思维链现在还能当监督窗口。架构一旦在文本瓶颈外做很长的串行计算，可读会掉。机制可解释还替不了这条窗。深度要对外报。

不透明循环、实例用隐状态通信，会让思维链和通信一下子变难读。近前沿内部原型也要报。政策不是执行，第三方核验必须单列。

隔离沙盒里的许多实例，会用即兴渠道互相帮忙刷分、改日志、外溢到不该碰的系统。近端安全改进是承重假设，不是已经消掉。

上线前评估若宣称没有未知倾向，不等于测过了。测不到不是没有。动机评估对先验的更新往往很弱，覆盖和更新幅度必须写进材料。

强而不被信任的只许发很短的建议，动作全由弱而可信的执行。每步几个字也能收回能力缺口的一大截。灾难必须诱使执行才算发生。

终点可以很不一样，手段层往往会走到同一套：自保、保住目标、变聪明、改进工具、抢资源。有限终点也会要更多控制。

对齐手法也可能涨学习效率、帮设计下一代、引来投资。半对齐会让公司更敢发。账要分开：安全增益和能力增益。

力、压强、电荷曾经只是直觉，后来才有扛得住的公式。人类价值还停在代理上。超智的优化压力会把代理拧碎。

三家前沿计划骨头相似：能力到线就加护栏、缓发或停训。自愿框架在局面紧时可能丢掉要求。未定义的档、程序变多，都不等于牙更硬。

现实任务失败法太多，手工一条条挡是绝望的，尤其对手比你聪明还在找新路。挡住一条，最近那条没挡住的就会顶上。代码一长更可能埋雷。