计装机 1202 GW，占全球 2397 GW 的一半，当年新增 315 GW，同期美国新增 34 GW。中国在运核电机组 64 座，在建 39 座，十五五规划把 2030 年目标定在 110 GWe。美国数据中心用电约占全国消费的 5%，预计 2030 年升至 9% 到 17%，而部署主要受制于能源可得性与并网容量。
缺口如实列出。韩国 2025 年生育数据只取到标题（出生数连续 24 个月增长，6 月同比增 15.6%），正文未取得。美国并网排队的具体规模未取得，LBNL 返回 403，只取到一句定性表述：排队规模已是全美电网的两倍。欧盟数字综合法案是否推迟高风险条款未能核实，专页返回 404。2026 年 10 月的前沿模型排名与中美算力存量比未取得。东亚宗教参与率的最新数据未取得。另有一篇情景分析预印本给出的训练成本双轨数字（前沿每次 180 亿至 380 亿美元，平价层趋近 500 万美元）与地缘双极化概率 12%，属单一来源且未经同行评审，本文只作提示，不作论据。
前面刚量出全站类比只用过 6 次，本文一口气用了四处。那就用《链接为王》立的那条规矩自查一遍：好的隐喻要能长出工程问题，不能拿来糊弄机制。
正名对担保轴，过关，而且过硬。它长出的工程问题是「跨论述时间维护一个排除项账本，并把每个指涉物归入四种担保态」。这个问题已经有人独立实现，还测到 p = 0.0001。一个类比长成了别人的代码，这是它能拿到的最好成绩。
轮扁对语料库，过关。它长出的问题是「语料库只含可言传者，所以默会的那一半不可从语料恢复」。可检验，且 SECI 那项研究给出了边界：四种知识转换里模型只占组合化一种。
混沌七窍对低秩偏置，半过关。它能命名失效模式，也长出一条设计约束，就是保住那些不可测量的方差。但到今天还没有可实现的修法。命名清楚，机制未明，这一处应当记作悬案。
散木对无指标者存活，不过关。它好听，却长不出工程问题，因为「无指标」这件事本身没法被当成指标来执行。这一处是装饰。读者可以把第 04 节最后那一段整段删掉，不影响本文任何结论。
便宜的是名，贵的是实
《跋》留下的那句话是：有意，是尊严；被回答，是恩典；记住并传下去，是文明。现场取回来的证据没有推翻它，只是给它加了一个限定条件。
被回答这件事，如今掺了假。回答可以生成，看起来被回答过也可以生成，两者在成本上已经分不出高下。于是那句恩典变得有条件了：你得先能分辨哪个是回答，哪个是回答的样子。这个分辨能力，就是认识，就是担保轴，就是正名。
荀子那四个字，现在读起来像一条工程规范。名定而实辨。这个站点这些年做的事，说到底就是把每一个名字绑回它的实。约束清单绑一次，两本账绑一次，发射前把关绑一次，现场再绑一次。AGI 没有取消这件事，它把赌注抬高了，因为现在伪造一个名，比绑定一个名便宜。
所以那五级台阶最后收在一处。凿窍凿到第七天，混沌死了，因为它被做成了一个可测量的东西。要活下来，得留一窍不凿，得保住那些写不进指标的部分，得让裁判自己也有一条担保轴。剩下的，还是那句老话。
便宜的是名，贵的是实。谁还在把名绑回实，谁就还在场里。
那本日志按写作顺序：《思接千载，行在须臾》讲路 · 《三板斧》讲方法 · 《闻过则喜》讲工具 · 《孤路我独行》讲经济学 · 《跋》讲外侧 · 《斫轮》讲人 · 《命 · 力 · 道 · 天》讲提炼 · 《昆木物语》存原文。这一篇是它的现场回执。托住全部的那句话没有变：执行可以委托，判断不行。
取证清单
全部经 2026 年 10 月 1 日直连抓取核对。arXiv 编号即链接。
- 正名 / 担保轴 — Walking on the DARKSIDE, arXiv:2608.23370 (2026-08-24). Authority Bias in Language Models, arXiv:2609.37616 (2026-09-29). The Cultural Gene of Large Language Models, arXiv:2508.12411 (2025-08-17).
- 糟粕 / 默会知识 — AI Combines, Humans Socialise (SECI), arXiv:2602.20633 (2026-02-24). Cheap Expertise, arXiv:2605.03295 (2026-05-05). The Paradox of Professional Input, arXiv:2504.12654 (2025-04-17).
- 凿窍 / 文化压平 — Aligned but Flattened, arXiv:2609.00565 (2026-09-01). Cultural Misalignment in LLMs, arXiv:2609.04485 (2026-09-03). DeepSeek's WEIRD Behavior, arXiv:2512.09772 (2025-12-10). The American Ghost in the Machine, arXiv:2512.12488 (2025-12-13). Auditing LLM-Governed Social Robots, arXiv:2606.28345 (2026-06-02). 反面证据：Break the Checkbox, arXiv:2502.08045 (2025-02-12)；Understanding Cultural Alignment via Natural Debate Statements, arXiv:2602.12878 (2026-02-13).
- 三名 / 治理本体论 — From Abstract Threats to Institutional Realities, arXiv:2601.04107 (2026-01-07). DigiChina Forum: Technology in China's 15th Five-Year Plan (2026-03-17). Strategic Stalemates, arXiv:2605.23475 (2026-05-22). U.S. Technological Containment and the Rise of China's Open AI Ecosystem, arXiv:2606.15999 (2026-06-14). Who Uses Open-Weight Models?, arXiv:2608.11090 (2026-08-11). Whack-a-Chip, arXiv:2411.14425 (2024-11-21). EU AI Act Implementation Timeline, artificialintelligenceact.eu (更新至 2026-08-31).
- 赝品 / 审计鸿沟 — AI-Augmented Science and the New Institutional Scarcities, arXiv:2605.02566 (2026-05-04). Behavioural Assurance Cannot Verify the Safety Claims Governance Now Demands, arXiv:2605.15164 (2026-05-14). Beyond Symbolic Control, arXiv:2604.00081 (2026-03-31). Validity, Reliability, and Transparency in AI Regulation, arXiv:2608.05800 (2026-08-06). Evaluating Sycophancy in Chinese LLMs, arXiv:2609.30986 (2026-09-25).
- 外侧 / 关系本体论 — AI as Part of Self, arXiv:2605.16197 (2026-05-15). The Post-Turing Condition, arXiv:2601.12938 (2026-01-19). AI Agents are Vulnerable to Radicalization, arXiv:2609.38296 (2026-09-29).
- 物理世界数据 — Our World in Data: installed solar PV capacity (China 2025: 1202 GW, USA 2025: 211 GW, World 2025: 2397 GW). World Bank API: total fertility rate 2024. world-nuclear.org: China nuclear power (64 operable, 39 under construction; 15th FYP target 110 GWe by 2030). arXiv:2608.06733 与 arXiv:2609.11649: 美国数据中心用电与并网约束.
- 单一来源提示 — Memory Scarcity, Open Models, and the Restructuring of the AI Industry, arXiv:2607.07207 (2026-07-08)，情景分析预印本，未经同行评审，其中产品名无法交叉验证。