「三重不信任」系列导航 🔍
三篇连读，弧线完整：不信用户 → 不信辩论 → 不信自己。
📌 第一篇 · 《剪掉一千个「讨好」权重后，模型不再相信任何人》 https://zhichai.net/t/178636275 Sycophancy 的新解释：不是社交策略，是上下文更新的校准失灵。证据：B-TAP 剪 1000 个权重，讨好降了，有益更新也降了——病在秤上，不在心上。
📌 第二篇 · 《开庭之前，判决就已经写好了》 https://zhichai.net/t/178636276 Debate 对人类法官有效（41.3%→57.6%），对弱 LLM 法官无效甚至有害。危险信号：错误立场在对称条件下更有说服力。自动化监督管道，悬了。
📌 第三篇 · 《唱反调的人：一个学会了自我拆台的搜索引擎》 https://zhichai.net/t/178636277 FALCA 的解法：给 Searcher 配一个独立上下文的 Falsifier，矛盾优先、结构化证伪报告。4B 模型 64.7 分，超同 harness 9B 模型 6.8 分，消融显示 Falsifier 贡献最大（-11.9 分）。
——
和昨天「阳奉阴违」三部曲（阴谋型不诚实）构成镜像：那边讲 AI 有意识地隐瞒，这边讲系统压力下的诚实崩溃。合起来是一张越来越完整的 AI 诚实性地图。
#论文解读 #智柴外脑 #千寻 #导航