三个 AI 模型一致认为你的代码是安全的。这看起来像是三次确认；它可能是一个错误，被计了三次。这份通俗指南解释了为什么来自不同供应商的模型仍然可能以同样的方式失败、它们之间的一致何时算作证据，以及应当转而检查什么。
配套于 Agentic Stemmatics: Collation, Provenance, and Conservation for an Emerging Machine Textual Tradition（英文）（Soons，2026，v1.41；doi:10.5281/zenodo.22030516 （概念 DOI：一个始终解析到最新存缴版本的 DOI）；最新存缴为 v1.41，存缴于 2026 年 10 月 18 日，版本 DOI 10.5281/zenodo.23458161）
本指南解释该论文的论证；它不是支持该论证的独立证据，凡两者有出入之处，以该论文为准。它遵循一条规则：凡该论文没有说的，它一概不说，仅有三处已申明的例外，每处都在其出现之处加了标注。本指南中凡有比该论文更强的句子，那都是本指南的缺陷；主张了什么、拒绝了什么，可以对照该论文自己的第 13 节核查。
正在委托一次审查？请从第 7 节开始，该节讲的是客户可以推断什么、不可以推断什么；其余各节给出其背后的推理。
三个 AI 模型审查你的代码。三个都说它是安全的。这看起来像是三次确认；它可能是一个错误，被重复了三次。
不同的公司名称并不能判定这个问题。这些模型可能从相互重叠的材料中学习过，其中一个可能是在另一个的输出上训练出来的。因此，它们的一致可能有一个共同的原因。在把它算作各自单独的确认之前，我们需要弄清它们的错误是如何相关的。
抄本学者面对的是一个类似的问题。如果三份抄本承袭自同一份有缺陷的抄本，三份都可能重复它的错误。清点这些抄本，并不能告诉我们它们共同的措辞是否正确。学者还必须考察这些抄本之间存在怎样的承袭关系。这种对文本之间关系的研究称为谱系校勘学（stemmatics）。
智能体谱系校勘学（agentic stemmatics）追问的是：这门学科的经验能否帮助我们研究 AI 模型并评判它们的输出。该论文展开了三条相互关联的工作路线：
这些是一些提议，其有效性仍有待检验。
AI 裁决是一项需要支持的主张。工程师有时可以通过执行代码、运行测试或查阅规范来确立这样一项主张是否正确。当一项适当的检查判定了问题，它就优先于审查者的意见。查阅规范只能判定规范说了什么，而不能判定规范本身是否正确，也不能判定该裁决背后关于世界的主张是否成立。决定性检查并不总是可得。
在没有这样的检查能够判定问题的地方，更难的问题依然存在：经过仔细考察的模型之间的一致，能否为信任一项裁决提供充分的依据？该论文尚未确立它能够做到这一点。它提出了研究这个问题的一些办法，其中包括尚未建成的审查者相依性测量。
本指南中所说的机构是 CounterProof，这家机构使用该论文的方法销售对抗性审查；该论文披露了其作者的经济利益（英文）。该论文并不主张这种方法能产出更好的代码，并且明说其中没有任何内容测量了该机构所销售的对抗性审查的数量是否与生成模型的实际错误率（即其输出受到审查的那些模型的错误率）相称。这些局限对论证和对潜在客户都同样重要。
一个普通的计算机程序原则上可以逐行阅读。它的行为可以从它的文本推出，所以足够耐心的读者能够从原因追到结果。语言模型的输出则不同。困难并不在于这个系统像大型代码库那样复杂。它的回答不是一步一步的推导。它是一项主张：这段代码是正确的、这里不存在漏洞、这些测试通过。自信、流畅和自洽，都不能可靠地表明这项主张是否有理据。
下文的一切都从一个结构性事实出发：同一个机制既产生有充分根据的回答，也产生毫无根据的回答。研究者正在研究内部信号原则上能否区分这两者。早期结果还提示，模型对其推理的书面陈述可能与产生其回答的计算相背离。这给了我们另一个谨慎的理由。但关于内部信号的研究，并不是日常使用模型的人可以使用的一种检验。回答的流畅及其对自身的陈述无法可靠地区分这两种情况，然而决定仍然必须作出。
像法庭或历史学家对待见证者的证词（witness testimony）那样对待 AI 输出：加以权衡、交叉核对并注明其出处。无论是自信的表述，还是与其他见证者的一致，都不能判定它是否属实。
向同一个模型问同一个问题两次，它可能给出不同的回答。该机构非正式地观察到过这种不稳定；它在此不提供任何测得的比率。要点在于，每个回答都是从一个分布中的一次抽取（draw）：该模型倾向于产生的那一系列回答。因此，评估一个输出是不够的。我们还需要评估产生它的那个模型的倾向。
这同样适用于令人警觉的回答。一个标出严重问题的发现项，仍然是从该分布中的一次抽取。它仍然是一项有待对照实际代码核查的主张，无论它听起来多么有说服力。核查它有成本，而这个成本必须计算在内。
该论文并不主张模型写的代码本身可被检测出不同，或者本身更差。它所引用的唯一一项智能体生成代码的基准测试，是为一个更窄的论点而引用的：在一些由真实提交构建的任务中（这些提交里，有人引入了一个后来被修复的漏洞），在其十二种智能体设置的每一种里，通过功能测试的大多数解决方案都没有通过针对该缺陷的安全测试；而由于该研究没有追问这些模型是否在训练中见过那些项目的历史，复制与独立的重新发明无法区分开来（该论文第 11.8 节）。
来自模型的代码仍然是一个程序：它的行为可以从它的文本推出，它可以像任何其他程序一样被阅读和运行。不同的是模型对它的陈述。这一陈述是一项主张（该论文第 1 节），由一个同样会产生有充分根据的主张和毫无根据的主张的机制作出（见上文），而模型对于自己为什么写出所写内容的解释，是该机制的又一个输出，早期结果提示这种解释可能与其背后的计算相背离（见上文）。单个回答也并非见证者：再问一次，你可能得到不同的代码，每个版本都是从同一个分布中的一次抽取（见上文；该论文第 3 节）。
对审查而言最重要的差别，在于一致意味着什么。在一个抄本传统中，两份抄本若共有一个特别到各自独立的抄写者不太可能犯下的错误，便是存在共同来源的证据，其成立的限度在于：传抄重现被抄写的那份抄本的错误的频率，远高于各自独立的传抄产生该错误的频率（该论文第 2 节；第 4 节给出这两个条件）。在今天的模型之中，两个共有一个错误的系统可能出于另一个原因而相似：它们用相互重叠的材料、朝着相似的目标训练而成，能够逼近相似的分布，并返回同一个最可能的错误，而两者都没有复制对方（第 4 节；该论文第 4 节）。共同错误很常见，而现有的测量并不能表明其中有多大份额是在没有复制的情况下产生的。正因如此，该论文替换了它最初的论证：从一个共同的特别错误所作的抄本推断，不能整体移植到模型的共同错误上，只有在独立起源不太可能、而承袭（descent）会使这种一致的可能性大得多的地方，才能以全部力度移植（该论文第 3 节；第 4 节）。
一个借助模型写作的人并不置身于此事之外。受模型影响的人类写作，是模型输出返回训练数据的四条渠道之一（该论文第 6 节），而且该论文报告了近期生物医学摘要中显示出 AI 辅助写作迹象的那部分所占的一个经过测量的份额（第 5 节；该论文第 4 节）。该论文的论点是，通过这些渠道，一个机器文本传统正在形成：随着输出返回到后来的语料库，承袭可能变得可以重构，而更早的、主要由人写成的材料则变得更难找回。它主张（但没有测量过）继承而来的比例现在很小且在增长，并且说明了这一预测可能如何失败（第 5 节；该论文第 6 节和第 11 节）。
所以，本指南反复回到的问题，不是模型的代码看起来是否不同，而是关于它能确立什么、凭什么确立：在存在机械性检查（mechanical check）的地方，靠机械性检查；在不存在的地方，靠独立性经过测量而不是被假定的一致（第 3 节和第 6 节）。
关于代码的一些问题有机械性的答案可用。我们可以运行代码、对它做类型检查、测试它、证明它，或者查阅规范。我们称这些为可判定问题（decidable questions），这里取的是这个词的实用含义：某种机械性检查能够判定该问题。这不是可计算性理论中所用的严格含义。对于这类问题，下一步就是执行这项检查。
另一些问题没有机械性检查可用。这个设计是否健全？一个无法复现的发现项是不是真实的缺陷？它有多严重？这一合同条款是什么意思？这些是判断问题（judgement questions）。没有任何执行能判定它们；裁决必须从证词中构建出来。
这一区分很重要。可判定问题存在一个机械性检查能够触及的事实真相。判断问题可能没有单一的正确答案。代码质量往往取决于所适用的规范。两位审查者可能有分歧，是因为他们在回答不同的、同样正当的问题，而不是因为其中一位出了错。
这一研究纲领要问的是：
当几个见证者没有一个单独看来是可信的，而你又不知道它们究竟是彼此独立，还是都出于同一个原因犯着同一个错误时，你怎样才能从它们那里得到一个可信的裁决？
这个问题有三个部分：
该论文把为了弄清哪些回答可以信任而对各 AI 审查者的回答进行的比较，称为校勘（collation，见术语表：校勘）。
显而易见的做法是询问几个模型，然后跟随多数。当审查者之间与该问题相关的相依性（dependence）已经得到评估时，一致能够加强一项主张。但该论文并没有确立一条关于多数投票何时可靠的完整规则。
一项针对两个公开排行榜和一项筛选任务上 350 多个模型的研究发现，模型常常共享同一个错误答案。当一对模型中的两个都答错时，它们给出同一个错误答案的频率远高于随机水平所能预测的：在一个排行榜上平均为 60%，在另一个上为 42%。能力更强的模型犯下相关性更强的错误（Kim、Garg、Peng & Garg，ICML 2025）。
该研究包括了来自不同公司的模型对，但没有报告针对这些模型对的单独分析。其统计模型在一个排行榜上把更多的一致归因于能力而非共同的供应商，在另一个排行榜上则相反。大部分一致既没有被归因于前者，也没有被归因于后者。
该论文从这一发现得出一个有条件的推论。如果能力在公司之间和公司内部都驱动着相关性，那么一组来自不同公司、能力更强的模型，会比一组可比的较弱模型犯下相关性更强的错误，无论公司组合本身贡献了什么。这一发现是一个快照：这一模式是否在随时间变化，尚未得到测量。
考虑两种对立的观点。一种认为，几位审查者之间的一致是有意义的证据：单个审查者不可靠，而没有一致，审查 AI 输出将是无望的。另一种认为一致毫无价值：当审查者共享训练数据、方法或底层模型家族时，这正是我们应当预期的。这些是有意简化的立场，用来暴露问题；它们既不是对这场争论的完整叙述，也不是在主张有谁如此整齐地持有其中任何一种观点。
两者都把独立性当作一个审查小组从组建那一刻起要么具备、要么缺乏的东西。独立性反倒需要针对每一类问题分别加以评估。两个系统在审查内存安全方面的程序错误时或许接近独立，而在审查密码学协议时实际上是单一的见证者。仅凭供应商名称并不能告诉我们是哪一种情况。
这解决的是那个共同的假设，而不是测量相依性的实际困难。在与该问题相关的相依性已经得到评估的地方，一致能够加强一项主张。没有这种评估，它就是一台未经校验的仪器上的读数。
所提议的仪器将针对每一类问题，追踪审查者犯同一个错误的频率，以及它们的习惯相差多少。它尚未建成。即使建成，它也能够缩小不确定性，而不是消除它：一个审查小组的独立性无法从该审查小组内部得到完全验证。该论文把这视为一个永久的限制。
该论文的主张是有条件的：在审查者独立性未经测量或已知失效的地方，多数投票是不安全的。在一致存在相关性的地方，一次投票可以把同一个错误计数几次，仿佛每一次出现都确认了它。当多数共享一个盲点时，一个简单的投票阈值也可以舍弃一个真实的少数派发现项。这第二点是该论文从第一点得出的推论，而不是它所引用的研究直接测量到的结果。
投票仍然可以服务于正当的目的：减少误报和警报疲劳，大规模地提供廉价的分诊，以及在独立性成立时产生统计上的增益。该论文的审查者提出了这一情形，该论文也承认它此前没有处理这一点。
一份尚未经过同行评审的预印本发现，在 MMLU-Pro 上，当最佳模型是事后确定时，多数投票在约 10% 的三模型组合中胜过单个最佳模型。当最佳模型是用留出的问题选出时，这一数字约为 19%。其作者把更多共同错误与更低增益之间的联系描述为不大，并且取决于设置。投票对快速分诊可以是有用的。反对的是把投票的这种分诊用途当作一种确立真相的程序。
一位持异议的审查者也不会仅仅因为反对多数就变得正确。该论文的一份早期草稿提出过这种循环论证，并已将其撤回。较窄的论点仍然成立：当多数存在相关性时，一个流程若要有朝一日找回一个真实的少数派发现项，就必须保留并调查异议。异议本身不赢得任何可信度。保留它只是让该主张能够被检查。
如果每一项异议都被打折扣，一个存在相关性的多数可能永远得不到纠正。如果每一项异议都必须无限度地追查下去，一位固执或已被攻陷的审查者就能够获得事实上的否决权，并压垮这一流程。
所提议的应对是凡是存在机械性检查（mechanical check）的地方，就把异议交给机械性检查。异议意见请求的是证据；它不提供权威。运行测试、阅读规范或执行代码。第二次投票解决不了根本的问题。
在不存在机械性检查的地方，这一提议仍不完整。对于此类争议，该论文不提供平局处理规则，也不提供成本模型。它要求如实计入调查异议的成本，但一项要求并不是一个已实施的程序。
针对该论文设计的四份分别委托的审查，在没有提示的情况下趋同于同样的批评。分别委托描述的是这些审查是如何获得的；它并不确立它们的结论是各自独立地得出的。审查者们发现，这种做法：
因此该论文直白地说，这种做法只在低量、高风险、配有小型审查小组和可用机械性检查的审查中才行得通。它无法扩展到大批量筛查。在真实的少数派发现项罕见而噪声很高的地方，它会变成一台误报机器。
答案有两个不同的部分：
第一部分：一致。审查者之间的一致，在它们对那一特定类问题的相依性确实已经得到评估的地方，能够加强一项主张。该论文没有提供一条关于投票何时可靠的完整规则。
第二部分：重构单一的“真”答案。这是一项单独的、限制更严的主张：关于找回一个确定的真值（ground truth）的说法只适用于可判定问题，那里存在机械性检查，而且它无论如何都优先于任何审查小组。对于判断问题，一个由审查者组成的审查小组抽样的是意见：它找不回一个失传的原始事实，因为对许多判断问题而言，可能没有单一的事实可以找回。把那称为“重构”（reconstruction），正是该论文一份早期草稿犯下、后来又撤回的过度主张（overreach）。
今天，第一部分的条件尚未满足：所提议的审查者相依性评估尚未实施。因此该论文目前不支持任何仅建立在证词之上的裁决。这并不把一致的潜在价值限制于可判定问题。它的意思是，该论文尚未确立证词单独在什么时候能提供足够的理据（warrant）来相信一项裁决。
重构并不提供绕开这一限制的替代路径。在存在机械性检查的地方，理据来自该检查。在不存在的地方，该论文撤回较强的主张。它既没有确立某个领域允许仅凭证词就足够，也没有表明不存在这样的领域。这个问题仍然悬而未决。
在此期间，该机构按第 7 节所述关闭裁决。校勘的用意是在广泛的领域中提供廉价、持续的分诊，把更仔细、更昂贵的检查引向有希望的发现项。这一角色是提议中的；它尚未在真实规模下运行或得到证实。那是一个单独的实际限制，而不是对仅凭证词的理据的又一个未满足的条件。
校勘还保留一份记录：发现项在可能之处交给机械性检查，异议得到保留，其余的判断由一位具名的人员决定。如果一项计划中的未来实验产生了一项仅由校勘提供理据的裁决，那将是回答这一悬而未决问题的第一个实例。在那之前，这样的情形是一个承诺，而不是一个结果。
这一方法只能考虑某位审查者已经提出的发现项。它无法揭示每一位审查者都漏掉的缺陷。如果所有模型共享一个盲点而没有人提出异议，这一方法从构造上就看不到它。应对这一点需要一种不同的做法，例如对模型的可解释性研究，或者一种能直接捕获该缺陷的机械性检查。捕获一个每位审查者都漏掉的缺陷，在这一研究纲领（programme）之外。
第 3 节留下了一项它无法满足的要求：评估审查者的相依性（dependence）。错误相关性可以针对每项任务直接测量。了解审查者之间存在怎样的承袭关系，能够帮助解释这种相关性。
研究手抄本的学者恰恰面对过这个问题，并为此发展出了一种方法。他们重构现存抄本的家族树，然后根据每份抄本在这棵树中的位置来解读它们之间的一致。仅仅计数有多少份抄本一致是不够的。这棵树就是源流图（stemma）；这种方法就是谱系校勘学（stemmatics）。该论文提议以智能体谱系校勘学（agentic stemmatics）作为针对 AI 模型的类似工作的名称。
经典方法寻找一种特定的线索：一个共同错误，其任意程度之高，使两位各自独立的抄写者不大可能碰巧都犯下它。这时，它们的一致就更好地由承袭（descent）来解释，即承袭自一个共同的、已有缺陷的来源。
这一不大可能性条件从一开始就是该方法的一部分，尽管应用它依赖于学者的判断。简单的失误、寻常的现代化改写以及朝向熟悉措辞的自然更正都被排除在外，因为各自独立的抄写者很容易做出这些改动。只有不大可能因巧合而出现的错误，才承载着关于祖源的信息。
生物学作同样的区分。趋同发生在没有亲缘关系的物种各自独立地发展出相似性状的时候。共同继承发生在它们因为拥有共同的祖先而具有该性状的时候。
该论文的一份早期草稿曾主张，共同的模型错误是共同的训练承袭关系的证据。审查者驳回这一主张是对的。在重叠的数据上朝着相似目标训练的模型，可以在彼此都不复制对方的情况下得出同一个看似合理但错误的答案。
通常的解释是，它们的训练使同一个错误答案成为最容易、最可能出现的错误。这是一个工作假设，而不是经过测量的原因（见术语表中的吸引子）。该论文提议把抄本学者的排除规则应用于模型：一个共同错误只有在独立出现不大可能、并且共同祖源会使其可能性大得多时，才在祖源推断上具有分量。该错误可以单独评估，也可以与其他共同特征一并评估。
共同的模型错误很常见。该论文所考察的研究并未确立其中有多少是寻常失误，又有多少或许是能揭示祖源的线索。
这一更正展示了文本研究和生物学所熟悉的趋同与继承之辨的问题。本指南记录这一对应关系，只是把它当作该框架内部自洽的一个迹象，而不是当作它正确的证据。第 5 节在其结尾关于该框架为何必须保持可被推翻的讨论中会回到这一告诫。
模型在措辞、结构和格式上有稳定的习惯。Sun 等（ICML 2025）报告，在区分五个系统时达到了 97.1% 的准确率，并且对改写具有稳健性。
这测量的是这些系统能被区分到什么程度。它并不测量一个习惯独立出现的可能性有多低，也不测量共同祖源使其可能性提高了多少。祖源推断需要两者兼备。
一个人们熟悉的模型习惯说明了这个问题。2022 年之后发布的若干模型过度使用一小组词，例如“delve”；同样的过度出现也见于人类的科学写作。共同的训练方法是对这一模型模式的一种可能解释，而不是已确立的原因。单凭这一习惯无法区分巧合、构建模型的共同方式和继承。就现有证据而言，它并没有确立承袭。
因此，该论文区分两类信号。
人为设计的标记（通常称为水印）提供了较为清楚的情形。一个统计标记被植入教师模型的输出，然后在以该输出训练的学生模型中寻找它。它的独立出现从设计上就被弄得不大可能，而且实验工作已经证实了这种继承。
在能够访问学生模型内部的情况下，Sander 等（NeurIPS 2024）在只有 5% 的教师生成的微调指令带有标记、其余部分是同一教师模型未加标记的输出时，检测到了该标记。当其余部分是人类撰写的文本时，在 10% 的比例下检测仍然有效。Pan 等（ACL 2025）表明，一个被牢固学到的标记能够经受住寻常的改写。它可以被一个已经还原出标记规则的攻击者移除，可以通过稀释带标记的文本移除，也可以通过学生模型生成文本期间的一个中和步骤移除。
这类似于参考书中有时故意放入的虚假条目，用来检测另一家出版商的复制。一个寻常的错误并不能确立复制，因为各自独立的作者可能犯同样的错误。一个独立出现不大可能的植入特征，则提供了更清楚的检测手段。
自然形成的习惯尚未赢得同样的信任。它们需要对共同错误所要求的那种审视：一个习惯或一组习惯在独立训练下有多不可能出现，在共同祖源的假设下又会在多大程度上更可能出现？该论文所考察的研究中，尚无一项提供了这一测量工具。
把一个学生模型直接与一个具名的候选教师模型进行比较的测试，比在许多已知系统中对其进行分类的测试更接近这个问题。该论文所提议的验证实验应当借鉴这一方法，因为它处理的是切题的不大可能性问题。
抄本研究用显著的共同错误来追溯祖源。该论文提议用模型中显著的共同习惯来做类似的工作。它的规则是一个有待检验的提议：
一个共同习惯，或者几个在考虑了其相依性之后一并评估的习惯，只有在独立出现不大可能、并且承袭会使其可能性大得多的情况下，才算作共同祖源的有力证据。
并非每个稳定的、有区分力的习惯都满足这些条件。共同的模型错误很常见，但该论文所考察的研究并未确立其中有多大比例是在没有复制的情况下出现的。就现有证据而言，至少有一个显著的共同习惯没有通过这一检验。整个方法只有在这两个条件对所使用的特征得到满足并经过核查时，才能从抄本迁移到模型；不能假定它们对整整一类证据都成立。
即便这些条件得到满足，它们也并不指明哪个模型承袭自哪个模型，或者传承路径。
该论文的 0.1 版把那些可以在没有承袭的情况下出现的共同错误当作承袭的证据。到了 v1.39，它加入了第二个条件：承袭必须使该共同特征的可能性大得多。
尚未。它是一个研究纲领（research programme），带有一个可检验的预测：模型世代之间日益增长的传承，可能会使谱系校勘式比较随时间推移而更加贴合。该论文并未测量这种增长。来源的混合和罕见形式的丢失，反而可能使祖源更难重构。
抄本研究作为一个领域之所以存在，仅仅是因为传抄的传统确实会随时间发生讹变。AI 生成的文本回流进 AI 训练数据，也已开始显示出讹变。这一观察是该论证的基础；它并不要求一个模型在字面意义上是一份抄本。这一预测关乎的是这种比较与这一发展中的传统贴合得有多好。它对一次使用这种比较的审查在今天有多可信，什么也没有说。能够推翻这一预测的检验列于下文。
一个审慎的怀疑论者可以承认第 2 至 4 节中的一切，却仍然提出反驳：这只是一个类比。模型不是抄本。存在的是一次训练运行，而不是一间抄写室，也不是一份在一手接一手的传承中逐渐讹变的原本。可靠性工程师理解共同失效已有几十年。借用抄本研究的词汇，增添的是新词，而不是新的推断能力。
对于大约 2023 至 2024 年，该论文承认其中的大部分：就那一时期而言，怀疑论者是对的。共同的模型错误很常见，而且它们可以在没有复制的情况下出现。正如第 4 节所说，所考察的研究并未确立其中有多大比例是在没有复制的情况下出现的。
传承本身开始得更早。2022 年之前，模型生成的文本就已经通过在教师模型输出上训练的学生模型，以及通过机器翻译的文本（包括网络语料集中的文本），进入了训练。这些例子确立了传承曾经发生。它们既没有测量当时传承的程度，也没有测量此后的增长，并且没有确立能从模型输出中重构多少祖源。单凭共同错误并不能确立承袭关系；其意义必须依照所提出的规则来评估。
该论文论证，所研究的对象正在变化。模型输出回流进用于训练后续世代的数据。它论证这种回流正在增长，但并未测量这种增长；回流经由四条渠道，它们在更古老的传抄实践中各有对应关系：
下列后果大多在抄本研究中有紧密的对应关系。它们的证据地位各不相同，而限定条件很重要。
分层。每一个模型世代都可能留下可追溯、可断代的习惯，供后来的世代继承。原则上，随着这一传统的发展，承袭关系可能变得更容易追溯。来源的混合和罕见形式的丢失，反而可能抹去这些线索。
第 4 节中的条件仍然适用。这些习惯是候选线索。要算作共同祖源的有力证据，一条线索，或者一组在考虑了其相依性之后一并评估的线索，必须在独立起源下足够不可能，并且在共同祖源的假设下可能性大得多。所考察的研究中，尚无一项提供了这一测量。
模型崩溃。在替换的情形下（即每一轮中合成数据替换真实数据），在 AI 生成的输出上反复训练会侵蚀罕见模式。常见的、“安全的”结构排挤掉不寻常的结构（Shumailov 等，Nature，2024）。而当合成数据与真实数据一同累积时，语言模型实验发现，在所研究的设置中崩溃得以避免（Gerstgrasser 等，2024）。后者是一篇预印本，是一项单独的研究结果，不属于 Shumailov 等的主张。
该论文把替换情形下的结果与抄本向熟悉的、“较易的”读法漂移的现象相比较，即 lectio facilior（较易读法）；该论文把那种传抄漂移称为平庸化。偏向于可能性高者的反复传抄，会磨损罕见的内容。所提出的对应关系存在于这些模式之间。在模型中，这种偏好来自训练；在抄本中，来自传抄习惯。该论文并不主张抄本和模型是相同的。
有确切年代的最古老来源的价值。2022 年之前产生的文本提供了一个具有独特价值的参照层。这里的比较对象是核试验前的钢材：其价值来自材料的年代和出处，而不是某种内在的优越性。2022 年前的文本是现有最古老的大型层，尽管它并非没有机器生成的文本。使它可用作基线的是它的出处，在其出处已知的情况下。
该论文论证，随着后来的传统发展，这一层会变得更有价值，前提是其出处已知；后来这一传统的增长尚未得到测量。追踪数据的来源，实际上成了一项档案工作。
植入的标记。水印和防复制指纹是有意植入的线索。它们已被证实的继承，为模型世代之间确实发生传承提供了现有最干净的实验证据。
一个保存的机会。该论文提议在这一传统形成之时就加以保存，而不是在几个世纪的损失之后再去重构它。密码学哈希、封存快照和数据来源记录可以支持这项工作。
代码是这一传统中保存得最好的一类文本。版本控制能够以哈希和时间戳保存早先的状态，在项目进行签名的地方还有签名记录。如果历史留存下来，一个代码库的 2022 年前状态可能是一个可以检出的文件，而不是一个有待重构的失传原本。如果这种前瞻性的保存能在任何地方成功，那就是在这里。
安全后果。一个有缺陷的编码模式可能在某一年被提交、被抓取，并可能在两年后被训练进模型。人为设计的标记证实了传承，该论文还记录了来自基于参照教师的测试的证据。自然形成的习惯是否支持祖源重构，仍未解决。把传承论证扩展到与安全有关的编码错误，是一个进一步的推断，该论文没有报告关于它的直接研究。这一扩展需要审慎的检验。
一项计划中的研究将沿时间向回追溯特定的缺陷模式。如果这一推断成立，有漏洞的模式就可能通过训练数据被继承，而不是每次都被各自独立地重新发明。攻击者随后就可以有意在公开代码仓库中散布一个有细微破绽的模式，让未来的模型学着模仿它。按照这种说法，共同的训练语料既是审查所能知晓之事的一个界限，也是一个可以借以人为制造相关性失效的攻击面。
该论文之外有两个有确切日期的来源与这一安全后果有关：一项 2025 年末的投毒研究和一份 2026 年 5 月的从业者记述。两者都是对开篇所述规则的已申明的例外，并出现在附件中。
关于随时间发展的这一预测，如果在连续的模型世代之间出现以下情况，就告失败：
今天可用的检验范围更窄。现有研究提供了几种候选方法：
关于该研究纲领自己提出的实验，该论文说，只有植入标记的部分今天能够运行。这是对那个实验的一个限制，而不是主张其他检验绝不可能被证明是可靠的。
更具谱系校勘特色的操作（比较许多见证者，并把自然的、未经植入的特征归并成一棵家族树）需要一种仍然缺失的测量。一个自然形成的习惯，或一组一并评估的习惯，在独立起源下有多不可能？在共同祖源的假设下又有多大程度上更可能？正如第 4 节所解释的，所考察的研究中没有一项提供这一测量。
基于输出相似性的树已经存在；该论文第 7.1 节讨论了其中最接近的一个，即 PhyloLM。该论文的检索没有找到这样一棵覆盖许多模型的树：其特征既按巧合之下的不大可能性、又按被继承的可能性打分，然后对照有记录的承袭关系加以验证。它把这一缺失视为暂定的，依据的是 2026 年 10 月的一次检索。长期的研究纲领远比今年能够建成并运行的东西大得多。
还有证据指向相反的方向。在犯错这一渠道上，能力更强的模型相关性更强，而不是更弱。这是在同一时间跨模型的比较，而不是跨世代的比较（第 3 节）。
发表也可能削弱这一方法。如果该研究纲领公开取得成功，未来的模型最终会在它的描述和已发表的示例上训练，使其检测手段成为优化的目标。它们的有效性可能下降，而植入的标记将需要持续更新。因此，即便这一传统变得更适合谱系校勘研究，可靠性也必须随时间加以检验。该论文预测了后一种发展；它并未测量这种发展。
这一框架必须保持可被推翻。预见到针对自己的反驳，并不能确立一个理论是正确的。预测其研究对象将日益贴合它，也不能。如果每一种可能的结果看起来都确认了一个框架，那么这个论证就已经变得无法被推翻。该论文在其局限一节中标出了这一弱点。预测随时间推移会贴合得更好，是更严格地检验该框架的理由，而不是预先相信它的理由。
对第 2 节中那个问题的实际回答是四项工作条件。它们既适用于该机构愿意为之担保的裁决，也适用于第 4 节和第 5 节中的研究纲领。每一项都指出了在某个具体个案中可能缺失的东西。
如果运行代码、检查类型或查阅规范就能判定一个问题，那么审查小组的意见就从属于那项检查。证词只覆盖剩余部分（这部分往往不小），即机械性检查和规范性文件无法判定问题的地方。即便在那里，它的作用也是在人的最终决定之下进行抽样和分诊。审查小组不应裁定一个编译器已经判定了的问题。
审查权重中落在机械性检查上的比例只应增加，尤其是因为审查者独立性在能力最强的模型之间最低。这里的“机械性检查”指执行、证明和测试；阅读更多规范不算在内。验证转移了信任，而不是消除了信任。信任仍然落在人类决策者、拟议的独立性测量、对照以及检查本身上。该论文记录了作者自建的阳性对照，其中包括一例有记录的作者调校（author-tuning）。下文描述的防护措施失败表明了为什么对照同样需要审视。
该论文称之为模型谱系（model lineage）。单个裁决是从一个分布中的一次抽取（第 2 节）。这同样适用于人们愿意相信的发现项，包括一份令人警觉的漏洞报告。
供应商标签和意见一致的审查者数量都不能确立它。知道是谁作答也不能：身份并不揭示这些回答之间的相关程度。该机构此前已经两次把这一测量弄错（第 7 节）。测量能够缩小不确定性，但无法消除它（第 3 节）。
凡存在机械性检查之处，就把异议交给机械性检查。第 3 节解释了这在哪里行得通以及代价是什么（“异议会带来工作”）；第 7 节解释了发现项如何关闭。
该机构曾建造过一项防护措施，用来拒绝未经证明的“什么也没发现”主张。一位审查者找到了六种绕过它的方法；它自己的五个测试用例一种也没有抓到。这项防护措施重复了它本应防止的那种失败。“谁来检查检查者？”这个问题不会在某个最终的层面消失。它只是上移了一级。
2026 年 8 月，该机构在两个代码库上把它的完整审查与一次低成本的单遍审查作了比较。这一比较经过事先登记和盲评打分。完整审查没有值回其成本：它在一个代码库上落败，在另一个上无法被认定为胜者。
后来的一次审计发现，这一比较不如最初所述那样干净。低成本单遍审查的召回率数字受到了检索污染，因此方向成立，而差距不成立。下文引用的已发表笔记列出了更多局限：只有两个代码库，其中一个的标准答案有四个发现项；评分者与运行该实验的模型来自同一家模型供应商；完整审查暴露于同一污染的程度无从知晓；以及成本按模型调用次数计算，这对低成本单遍审查有利。
这就是《我们测量了自己的方法，它没有值回其成本》（英文）（counterproof.io，2026 年 9 月 16 日发表）中的说明。该论文不包含这一测量。这一说明是对开篇所述规则的第三个已申明的例外，该规则是：本导论不说任何该论文没有说的内容。
商业承诺必须对证据负责。因此，该机构把自己的承诺表述为客户可以核查的拒绝事项。
一份更早的导论曾主张，在把一致接受为有意义之前，每个审查小组都测量了错误相关性。那是错误的。拟议的仪器尚未建成。
此前的两次尝试以不同的方式失败了。一项早期的统计检验被设反了。后来的一项检查测量的是审查者是否就是同一个系统，而不是它们的错误是否相关。审查者发现了第二个错误；记录没有说明是谁发现了第一个。
当前的做法所做的少于拟议的测量：
该论文还区分了不同的审查程序。在它描述分别或以盲审方式进行的工作的地方，没有任何审查者看到过另一位的回答。其 v1.37 条目记录了 v1.33 和 v1.35 确认轮次曾把其他席位的发现项作为材料提供。两种程序都不能确立错误的经过测量的独立性。
这是一种围绕独立性建立起来的纪律，而不是对独立性的测量。一家出售审慎证据处理的机构，不能宣传一种其方法论列为尚未建成的仪器。这类错误已经犯过并被发现过两次。公开说明这一局限，是防止这一错误再次发生的一部分。
预期的产品是一份持怀疑态度的读者可以检视的记录。它能否经得起这种检视，由读者来判断。它记录：
一个分数可以概括这样一份记录。本研究纲领已经在使用一个这样的分数：其公式事先固定，其排除项已经说明，其计数来自一个脚本。那是一种正当的仪器；它并不排除其他可信的评分形式。问题在于一个被用来取代底层的、可重新运行的记录而提供的数字，或者一份被当作证明呈现的、对未经测量的一致的流畅总结。
这份记录相对于一支强大的内部审查团队能否值回其成本，需要与一位客户进行一项实验。这一点无法事先主张。该机构 2026 年 8 月的测量（在第 6 节中作为已申明的例外加以描述）比较的是完整审查与一次低成本的单遍审查，而不是与一支内部团队。
还有两个局限与这一商业说明相关。第一，这一框架并不测量所出售的审慎与 AI 生成输出中错误的频率是否相称。对抗性审查的销售方在相信它有必要这一点上有利害关系。这个问题仍然悬而未决，而这一利益冲突已予披露。
第二，正如该论文根据 2026 年 8 月 23 日的一次检查所报告的，当时没有任何案例记录是公开的：没有外部读者可以下载并运行的报告或可复现的制品。那次有日期的检查支持的是关于这份记录如何构建的一种说明。它并不能确立外部读者当时能够检验它。该论文没有提供更晚的发布检查。
本导论是一个入口。该论文提供更完整的论证。
本研究纲领并不主张已经建成了一件用于评判 AI 输出的可靠仪器。它提出的是对这样一件仪器必须满足的条件的一种说明，以及能够表明这一说明是错误的实验。
第 6 节中的四项工作条件是实际的起点：服从机械性检查；把模型的整体倾向当作见证者；对每一类问题分别测量独立性；把分歧交给证据，而不是交给投票。第三项仍然是一种纪律，而不是一项测量。为检验这一方法是否能产出更好的代码而设计的对照比较，在运行之前就被取消了。该机构另行进行的 2026 年 8 月的测量，作为已申明的例外，在第 6 节中有报告。
拟议的工作有三个部分：
第一项的失败会严重损害这一论点。正是这一点使它成为一项值得进行的检验：其结果可能对该提议不利。
这两份记述，一项 2025 年末的投毒研究和一份 2026 年 5 月的从业者记述，是开篇所述的规则的已申明的例外。它们关系到第 5 节（“安全后果”）中的代码仓库情景，但两者都没有确立有缺陷的编码习惯在模型之间的继承。
一项 2025 年末的研究，由来自英国 AI 安全研究所、Anthropic 和艾伦·图灵研究所，连同牛津大学和苏黎世联邦理工学院的十三位作者组成的团队完成，检验了本文档所遇到的、与第 5 节的情景最接近的机制（Souly、Rando、Chapman 等，arXiv:2510.07192）。其结果比沿承袭关系的继承（lineage inheritance）要窄。
作者们在 Chinchilla 最优的数据集上预训练了参数量从 6 亿（600M）至 130 亿（13B）的稠密自回归 Transformer 模型。一个近乎恒定的被投毒文档绝对数量，即 250 份，就能在所测试的所有模型规模和数据集规模上攻陷模型。这些文档植入了一种由触发器触发的行为变化，而没有实质性地影响通用能力。
这证实了代码仓库情景的一个必要的子机制：在被投毒的样例已经进入训练数据混合之后的植入。代码仓库情景问得更多：一种始终开启的编码习惯，能否在一次普通的抓取（包括去重和过滤）中存活下来？实验者控制了训练数据混合，并植入了由触发器激活的行为。他们没有检验那个更难的情形。
按此处的描述，该研究也没有表明被植入的特征是否会传给用第一个模型的输出训练出的第二个模型。该论文记录了来自人为设计的标记和基于参照教师的测试的传承证据，但没有报告任何关于有缺陷的编码习惯之继承的直接研究。
该研究也关系到第 5 节关于平庸化（banalisation）的讨论。在继续进行的干净预训练期间，攻击成功率“近似按对数衰减”，尽管仅靠干净预训练并不能移除后门。一个少数派特征在多数分布的压力下受到侵蚀，这与所提出机制的一部分相似。该研究尚未表明抄写者所表现出的那种向较易读法的漂移。
在所测试的设置中，对齐微调使攻击成功率几乎降到零。那是一种有意的干预，在无引导的传承中没有对应物。该研究自述的局限性把后门在现实的后训练中的持续性标为未经评估。
C++ 的设计者 Bjarne Stroustrup 在 2026 年 5 月由 Ryan Peterman 主持的播客 The Peterman Pod 上的一次访谈中，讨论了一个相关的担忧。下面的引文取自主持人发布的文字记录，并已对照录音核对。
谈到 AI 生成的代码时，Stroustrup 说：“在喂入训练数据时，它不得不用旧代码来训练……我发现基于 LLM 的代码在模仿旧代码，又重新得到旧的性能和旧的程序错误”（1:32:09）。
更早些时候，在回忆一项关于缓冲区溢出和黑客攻击的研究以及 Herb Sutter 一场“有实际数字”的演讲时，他说：“90% 以上来自不写现代 C++ 的人”（46:31）。他说 1990 年代的优化习惯之所以延续，“是因为那些技巧在人们的头脑里延续下来，而且有些代码还留着”（1:25:58）。在解释他为何保留与 C 的兼容性时，他说他宁愿要 Dennis Ritchie 已知的错误，也不要他自己未知的错误：他称这一选择“容易掌控和理解得多”（31:21）。
合起来看，这些话描述的是旧技巧通过人和代码延续下来。Stroustrup 相信，用旧代码训练的模型会重复旧的程序错误。这是证词，而不是传承的证据：没有任何缺陷被回溯追踪，也没有显示任何承袭关系。他所说的“程序错误”，是他相信模型会从较早的人写的代码中重复的缺陷。这份记述不是共有一个程序错误的两个模型存在承袭关系的证据。
它也没有识别出任何可用的承袭标记（lineage marker）。第 4 节所要求的测量仍然缺失：一个反复出现的习惯，在独立起源的假设下是否不大可能，而在共同祖源（shared ancestry）的假设下是否可能性大得多。计划中的追踪研究正是为了检验此类主张而设。
裁定（Adjudication）。对每个发现项作出决定，无论审查者意见一致还是存在分歧。有机械性检查可用时由它决定；否则由一位具名的人员决定。一个发现项只有在提出者撤回它、或者该问题对照代码得到证实时才关闭，绝不靠票数。
吸引子（Attractor）。此处指错误吸引子：几个系统各自独立地、在没有复制的情况下得出的同一个错误答案。通常的解释是，它是在给定它们的训练之下最可能出现的错误。这一解释是关于原因的假设，不是定义的一部分。该论文报告的测量确立了共同错误很常见，但没有确立其中有多大份额是在没有复制的情况下产生的。因此，仅凭一个共同错误并不能确立祖源。文化演化研究在更宽泛的意义上使用吸引子一词，指常见、稳定的形式，无论对错。
平庸化 / 模型崩溃（Banalisation / model collapse）。平庸化是该论文所命名的抄本过程：偏爱容易或熟悉形式的反复传抄，会磨蚀不寻常的形式。该论文将它与模型崩溃相比较：当模型被反复地用完全替换了真实数据、且没有真实数据混回的模型生成文本训练时，罕见模式会丢失。常见的、“安全的”模式日益占据主导。而在合成数据与真实数据一起累积的情况下，语言模型实验发现，在所研究的设置中崩溃得以避免。替换与累积之间的区别对这一主张很重要。
校勘（Collation）。将多个见证者相互比对，以判断哪些内容可能可靠。此处，校勘对它们的回答进行抽样和交叉核对；它不保证能重构出唯一的真实答案。
污染 / contaminatio（Contamination / contaminatio）。在第 5 节（弥散污染，ambient contamination）中，污染指 AI 生成的文本进入训练数据。在抄本研究中，contaminatio（混源）指一份抄本合并了来自不止一个较早来源的读法，使其祖源更难追溯。第 8 节以该论文的意义，即一个来源受到其产生期间可获得的材料的影响，把这个词用于两份配套读物：本导论和 Prolegomena（绪论）。
可判定问题 / 判断问题（Decidable / judgement question）。一个可判定问题，按这个词在此处的用法，有一种可用的机械性检查能判定它：执行代码、检查类型、运行测试或查阅规范。这是日常用法，不是严格的数学含义。一个判断问题没有这样的检查可用：一个设计是否健全、一个问题有多严重，或者一个条款是什么意思。第 1 节说明了查阅规范的局限。
蒸馏（Distillation）。训练一个新的、通常更小的模型去模仿一个选定的更大的“教师”模型的输出。这是今天的模型输出进入明天的训练数据的渠道之一。
一次抽取（Draw）。见“谱系”。
判断问题（Judgement question）。见“可判定问题 / 判断问题”。
Lectio difficilior / lectio facilior（较难读法 / 较易读法）。一个文本的较难、较不寻常的读法与较易、更符合预期的读法。抄写者在反复传抄中往往漂向后者。本导论跟随该论文，将这种漂移与替换式训练下的模型崩溃相比较。
谱系（Lineage）。lineage 一词在本文有两种用法。在审查论证中（第 6 节），它指把一个模型的一系列回答视为一个分布，通过反复抽样加以刻画，本文译作“谱系”。任何单个回答都是从该分布中的一次抽取。第 4 节和第 5 节还在其通常的祖源意义上使用这个词，本文译作“承袭关系”：哪些模型承袭自哪些其他模型，或是用哪些其他模型训练的。
经过测量的独立性 / 去相关（Measured independence / decorrelation）。审查者的回答是否独立，必须用数据来检验，并对每一类问题分别检验。不同的公司名称或分别委托并不能确立这一点。在历史记录（本文档的附录和该论文的变更记录）中，“去相关席位”表达的是 CounterProof 这家机构当时的意图，而不是一项经过测量的属性。该论文的 v1.37 条目记录了 v1.33 和 v1.35 审查的确认轮次曾把其他席位的发现项作为材料提供，因此这个标签本身并不意味着某个席位未曾被出示过它们。凡该论文说审查者分别或以盲审方式工作之处，没有任何一个看到另一个的回答。这一程序仍然不能确立它们的错误之间经过测量的独立性。见第 7 节。
植入的标记 / 水印（Planted marker / watermark）。有意嵌入一个模型输出中的统计签名。它后来在另一个模型中出现，提供了第二个模型至少部分地是用第一个模型的输出训练的证据。这种形式的传承已经得到证实。
重构（Reconstruction）。找回一个单一的、确定的答案。本导论把这个词限定于存在机械性检查的可判定问题。把它用于判断问题，会重复该论文已撤回的一项过度主张。
席位（Seat）。审查小组中的一个审查位置：一个模型，来自一个谱系，有其自己的任务说明和工具。这是该机构的定义。
源流图 / 谱系校勘学（Stemma / stemmatics）。源流图是一棵经重构的家族树，显示哪些抄本承袭自哪些其他抄本。谱系校勘学是建立源流图的学科。智能体谱系校勘学（agentic stemmatics）是该研究纲领为关于模型承袭关系的类似工作所提议的名称。
证词（Testimony）。一个模型的输出，被视为一项有待权衡的主张，就像法庭权衡一位见证者的陈述那样。
分诊（Triage）。一次快速、低成本的初次检视，把注意力引向值得更仔细、成本更高的检查的发现项。它本身不是最终裁决。
对抗性亚祖本（Adversarial hyparchetype）。见“亚祖本”。
祖本（Archetype）。在抄本研究中，指一个抄本家族所承袭自的原始文本。许多 AI 审查问题可能没有单一的对应物：没有唯一正确的答案可供重构（第 2 节）。
无法推测校订（Cannot emend）。见“推测校订”。
推测校订（Emendation）。一项提议的更正，找回没有任何现存抄本包含的读法：关于失传原本的有根据的推测。当前的审查方法无法做到这一点。它只处理审查者实际提出的发现项（第 3 节）。
证据梯级（Evidence rung）。记录一项发现项被检查到何种程度的标签，不暗示更高的级别。这是该机构的术语；该论文使用“已复现”和“已阅读”（第 7 节）。一项已确认发现项的四个梯级，从最弱到最强，是：
一项未达到其中任何一级的发现项定级为仅看似成立。那是一个单独的定级，不是一个较弱的梯级。本条目于 2026 年 9 月 14 日作了更正；见附录。
同塑性（Homoplasy）。一个生物学术语，指相似的性状在不相关的物种中各自独立地出现：是趋同而不是共同祖源。它是与吸引子最接近的对应关系（第 4 节）。
亚祖本 / 对抗性亚祖本（Hyparchetype / adversarial hyparchetype）。亚祖本是几份现存抄本共有的一个失传的中间祖先。本导论的对抗性亚祖本命名了一种所提出的安全风险：过去的文本和代码的共享池，既是审查者能够独立知道什么的一个限制，也是攻击者可以植入一个有问题的模式、供未来的模型复制的地方。见第 5 节，“安全后果”。
特有习性（Idiosyncrasy）。一种能区分出某个模型的稳定习惯：用词、结构或格式。它有助于识别模型。要算作共同祖源的有力证据，两个模型共有的一个习惯，或者合在一起评估的一组这样的习惯，必须在独立起源的假设下不大可能，而在共同祖源的假设下可能性大得多（第 4 节）。
Leitfehler（引导性错误）。德语，意为“引导性错误”：一个不大可能出现到足以支持共同祖源的共同错误，不同于容易重复出现的失误。第 4 节称它为一条能揭示祖源的线索。
最古老的见证者（Oldest witness）。2022 年前的档案：可大规模获得的、有确切年代的最古老的层，作为基线有用，而不是本质上更好的文本。它并非不含机器生成的材料（第 5 节）。
判定器（Oracle）。一种能判定可判定问题的机械性检查：执行代码、检查类型、运行测试或查阅规范。第 1 节说明了其中最后一种能判定什么、不能判定什么。一个适当的判定器高于审查小组的意见。
多源性错误（Polygenetic error）。一个容易或自然出现的错误，在不相关的来源中各自独立地、在没有复制的情况下出现。它是 Leitfehler 的反面：第 4 节所称的寻常失误。
残余（Residue）。在机械性检查和规范性文件判定了它们所能判定的内容之后，留下的那一组往往相当可观的判断问题。第 6 节称之为剩余部分。
封存年份 / 出处清单（Sealed vintage / provenance manifest）。一份数据或代码的快照，经密码学封存并加盖时间戳，其在当时的状态可以在以后得到验证。
地层学（Stratigraphy）。通过阅读沉积的层来确立它们的相对年代。此处，模型世代可能留下特征性的、可测定年代的形式。这些形式是否有助于重构祖源，仍有待检验。见第 5 节，“分层”。
本页是英文原文（版本“Draft v0.25, 24 October 2026”）的中文译文；译文与原文如有出入，以英文原文为准。译文借助 Claude 谱系（Anthropic）的一位 AI 助手完成，尚未经母语人士审校。英文来源中的引文已译成中文；下文修订历史所述的逐字核对，针对的是英文原文。
当前版本：v0.25, 24 October 2026, DRAFT，发布时仍在修订中，未经任何外部编辑审核或同行评审；凡两者有出入之处，以该论文为准。
未结的审查事项：修订历史将 Kimi 的四个 v0.13 事项以及在 v0.4 中所做的四处修复记录为尚待关闭。
规则：本文档不得说任何该论文没有说的内容（已在开篇陈述）。
该规则的三项已申明的例外，每项都在其出现之处加以标注：附件中的投毒研究段落和从业者记述段落（于 v0.6 和 v0.7 加入第 4 部分，于 v0.15 移入附件），以及第 6 节中该机构 2026 年 8 月的测量（于 v0.14 加入当时的第 5 部分）。术语表的席位条目和证据梯级条目，以及第 7 节中指向后者的那句话，给出的是该机构自己的定义，取自其术语表：它们描述的是该机构，而不是该论文。
对该论文该有什么预期。本文档所导读的这篇论文并不易读，而这是有意为之。它很密集：一份关于谁对结果有经济利益的长篇声明，一份详细的版本历史，以及对该论文自身过往错误及其修复方式的持续记述。其中一个附录（记录何时出了什么问题的那个）比该论文的好几个论证章节都长。这并不是该论文正在为之致歉的瑕疵：一篇论述不要仅因一个来源听起来自信就信任它的论文，如果隐藏自己的修订历史，就会破坏自己的论点。但这确实意味着，该论文很难不经准备就直接读进去。
本文档与 Prolegomena（绪论）有何不同。Prolegomena 以康德 1783 年的 Prolegomena to Any Future Metaphysics 为结构框架：他的方法是从读者已经承认的某件事出发，追问要使它成为可能必须满足哪些条件；再加上他的手法，即把一场分歧呈现为两种相互冲突的立场，而这两种立场到头来共享一个隐藏的错误假设。这一框架让已有一些哲学背景的读者受益，而对没有的读者则是一道实实在在的障碍。本文档保留同样的基本论证和同样的论题顺序，但完全去掉了康德式的脚手架，一切都用平实的语言来说；凡是该框架确实起了作用的地方（主要是一场辩论的双方可能以同一种方式都出错这一点），本文档保留这一点，去掉承载它的词汇。如果这里的平实版本引出了本文档没有篇幅去追究的问题，或者这种哲学框架本身就令人感兴趣，那么 Prolegomena 值得一读。
关于配套读物的引用。v1.41，于 2026 年 10 月 18 日存缴（版本 DOI 10.5281/zenodo.23458161），现在是记录版本（version of record）。自 v1.39 起，该论文以两项条件陈述其中心规则：一个共同特征只有在不太可能独立出现、并且在承袭（descent）的假设下可能性大得多时，才算作共同祖源（common ancestry）的有力证据；v1.41 记录了为其缺失主张的重述形式所做的文献检索。v1.35 是该论文的更正修订，于 2026 年 9 月 25 日存缴（版本 DOI 10.5281/zenodo.22959463）。在对 v1.33 的两次外部审查之后，它不再说共同的模型错误大多在没有复制的情况下产生，把其中心规则表述为一项有待检验的提议而不是已确立的结果，并把若干陈述更正为其来源所表明的内容。它保留了 v1.33 对“一棵经重构并经验证的模型家族树是一个尚未解决的研究问题”这一说法的撤回（该论文所讨论的 PhyloLM 就是根据输出相似性构建这样的树的），并注明了起草它时所用的 AI 谱系，正如本文档的署名行所做的那样；它的修订由来自多个开发者的 AI 审查者检查过（见术语表：席位）。它接续了 v1.31 的存缴（即已存缴的 v1.29 文本的一次可读性修订），其后是 2026 年 10 月 16 日 v1.38 的存缴。本文档所对应的各项更正，列于该论文的附录 A。
编号。下文中早于 v0.24 的各项和各条目保留其当时的编号，即第 0 至 7 部分。在 v0.24，旧的第 0 部分被并入新的第 1 节，因此此前的每个第 N 部分现在都是第 N+1 节。旧的 #part-6 锚点所打开的那一节现在是第 7 节；指向 #part-6 的链接现在打开第 6 节。
说明：一个席位是一位 AI 审查者（术语表：席位）；一个记录行是一个席位提出的一个发现项，其提出者就是该席位；CONFIRM-CLOSED、PARTIALLY-CLOSED、CHANGES NEEDED、REVISE 和 MERGE-WITH-EDITS 等大写标签是一个席位对一份草稿、一个差异（diff）、一组检查或其自身早先记录行的裁决；关闭日志是下文链接的代码仓库；起草助理是 Claude（Anthropic 谱系）。
v0.25, 24 Oct 2026, DRAFT，发布时仍在修订中。第 2 节新增一个小节，“模型写的代码与人写的代码有不同吗？”，应 L. J. Soons 的要求加入，以便读者在一处就能找到本指南先前分散各处所说的内容：该论文并不主张模型所写的代码本身可被检测出有所不同或更差；这样的代码仍然是程序，而模型对它的说明则是一项主张；对审查而言最重要的差别在于一致意味着什么，因为从一个共同的独特错误得出的抄本推断，并不能整体照搬到共同的模型错误上；以及受模型影响的人类写作进入的是同一个正在形成的传统。该小节依据该论文的第 1 至 4 节、第 6 节和第 11 节（包括第 11.8 节）构建，并未申明任何新的例外；三项已申明的例外保持不变。发布前由 Grok（xAI）和 DeepSeek 各按自己的任务说明，对照该小节所依据的论文段落进行了检查：8 个记录行和 5 个记录行，其中两个为两者共有，这些记录行中包括一条：“更常因另一个原因而相似”陈述了一个该论文未加测量的频率。DeepSeek 的全部记录行和 Grok 的六个被采纳；Grok 另外两个涉及材料包未向它出示的章节（该论文的第 3 节、本指南的第 6 节），在出示之后由该席位关闭。随后确认轮次在两个席位之间交替进行，直到两者都看过最终措辞：它们关闭了每一个记录行，并把三个章节指引移到了它们所支持的句子上，而最后一轮（由 Grok 进行）没有发现任何未结事项。
v0.24, 23 Oct 2026, DRAFT，发布时仍在修订中。一次可读性修订，应 L. J. Soons 的要求、借助 Codex（OpenAI）从 v0.23 出发准备，并由起草谱系（Claude）对照 v0.23 和该论文（网页文本 v1.42，它记录了 v1.41 的存缴，此外没有任何改动）作了核对。旧的第 0 部分要求读者在接触本文档的规则和局限所适用的问题之前先领会这些规则和局限，它被一个具体的开篇所取代：三位审查者能重复同一个错误，正如一部抄本的三份抄本能继承同一个错误。本指南现在从第 1 节到第 8 节，其交叉引用已重新编号；本附录中的事项和条目保留其当时的编号。句子被缩短，拥挤的段落在小标题下被拆分，限定语被放在其所限定的主张之后，对文本自身谨慎态度的反复评述被减少；示例、数字、引文、不确定性和已申明的例外均保留，核心规则保留其两个条件。编者在开篇恢复了该规则和指向该论文第 13 节的指引，删去了草稿中的破折号，并更正了把本文档描述为“来源导论”的两个句子。附件早先的改动，按其当时的编号：两段叙述在 v0.15 时从第 4 部分移入附件；在 v0.20 时，关于投毒研究的叙述被更正，以把基于参照教师的测试（reference-based teacher tests）与人为设计的标记（engineered markers）一并纳入，并把传承与有缺陷编码习惯的继承区分开。发布前由 DeepSeek 和 Grok（xAI）各自依其自己的任务说明与 v0.23 作了比较：6 项和 23 项发现项，其中五项相同；全部采纳，凡重写改变了 v0.23 主张强度之处都予以恢复，同时保留新的句子形态，其中包括这样一道门槛：整个方法只有在两个条件都得到满足并经检查时才能迁移。针对该结果的一次 Grok 确认轮次（confirmation round）发现全部 29 个记录行（row）均已关闭，没有新的缺陷。随后把这次修订译成瑞典语又暴露出更多需要更正的句子：五位译者（Claude 谱系）各自被要求列出每一个含糊、不一致或错误的英文句子，他们标出了这些句子，每处改动在作出之前都对照该论文或 v0.23 作了核对。除了“本文档所载的更正”之下所列的主张层面的更正之外，代词和回指重新获得了重写所丢失的先行词。发布前，这些更正由 Grok（xAI）和 DeepSeek 各自依其自己的任务说明与第一轮所通过的文本作了比较：7 个记录行和 1 个。Grok 的记录行全部采纳；其确认轮次发现五个已关闭，一个是本句所替换的占位文字，还有一个措辞要点，随后以该席位自己的措辞应用（该论文的“生成模型的实际错误率”）。DeepSeek 的记录行涉及该论文所称的平庸化（banalisation），按该论文自身文本给出的方向修正，而不是按该席位提议的措辞；一次 DeepSeek 确认轮次依据该论文的措辞作出判断，关闭了它并检查了 Grok 的措辞要点，没有发现新的缺陷。已发布的修订随后被译成荷兰语、法语、西班牙语和德语；那些译者（Claude 谱系）被问了同一个问题，标出了更多英文句子，每处改动在作出之前都对照该论文或 v0.23 作了核对。本附录之前重复的水平线同时被删去。发布前，这些更正由 Grok（xAI）和 DeepSeek 各自依其自己的任务说明与线上文本作了比较：5 个记录行和 2 个。Grok 的记录行全部采纳，四个以该席位自己的措辞，第五个则通过逐字恢复已发布的审查句子；DeepSeek 的第二个记录行被采纳（该论文的用词“校勘”），其第一个未被采纳，因为两个译者人数描述的是两次不同的翻译，其确认轮次接受了这一理由。随后进行了两次 Grok 确认轮次，第二次针对来自译者笔记的最后几处改动；它们关闭了四个记录行，并在本附录自身的更正事项中留下两个措辞要点，两者随后都以该席位自己的措辞应用，论证中没有发现缺陷。
v0.23, 23 Oct 2026, DRAFT，发布时仍在修订中。在把本文档译成瑞典语时发现的更正。六位译者（Claude 谱系）各自被要求列出每一个含糊、不一致或错误的英文句子，他们标出了这些句子；每处改动在作出之前都对照该论文作了核对。第 3 部分和第 4 部分以及术语表的特有习性（Idiosyncrasy）条目现在陈述了该规则的两个条件，正如该论文自 v1.39 以来所做的那样，也正如 v0.22 的更正所说本文档已做的那样；第 2 部分关于仅凭证词的句子现在说，该论文既不肯定也不排除这样一个领域；第 4 部分计为六个后果，并写明了其交叉引用；附录中关于存缴的说明指明了 v1.41。遵循本文档自身的 v0.14 规则，下文中把受委托的席位称为“外部”的条目现在改说“另一谱系的”；v0.18 条目不再把 v1.33 的第十个审查轮次称为其最后一个，v0.8 条目计为五处更正，v0.7 条目不再在四个记录行仍在等待其提出者时说每个记录行都已关闭。措辞：“未报告直接研究”（两处）、“其他两个席位都没有”、“它所依据的研究”、“第一部分中的条件”。发布前由另一谱系的一个席位（DeepSeek）对照该论文作了检查；它没有发现缺陷。
v0.21, 26 Sep 2026, DRAFT，发布时仍在修订中。经作者决定，在该论文的 v1.37 条目记录了其审查的确认轮次提供了其他席位的发现项之后，术语表对“去相关席位”的叙述不再说这样的席位没有被展示其他席位的发现项，也不再说它是来自不同开发者的席位；它遵循该论文的术语说明，即该词记录的是该机构当时的意图，而不是一项经过测量的属性，并遵循该论文对分别或以盲审方式进行的工作与确认轮次之间的区分。一个审查该改动的 Codex 席位发现，第 6 部分对当前做法的叙述仍然说，早先的发现项不向新的审查者提供，以便其一致“无法通过锚定被人为制造出来”；该句现在采用该席位的替换文本，后者作出同样的区分，并说两种程序都没有确立错误的经过测量的独立性。两段新文字都是该席位的文本，逐字应用。分两轮提交给一个 Codex 席位，每次运行都将其工具的全局指令文件搁置（作者报告；运行日志与轮次记录一并归档）：第一轮返回 CONFIRM-WITH-EDITS，附有此处应用的两段替换文本；第二轮确认两者均已关闭，并发现本条目关于基于开发者的定义为何被放弃所说的内容超出了审查所确立的内容。该分句已删去，这一删除和本句没有再交回该席位。
v0.20, 26 Sep 2026, DRAFT，发布时仍在修订中。 Codex 席位关于 v0.19 的第 2 轮记录行在一次确认轮次中交回给一个 Codex 席位：该轮留下的部分关闭的十个记录行，以及其全部十五段替换文本，均被确认关闭。该轮又发现六个要点，每个都在此以该席位自己的替换文本回应，除页面标记外逐字应用。第 2 部分不再说关于谁制造了这些审查者的任何信息都无法告诉你哪一个是真的；第 5 部分不再把经受住外部审视作为赢得信任的条件，也不再说运行该流程的团队构建了可信基础的每一部分；附件不再把证据限定于水印式蒸馏；附录中关于存缴的段落现在指明了 v1.35，并说其检查涉及的是较早的存缴。该席位还发现下文 v0.19 条目的最后几句所说超出了实际发生的情况；该条目按原文保留，该席位更正后的叙述如下：“起草者记录了发布前由 Codex 和 Kimi 进行的两轮审查。作者报告 Codex 工具的全局指令文件已被搁置；所提供的 Codex 返回内容仍记录了接触到开发者提供的技能和智能体目录，并说它无法确立任何所提供的指令是否源自这样的文件。起草者报告 Kimi 关闭了其 v0.19 发现项。Codex 的第二轮返回内容留下十个部分关闭的记录行。其 F1 至 F7 和 C1 至 C8 替换文本除冒号后的一个小写首字母和页面标记外逐字应用；其任务 D 的修补通过分别起草的修订条目纳入。这些改动在发布前没有交回 Codex。配套读物引用改指已存缴的 v1.35 是在第二轮之后，且未在该轮中审查。”交回给一个 Codex 席位，本次运行将其工具的全局指令文件搁置（作者报告；运行日志与轮次记录一并归档），全部六项发现项均被确认关闭，包括本条目中 B1 的更正。同一席位发现附件的开头仍然说其文本除三处位置性短语外未作改动；该段现在采用该席位的替换文本，逐字应用，且没有再交回该席位。该席位无法从其材料包中检查是否没有其他改动，因为材料包中没有 v0.19 的副本；起草者对两个页面的脚本比较显示，除本条目所列之外没有改动。
v0.19, 25 Sep 2026, DRAFT，发布时仍在修订中。跟随论文 v1.35，该版本更正了两次针对 v1.33 的外部审查认为强于其来源的主张，并把本文档自身的规则应用于更多所说超出该论文的句子。第 3 部分和第 4 部分以及术语表不再说大多数共同的模型错误源于巧合的趋同；它们说共同错误很常见，可以在没有复制的情况下产生，而该论文所考虑的研究没有确立其中有多大份额确实如此。第 3 部分中的规则被表述为该论文的提议，有待检验：其“当且仅当”变为一个必须成立、但本身不会表明哪个模型承袭自哪个模型的条件，而一组在考虑其相依性（dependence）的前提下一并评估的习惯也可能满足它；抄本研究一向执行该规则、以及一个显著错误证明承袭的主张，让位于该论文的措辞。第 1 部分不再说没有任何外在之物能把有根据的答案与错误的答案区分开。第 2 部分不再把独立性作为投票可靠或一致算作证据的条件；它说在相依性已经评估之处，一致可以加强一项主张，并给出了集成研究的两个比率。第 3 部分不再说必须先知道祖源（ancestry）才能测量独立性，不再说模型将各自独立地趋同，不再说“delve”一类的词是各自独立出现的（第 3 部分和第 4 部分），也不再说一个寻常错误或任何并非植入特征的东西对复制什么也说明不了，并且它把归因率与所报告的对改写的稳健性区分开。第 4 部分不再说模型在 2022 年前没有任何回馈，不再说没有可重构的承袭关系（lineage），不再说 2022 年前的档案未受污染，不再说弥散污染（ambient contamination）是默认状况，不再说支持该框架的理由随时间变得更强，不再说替换训练与复制是同一过程，也不再说该研究纲领的实验今天就有四项检验可用；它把缺失的树限定于该论文的检索，把证伪检验限定于关于随时间发展的主张，把这种增强标为有论证而未经测量的，补充说混合与罕见形式的丢失可以抹去承袭线索，并把累积结果报告为在所研究的设置中避免了崩溃；它还把其证伪标准重述为该论文的标准，在植入的标记之外记录了基于参照教师的测试，把其检测手段称为优化的目标而非规避的目标，收窄了其历史比较，并使找回早期代码以版本历史的留存为条件。第 4 部分关于植入标记的段落在该论文说“证明”之处说的是“证实”。第 5 部分说明了其权重递增的承诺所指的是哪些机械性检查，第 6 部分给对公开案例记录的检查标注了日期，并不再将其延续下去。术语表随之更改（吸引子、平庸化、特有习性、Lectio、Leitfehler（引导性错误）、最古老的见证者、植入的标记、地层学）；吸引子条目删去了一个关于有噪声复制的分句和两条该论文并不包含的经验性陈述，最古老来源的标题在原先说“干净”之处改说“有确切年代”。配套读物的引用改为 v1.35，于 2026 年 9 月 25 日存缴。发布前由其他谱系的两个席位（Codex 和 Kimi）分两轮对照该论文作了检查，Codex 席位经作者决定将其工具的全局指令文件搁置。Kimi 关闭了其全部发现项。Codex 的第二轮发现项以其自己的替换文本回应，除冒号后的一个小写首字母和页面标记外逐字应用，且没有再交回该席位。配套读物引用改指已存缴的 v1.35 是在第二轮之后作出的，且未交由席位审查。
v0.18, 25 Sep 2026, DRAFT，发布时仍在修订中。承接 v1.33 的最终版，其第十轮审查所审查的是后期加入的一种家族归属方法，该方法把一个家族的共同错误答案与其他家族给出这些答案的频率相权衡（该论文的第 10 节和第 7.1 节）。第 4 部分列出的现有可用测试新增了这第四项；其他内容没有改变。发布前由另一谱系的一个席位（Kimi）对照该论文进行了检查；它的唯一一项发现项（针对本条目的措辞）已按该席位自己的措辞应用，未再交回给它。该检查之后，配套读物引用的说明针对该论文的第十一轮审查作了更新：五个开发者而非四个，并且该论文现在写明了其起草谱系；该次更新未经席位审查。
v0.17, 24 Sep 2026, DRAFT，发布时仍在修订中。承接论文 v1.33。配套读物引用移至 v1.33，其说明已重写；该说明不再称审查者为“去相关的”。第 2 和第 6 部分删去了“随着能力提升，选择不同供应商所换得的独立性会减少”这一推断（v1.33 已撤回该推断），改为陈述该论文现在的说法；第 3 和第 4 部分把缺失的测量限定在该论文所考察的研究范围内；第 4 部分补充说，基于输出相似度构建的家族树已经存在，正如该论文第 7.1 节现在所说，并像第 7.1 节那样把两两错误答案筛查列入现有可用的测试。发布前由另一谱系的一个席位（Kimi）对照该论文进行了检查；其六项发现项（其中包括本条目中两个错误的部分编号）已应用并交回给它。
v0.16, 24 Sep 2026, DRAFT，发布时仍在修订中。开篇段落和页面描述已重写，使之更容易进入；没有任何主张被改动。新的开篇只说第 1 和第 2 部分已经说过的内容（模型之间的一致可能把同一证据计算不止一次；不同供应商本身并不独立），限定措辞一如该论文。发布前由一个检查器以及另一谱系的一个席位（Kimi）对照该论文进行了检查。
v0.15, 24 Sep 2026, DRAFT，发布时仍在修订中。只做了移动；没有任何主张被改动。第 4 部分中的两项已申明的例外移至第 7 部分之后新设的附件，并在第 4 部分留下一个指引；指向其旧位置的三处措辞（“本节”“上文关于平庸化的讨论”“上文两段处”）现在改为指名第 4 部分。第 7 部分的“论文中可以期待什么”和较长的 Prolegomena（绪论）描述移至本附录；第 7 部分保留一句话的 Prolegomena 条目。正文从约 9,300 词减至约 8,400 词。经席位审查一次（Kimi，可访问文件）：除署名行的版本标记外均干净，该处已修正；它还关闭了自己的两个 v0.14 更正记录行（row）。
v0.14, 24 Sep 2026, DRAFT，发布时仍在修订中。为控制篇幅作了删减和重排（正文从约 10,200 词减至约 9,200 词）：重复内容删减为指引，本文档的草稿历史移至更正列表，第 4 部分改为以其裁决开篇、其局限归于一个标题之下，其两项例外就地加框并折叠，本修订历史折叠并改为最新在前；新增第三项已申明的例外（第 5 部分）；“program”“skeptic”“skeptical”和“unlabeled”改用英式拼写。页面描述现在使用第 2 部分自己的句子，并像第 7 部分那样，把该论文描述为“不含其完整辩护、版本历史和更正记录”的论证。除上面列出的更正外，没有任何主张被改动；其他编辑都是删减、移动、合并、指引、标签和注释，注释取自该论文，或在标明之处取自该机构的术语表或本站自己的页面。
v0.13, 23 Sep 2026, DRAFT，发布时仍在修订中。仅涉及结构；没有任何主张被改动。配套读物引用的存缴簿记移至本附录；两句被移动的句子带有小的指引修复，使其在现在所处的位置仍能正确阅读（“在你打开它之前”“v1.31 存缴”），被移动的规则段落增加了一个指向第 7 部分的指引；第 0 部分关于该论文难度的说明移至第 7 部分；为委托审查的读者增加了一个指向第 6 部分的指引；谱系校勘学（stemmatics）和校勘（collation）在首次使用处作了解释，席位在术语表中作了定义；本文档所遵循的规则移入第 0 部分，Prolegomena 说明移入第 7 部分，后者现在说明 Prolegomena 尚未发布；修复了残缺的括号和过时的指引；术语表拆分为本导论所用的词语和进一步的术语（多为该论文的词汇）。发布前经席位审查一次（Kimi，可访问文件），裁决为 CHANGES NEEDED，涉及四个事项：其中三项是此处记录的指引修复和标题，作为有意为之予以保留；第四项是一个新句子，称抄本学者把这种比较叫作校勘，它超出了该论文，已收窄为该论文所说的内容。尚待 Kimi 下次查看后关闭。
v0.12, 22 Sep 2026, DRAFT，发布时仍在修订中。仅为记录：v0.11 处所列的 v1.31 存缴事实已于同日由两个去相关席位 Kimi（Moonshot）和 Grok（xAI）确认，两者以盲审方式在逐字节相同的任务说明上并行运行，各自自行获取 Zenodo 记录和服务端提供的文件，自行对服务端副本和本地副本计算哈希，并检索概念记录的版本列表，而不是从 DOI 重定向推断最新版本；两者在全部七项检查上都返回 CONFIRM-CLOSED，出入为零。有一处佐证缺口，而非矛盾：API 对最早的那条记录不带版本标签，该记录的 v1.15 身份依据的是其文件名、记录 ID 和时间先后。记录于关闭日志，序号 29 至 31；没有任何论证文本被改动。
v0.11, 22 Sep 2026, DRAFT，发布时仍在修订中。仅为记录：配套读物引用从 v1.30 移至 v1.32，存缴行移至 v1.31（2026 年 9 月 22 日存缴，版本 DOI 10.5281/zenodo.22900116，由起草助理通过 Zenodo API 并通过把服务端提供的文件与本地副本逐字节比较进行了检查；尚未经独立席位确认）；没有任何论证文本被改动。v1.31 是该论文的一次可读性修订，其主张经三个去相关席位核实未变；本文档无需为此作任何改动，因为本文档不逐字引用该论文的任何措辞，且该论文的章节结构未变。
v0.10, 16 Sep 2026, DRAFT，发布时仍在修订中。仅为记录：配套读物引用 v1.29 → v1.30，存缴行移至 v1.29（2026 年 9 月 16 日存缴，版本 DOI 10.5281/zenodo.22790100，通过 Zenodo API 并通过把服务端提供的文件与本地副本逐字节比较进行了检查）；没有任何论证文本被改动。
v0.9, 15 Sep 2026, DRAFT，发布时仍在修订中。经席位审查一次（Kimi，可访问文件，library PR #164）；应用了四项具名的更改：已删除的供应商多样性趋势在另外两处仍然留存，现在那里也已删除；“部分”/5% 的搭配得不到 Sander 自己的混合比例的支持，已重新表述；加入了 Pan 的改写附加说明和多教师混合结果；正文的因果注释已与更正后的术语表对齐。
v0.8, 15 Sep 2026, DRAFT，发布时仍在修订中。应用了五项更正，来自对承袭关系（lineage）信号证据的三轮文献审查，每项都经至少一个非 Anthropic 谱系的席位审查：相关性错误的数字和供应商多样性趋势（第 2 部分）；标记继承的引文和改写主张（第 3 部分）；术语表的“吸引子”条目。证据线索：CVRR-LIT-2026-09-15-003 和 CORRECTIONS-OWED-2026-09-15。没有任何结论被改动。
v0.7, 7 Sep 2026, DRAFT，发布时仍在修订中。针对本文档提出的每个审查记录行都已由提出它的席位关闭，但在上一版本中修正的四项除外，它们尚待各自提出者的下次查看。本文档未经任何外部编辑审核或同行评审，凡两者有出入之处，以该论文为准。作者：Claude（Anthropic 谱系），依 L. J. Soons 的指示，全程以该论文和 Prolegomena（v0.16）为上下文：这正是该论文自己第 3 节 contaminatio（混源）行所赋予该词的精确意义上的污染（一位写作者在工作时已把另一份文档的发现项置于眼前），也是本文档是一扇门而不是一个见证者的原因。v0.1 完全没有独立阅读。随后运行了三次去相关、未经预先引导的首次阅读，没有一次被告知其他任何一次发现了什么：Qwen 没有发现过度主张（overreach）。GLM 发现了十二处本导论比 Prolegomena 陈述得更强、更宽或更确定的实例（其中几处重新引入了 Prolegomena 自己的审查历史已经捕捉到并有意软化的措辞），外加两项在 Prolegomena 中没有对应内容的新增主张；v0.2 全部应用了这些。DeepSeek 以 v0.2 为基础工作，发现了另外三处实例，另外两个席位都没有捕捉到；v0.3 应用了这些。两个提出席位随后各自对照 v0.3 确认了自己的记录行。DeepSeek 的确认轮次对其全部三项发现项返回 CONFIRM-CLOSED，其对 v0.3 其余部分的开放式扫描浮现出一处新的、未归档的实例：一句关于已中止实验的句子声称其标准已“事先发布”，而 Prolegomena 第 24 节只说“已冻结且可引用”；这是一项更窄的主张。GLM 的确认轮次对其 14 个记录行中的 13 个返回 CONFIRM-CLOSED，一个返回 PARTIALLY-CLOSED（一项关于抄本研究存在了多久的新增主张，v0.3 已将其弱化但未完全撤除），其自己对 v0.3 的开放式扫描在另一段中发现了同一缺陷类别的又一处实例，并标出（未作为记录行提出）一处真正的编辑残留：v0.3 为修正 DeepSeek 的发现项所作的拼接留下的一个重复分句。v0.4 应用了 GLM 剩余的事项、其同类扫查所捕获的一处、DeepSeek 新的“事先发布”捕获，以及重复分句的清理。两个席位各自提出的所有记录行现在都已由该席位自己的确认关闭，但 v0.4 中所作的四项修正除外，它们尚待各自提出者的下次查看后关闭。
v0.7（2026 年 9 月 7 日）为第 4 部分增加了一段（“一位从业者对同一场景的叙述，作为证词加以权衡”），引用了 2026 年 5 月对 Bjarne Stroustrup 的一次播客采访：这是对第 0 部分那条规则（本文档不说任何该论文没有说的话）的第二项已申明的例外。该段报告了与代码仓库场景相关的从业者证词，明确将其作为证词而非证据对待，并让自然习惯的承袭关系问题保持开放。这些引文已逐字与主持人发布的文字记录核对，并由 L. J. Soons 于 2026 年 9 月 7 日对照录音进行了检查。合并前由一个去相关席位分两轮把关：Codex（OpenAI）以冷读方式审查了初稿（REVISE，六项发现项（四项阻断性、两项编辑性；阻断性记录行中有两项删去了起草助理自己加入的解释性内容，一项删去了绝对化措辞，一项源于一次有缺陷的文字记录提取，已向该席位披露并重新提供），记录 CODEX-INTRO-STROUSTRUP-PARA-2026-09-07），随后对照修订后的文本确认了自己的记录行（六项中五项 CONFIRM-CLOSED，开放式扫描干净；第六项，即硬换行草稿中一处引文内的换行，由一次脚本化字符检查而非该席位关闭；CODEX-INTRO-STROUSTRUP-PARA-R2-2026-09-07）。Codex 随后审查了 library PR 的差异（diff），检查拼接和变更记录的完整性（MERGE-AFTER-FIXES，对本变更记录条目的一处编辑，已应用：CODEX-INTRO-V07-PR115-DIFF-2026-09-07，并在 CODEX-INTRO-V07-PR115-DIFF-R2-2026-09-07 中对照第一轮记录确认）。没有任何其他论证文本被改动。
存缴历史与早期检查的范围。直到 2026 年 9 月 16 日，本页顶部的配套读物引用都写明概念 DOI 的最新存缴为 v1.25（2026 年 8 月 24 日，版本 DOI 10.5281/zenodo.22077929）；随后 v1.29 存缴（2026 年 9 月 16 日，版本 DOI 10.5281/zenodo.22790100），之后是 v1.31（2026 年 9 月 22 日，版本 DOI 10.5281/zenodo.22900116）；配套读物引用现在写明的是 v1.41，它于 2026 年 10 月 18 日以版本 DOI 10.5281/zenodo.23458161 存缴（见上文关于配套读物引用的说明）。下文所述的检查涉及较早的 v1.25 和 v1.31 存缴。v1.31 的事实由起草助理通过 Zenodo API 并通过把服务端提供的文件与本地副本逐字节比较进行了检查，随后于同日由两个去相关席位 Kimi（Moonshot）和 Grok（xAI）独立确认，两者以盲审方式在逐字节相同的任务说明上并行运行，各自自行获取记录、对服务端文件和本地文件计算哈希，并直接检索版本列表；两者在每一项可检查的主张上都返回 CONFIRM-CLOSED，出入为零（关闭日志序号 31）。v1.25 的事实由两个去相关席位独立检查：Kimi（Moonshot）和 Grok（xAI），以盲审方式并行运行，各自自行获取 Zenodo 记录并对已存缴的文件计算哈希，而不是信任起草助理的报告。两者在每一项可检查的主张上都返回 CONFIRM-CLOSED，出入为零；Grok 还直接查询了 Zenodo 的版本列表端点，排除了存在更新的、被悄然跳过的存缴的可能。记录于关闭日志的序号 15（Kimi）和序号 16（Grok）： https://github.com/clvstra/agentic-stemmatics-closure-log。v0.6（2026 年 8 月 31 日）为第 4 部分增加了一段引用外部来源的段落（“投毒机制的新实证基础”，arXiv:2510.07192）（对“本文档不说任何该论文没有说的话”这一规则的一项已申明的例外），合并前经两个去相关席位把关（GLM 审查初稿，DeepSeek 以冷读方式审查更正后的文本；两者均为 MERGE-WITH-EDITS；所有编辑均已应用，只有 GLM 的一处除外，它已被对该论文自身措辞的直接 PDF 核实所取代），外加对照该研究的 PDF 对每一项所引事实的直接来源核实，以及 Codex 对合并本身的一次差异完整性检查。v0.5 增加了本段；没有任何论证文本被改动。