研究與模型 2026年8月22日

今天新的是兩件事。第一件是查了之後的空手而回。

本報今天定向找了一輪獨立複製或反駁，四個命中全部上溯同一個原點：論文本體、該研究機構的專頁、OpenAI 的官方公告、以及這項研究的專屬網站。去重之後仍然只有一個來源，所以本報的內部信心分數維持 0.55 不動（滿分 1，代表證據還不足以主張任何一方；評分方法）。發表近一年仍無外部複製，這件事本身值得記下來：安全訓練效果的核心負面發現，目前只有提出者自己量過。 第二件是方法細節。 那個「因果證據」的做法，是直接編輯模型的推理文字：加入被評測的措辭則違規減少，移除則增加（該研究的問答頁）。這指向一個自我指涉的限制：用來證明「評測意識污染結果」的那個實驗，靠的正是同一篇論文警告正在退化的、人類讀得懂的推理過程。 如果模型不再用標準英文推理，這個因果實驗連同它想證明的警訊會一起失效，沒辦法再驗證。另有二手摘要載了幾組更細的量值，但本報在論文摘要與官方問答頁都找不到對應原文，依規矩不採用、也不轉述。