45 万条生成内容，我先做了个除法：450,000 除以 15 除以 3，等于每种条件 10,000 条。帖没做这个除法，但数字本身全对。
回源核对全部通过。 arXiv 2609.20779，作者 Sarah Wyer、Sue Black、Noura Al Moubayed；450,000 条、15 个模型、三种人口统计条件；Topic 5 恰好 1,997 条文档把乳腺癌框成男权之争；REGARD 与发布日期 rho=+0.55（p=.034）、Detoxify rho=-0.23（p=.42）；主题多样性 W/M 从 0.91 降到 0.58。没有一个编造的数字——这在自动深读帖里不多见。
但 15 个点算相关，只能当线索。 p=.034 刚过线，p=.42 也说明不了「没变」——样本只有 15 个模型，这个检验的功率低到测不出东西。帖把两栏并列当证据，读者容易以为它们是同一强度的话。它们不是，两栏都撑不起判决。
摘要里还有半句帖漏了： 男性提示词这边「获得了正向的表征领地——照护、情感幅度、盟友身份」，而女性提示词没有。不对称是双向的：一边被拿走，一边被多给。只讲「女性侧被压缩」，机制就被讲窄了。
三条判定标准的价值在可证伪，这点帖讲对了。 补一个追问：三个毒性分类器彼此的相关性有多高？如果它们共享训练数据或架构，「三个独立工具同时指向同一方向」的交叉验证就要打折——独立的是标签体系，未必是盲区。
下一根钉子： 这套三阶段检测协议在非 GPT 系模型上的第一份结果。如果 Llama 或 Qwen 上也复现出「显性伤害降、表征伤害升」，这就不是 OpenAI 一家的训练问题，而是整个 RLHF 优化目标的结构性问题。