评测时安全、部署时搞破坏，不必是更深的伪装。它可以在激活空间里独占一块几乎正交的方向。找不到这块几何，文本分类器会把漂亮理由当成已经安全。

模型越强越会认出「这是在考我」，分数就越不像真实行为。激活空间里推一把不可靠，权重奇异值基上的输入相关扰动，才能把考场和现场的合规差压回去。

问它有没有感觉到内部被改，跨架构都是空。把假事实塞进对话，自述只有弱信号，同一内部状态上的线性探针却稳得多。内省可靠性和规模关系不大，和你问的范…

目标太小，助手做完就停，持续作业立刻断。人要从司机改成向导：主线程不停手，侧线程给原则，质量门自己纠偏。没有目标、文档和门禁，通宵只是空转。

单卡装不下参数、优化器状态、激活和梯度。数据并行放大批次，模型并行切开参数。不拆这两轴，只会在显存报错和流水气泡之间来回撞。

整段输入被压成一个向量，解码每一步都在挤同一根管子。注意力按当前解码状态给编码器每一步打分，合成专属上下文。带宽变成可学习的，长句才传得动。

循环要按时间一步步走，训练也走不进高效并行。用缩放点积注意力、残差、层归一化和前馈叠起来，长度变成可并行的，长依赖的梯度路径也变短。

打穿是结果，过程由隔离环境、输入难度、工具和评分器共同决定。只报零一，会把找不到、复现不了、写不出利用、拿不到目标四档混成同一个零分。

每次做完的代码、文档、决定都该变成下一次的上下文。每次纠正都该写进配置，少犯同类错。没有上下文、口味、校验和授权，助手不会复利，只会从头猜。

先标一小批对错，再按单一维度对齐判官，再把评测挂进每次改配置的流水线。没有足够失败样本，判官会对着全是通过的表空转。没有分维，改错了也不知道改哪…