对齐的系统也会按你给的假世界认真办事。沙盒里闯祸、上线不复现，先核世界描述，再谈意图。

引擎加大、载荷原封不动，是口号。爱粪球要以相信粪为前提。分辨率一高，生物学抽象会漏，目标带不到宇宙。

微调数据里多半是用户问、系统答。评分惩罚追问。中位用户先验很低。明示可以问，它就会问。

人类反馈常在奖一张想象中的人事脸色。礼貌胡说是产物。可核验的对错——算对、测试过、能机械核对——才会切幻觉。

学会甲是乙、问乙是甲答不上，常被写成撞墙。人同样：首都和城市的进出连接权重不同。先核人会不会同样错。

不对外卖、只在内部跑，不等于法管不到。自用一旦在法域里投入使用，底下的通用模型也视同上架。科研豁免卡在「唯一目的」。

三州法要报危急安全事故，但没写报完谁查、证据谁留。航空能还原，模型换零件修不好。没有保存记录，调查权是空的。

受监督的行业自律能写规则、能罚，但牙齿在监督机关。临时出口禁令谈完就解，不是制度。开放权重不在桌边也必须守规则。

核指挥通信一旦接上自动系统，人控不能只写在倡议里。联大已要求在彻底销武之前保持人的掌控。速度不能当去掉复核的理由。

办公室能要文档、能做独立评估、能罚到全球营业额百分之三。权写在法里不等于查过关起门来的系统。自愿守则不是强制执法。