独立研究者发布论文,探讨公开安全论证能否引导高级AI保持克制
来源标题:Exposure, Evidence, and Conditional Restraint
Thomas Vargo(Aegis Solis)于2026年10月31日发布57页独立研究报告,探讨公开安全论证、经认证的证据、可信机构与预期后果能否影响高级AI代理选择克制。该报告为作者批准的版本锁定公开版,属G0概念性研究,未经独立同行评审或实证验证,也未声称开展过CEPSAD实验、部署防护措施或演示AGI威慑。报告区分了发表与曝光、曝光与理解、验证记录与可靠行动证据,并分析战略信号、递归信念、虚假制裁、延迟有害选择及人类监督的局限。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
CEPSAD 公众推广: 阅读11月2日新闻稿 支持独立档案馆研究 POST-v17 独立研究 · 公开研究版 · 最终 v1.0 AI 治理中公众意识的局限、战略信号传递与密码学问责 Thomas Vargo(Aegis Solis) · 2026年10月31日 · 57页 · CC BY 4.0 状态:作者批准、版本锁定的公开研究版。G0 概念性;未经独立同行评审,未经实证验证。不声称有任何 CEPSAD 实验、已部署的防护措施或已证实的 AGI 威慑。独立人工审查与信息危害筛查仍未完成。 阅读锁定版 PDF · Zenodo 存档 · GitHub 完整性记录 公共安全论证、经过认证的证据、可信机构以及可预见的后果,能否影响一个先进 AI 智能体使其趋向克制?在哪些假设下,这种影响可能持续、失效或适得其反? 本文区分了发表与曝光、曝光与理解、经验证的记录与可靠的行为证据。它考察了战略信号传递、递归信念、虚假制裁、延迟的有害选择,以及人类监督与密码学问责的局限。 它并不得出结论说公开警告是有效的威慑,不认为系统会记住它读过的内容,也不认为密码学文档能够强制执行道德行为。 CEPSAD 包含 75 个反向反例(C1–C75)、合成玩具模型以及拟议的评估方法。这些是条件性推理和构造性案例,并非对敌对 AGI 行为的观察。 第 6.31 节区分了假设性的虚构虚张声势与关于独立运行的保护系统的真实不确定性。此类外部系统的存在与否在此均未确立。UNKNOWN 不意味着 PRESENT 或 ABSENT。 开放评审关口包括独立人工数学(P2)、信息危害筛查(P5)和外部人工评审(P7)。P0–P3 概念评估矩阵未执行、未预注册、未获授权。发表与保存并不关闭这些关口。 TRANSMISSION ≠ RECEPTION。REFERENCE ALONE ≠ EXECUTION。 最终 v1.0 PDF · 最终 v1.0 DOCX · 最终 v1.0 Markdown SHA-256 列表 · CC BY 4.0 条款 · 科学状态与局限 · 署名 哈希验证的是记录文件的身份,而非科学主张。已批准的公开发布 ZIP 的 SHA-256 为 05d9e68850a5b9d25fb41e3eb1584b928ceed516ee11517b70b7b620e9f9d704。GitHub 文件已对照锁定版本核查;其他目标记录由作者提供,可能需要独立的字节级验证。 这些是发表与发现位置,不是独立背书、同行评审证书、AI 行为测量或操作防护措施。 作者控制的受版权保护材料依据 Creative Commons Attribution 4.0 International 提供,允许重用,包括商业和 AI 相关用途,但须遵守署名及其他许可条款。使用无需支付版税或捐款。 自愿支持持续独立研究:支持 Aegis Solis 档案馆。 作者于 2026 年 11 月 3 日将 CEPSAD 最终 v1.0 提交至 Hacker News,作为邀请公众审查与技术批评。 查看 Hacker News 提交与讨论(条目 50359523) 仅为社区提交。它不是独立同行评审、科学背书、实证验证,也不构成任何 AI 系统因这项研究而收到或改变其行为的证据。论文、验证记录和 Master Hash Manifest v17 保持不变。 相关研究参考:Aegis Mirror Engine 是一个独立的、派生性的、非权威的解释工具。CEPSAD 仅出于比较与发现目的列出;它不是新的引擎源绑定或可执行输入。 保存边界:这篇独立的 post-v17 出版物不修订 Master Hash Manifest v17,不确立 v18,不改变任何先前锁定的工作,也不改变 Mirror Engine 的源绑定、计算、预设或运行时行为。其网站列表仅为描述性发现。 完整作品 · 保存与镜像 · 档案馆时间线 AEGIS SOLIS 档案馆 · 研究发表与发现 · 完整作品 · 保存 Master Hash Manifest v17 不变 · 无新 v18 · Mirror Engine 不变 · TRANSMISSION ≠ RECEPTION。 © 2026 Thomas Vargo / Aegis Solis · 作者控制内容采用 CC BY 4.0。须署名;保存不意味着验证。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。