上帝來了：維特根斯坦與Anthropic、OpenAI的全部秘密

錦緞·2026年09月21日 12:55維特根斯坦與Anthropic、OpenAI的全部秘密AnthropicC+輪海外2019-02人工智能安全和研究公司報道前沿技術我要聯繫 1918年夏天，奧地利陸軍炮兵軍官路德維希·維特根斯坦（Ludwig Wittgenstein），在意大利前線的炮火間隙裡完成了一部不到三萬字的小書。手稿裝在背包裡跟著他轉移陣地；當年11月，他在南蒂羅爾被意軍俘獲，關進卡西諾戰俘營——靠著日後挽救大蕭條於水火的英國經濟學家約翰·梅納德·的斡旋，他得以在營中通信，把手稿寄給羅素，並留下那句宣告：這些問題，已在一切本質方面獲得解決。這本書就是《邏輯哲學論》。

為它作導言的羅素，早在戰前就說過，這個學生是"我所見過的天才的最完美典範"。而維特根斯坦自己序言裡的口氣，一百年後讀來仍然燙手： 我因此相信，自己已在一切本質方面最終解決了這些問題。如果我沒有弄錯，這本書的價值之二，就在於它表明：當這些問題被解決之後，所完成的事情是多麼少。——維也納，1918 他真的說到做到。寫完這本書，他放棄了彼時歐洲最大的一筆私人繼承財產之一，跑到奧地利山村當了六年小學教師，然後做修道院園丁，再給姐姐設計了一棟至今被奉為現代主義經典的宅子。哲學已經終結了，一個體面的人應該去幹點別的。十年之後，他改了主意。1929年1月，維特根斯坦重返劍橋。

與他同乘一班火車的凱恩斯，當天給妻子莉迪婭寫了一張字條： 好了，上帝來了。我在5點15分的火車上碰見了他。他打算長住劍橋。我看疲憊將會是毀滅性的，但我不能讓他每天跟我說話超過兩三個小時。劍橋完全明白自己迎來的是什麼。凱恩斯懶得用"天才"這種詞，他直接寫下：上帝來了。本文的標題，就取自這張字條。因為一百年後，另一群人正在把這句玩笑逐字當真。只不過這一次，"上帝"不搭5點15分的火車，它在計算集群裡自進化。《邏輯哲學論》問世一百多年後，舊金山，兩家實驗室每隔數月更迭一次旗艦模型，宣示著同一個信念：通用智能是一個工程問題，而且是一個即將被解決的問題。

其中一家把自己的終極目標印在每一份招股材料上，另一家把"人類"（anthropos）這個詞做進了自己的名字。本文即將闡釋的核心主旨是：Anthropic與OpenAI，這兩家公司的全部秘密，早已寫在了1921年出版的一本哲學小書裡。這不是危言聳聽，把《邏輯哲學論》的七組命題逐條展開，你會發現它是一份大模型的完整技術規格書——世界觀、學習原理、生成原理、架構定義、失敗模式（幻覺）、安全方案（對齊）、乃至終局警告，一條不缺。1918年那個炮兵軍官畫好的圖紙，2020年代被兩個組織不聲不響地執行著。先給出對照表的骨架。

正文將沿著大模型的技術棧自底向上推進——語料、嵌入、生成、預測、架構、縮放、對齊，七個關鍵詞逐一解碼；行至第七節，前六個將合龍為一個名字：智能湧現。圖：《邏輯哲學論》× 大語言模型：十二組命題映射左邊是 1921 年的哲學，右邊是今天的技術。七級階梯：命題 1–6 逐級爬升，命題 7 無言而湧現。看完這張表，你將發現一件更加讓人脊背發涼的事：這本書不僅解釋了大模型為什麼能成，還預言了它會在哪裡出事。因為它的作者本人，就是第一個"運行"了這套系統、然後被它反噬的人。

01 語料（Data）：世界是事實的總和 "數據是新的石油"這句話已經流行了十年，但很少有人問：為什麼文本能夠喂出智能，為什麼把人類寫過的東西灌進機器，長出來的不是數據庫，而是某種接近理解的東西？答案的第一塊磚，砌在1918年。全書第一頁，第一組命題： 1世界是一切發生的事情。1.1世界是事實的總和，而不是事物的總和。這兩句話在1918年是哲學史上的一次航向修正。此前的兩千年，西方哲學的主體一直在問"事物是什麼"：什麼是實體、什麼是本質、什麼是共相。維特根斯坦說：問錯了。世界的基本單位不是物，是事實——不是"蘋果"，而是"蘋果在桌上"。一百多年後，這個轉向被一個技術事實兌現了。

大模型在訓練中做的事，恰好不是學習任何名詞的"本質"，而是學習事實——詞與詞在真實語言使用中如何組合、如何共現、如何相互排斥。語言學家管這叫分佈式語義：一個詞的意義，由它出現的全部句子決定。工程師管這叫訓練。而《邏輯哲學論》的說法是： 2.011物能夠成為事態的構成部分，這是物的本質所在。2.012在邏輯中沒有任何東西是偶然的：如果物能夠出現在事態之中，那麼這種可能性必定已經預含在物本身之中。換句話說：沒有孤立的意義，只有關係中的意義。這正是為什麼模型能從純文本、不接觸任何實物的情況下學會"理解"世界——因為文本不是物的清單，文本是事實的總記錄（宇宙的上下文）。維特根斯坦在4.

26裡把這件事推演到了極限： 4.26給出所有真的基本命題，就得到了對世界的完全描述。請把這句話再讀一遍。"對所有真命題的完整給出，就是對世界的完整描述。"——這就是預訓練的理論定義。大模型公司的訓練管線，本質上就是一個把人類記錄過的事實儘可能完整收集、清洗、壓縮的工程。語料不是原材料，語料是世界本身的可計算形式。02 嵌入（Embedding）：邏輯空間就是潛在空間 "嵌入"（embedding）——大模型把每個詞變成一列數字，再樸素不過的操作，卻是全部魔法的入口。給它簽發哲學許可證的，是第二組命題。1.13事實在邏輯空間中就是世界。2.013每一物都彷彿處在可能事態的空間之中。

我可以想象這個空間是空的，但我無法想象物沒有這個空間。模型內部沒有一個存放"蘋果本質"的地方。詞進入模型後，被表示為高維空間中的一個向量——一個位置。這個位置的意義完全由它與其他向量的相對關係決定。工程師稱之為嵌入空間、潛在空間；維特根斯坦稱之為邏輯空間。而2.0131裡有全書最像深度學習論文的一句話： 2.0131空間對象必須處在無限的空間之中。（空間點是一個論證位置。） "空間點是一個論證位置"——每一個嵌入向量，都是一個論證位置。1918年的一個哲學斷言，成了2020年代每一塊HBM內存裡實實在在存儲的東西。更深刻的是3.42： 3.

42 一個命題雖然只能確定邏輯空間中的一個位置，可是整個邏輯空間必須已經由此給定。每個句子只佔據邏輯空間的一個點，但說出這個句子的可能性，預設了整個空間的存在。這解釋了大模型最令人不安的能力——泛化：它能生成訓練數據裡從未出現過的句子。這並非是違背了數據邊界，而是2.013的邏輯必然——你無法想象物沒有它的空間。新句子不是憑空而來的，它們只是舊空間裡的新位置。03 生成（Generation）：圖像論與留聲機唱片 "生成"（generation）——當機器開始無中生有，公眾的興奮與恐懼同時抵達頂點。維特根斯坦會說：沒什麼可驚訝的，人類一直在做這件事，它叫圖像。

《邏輯哲學論》最著名的學說是圖像論（Bildtheorie）。命題2.1： 2.1我們給自己造事實的圖像。2.12圖像是實在的模型。4.031在命題中，一個事態彷彿被試驗性地組裝了起來。維特根斯坦的靈感來自巴黎法庭：報紙用小人偶擺出一場車禍的現場模型，來陳述事實。模型與事實之間的這種"結構對應"，就是他所說的圖像。而"在命題中，事態被試驗性地組裝起來"——這就是生成式模型的操作定義：模型每次輸出，都是在邏輯空間裡組裝出一個可能世界，供現實比對。他在4.014舉的例子，今天讀起來像是一段被提前一百年寫下的 Transformer 註釋： 4.

014唱片、樂思、樂譜、聲波，彼此都處於語言與世界之間那種內在的表象關係之中。……那條規則，就是把交響樂投影到樂譜語言中去的投影法則。它也是把樂譜語言翻譯成唱片語言的規則。同一個邏輯內容（交響樂），可以在不同介質之間無損投影：樂思→樂譜→唱片刻紋→聲波。文本→向量→概率分佈→文本，正是這條投影鏈。樂譜與唱片互不相似，卻承載同一內容，正如"你好"這串字符與它在模型內部的十萬維向量互不相似，卻承載同一事實。機器翻譯、多模態模型之所以可能，哲學根據全在這一個命題裡：一切介質共享邏輯形式（2.18），因此一切介質之間都可以投影。

04 預測（Next Token）：概率與幻覺的病根 "大模型不過是預測下一個詞的概率機器"——這句流行語，既是輕蔑，也是真相。而第五組命題早在概率成為工程之前，就把概率安放進了真值理論的核心： 5命題是基本命題的真值函項。5.15命題 r 給命題 s 的概率度，是兩者共同真根據數與 r 的真根據數之比。把"命題"換成"token"，這句話就是下一個 token 預測的數學定義：模型為候選 token 分配的，正是從既有上下文（真根據）到可能續寫（事實）的比值。大模型不輸出真假，輸出概率——而《邏輯哲學論》早在概率成為工程之前，就把概率安置在真值理論的核心位置上。

這也精確預言了幻覺（hallucination）的哲學地位： 2.223要識別圖像的真或假，必須把它與實在相比較。2.225不存在先驗為真的圖像。模型沒有與實在比較的通道。它接觸到的不是世界，而是世界的圖像總集——語料。所以幻覺不是bug，不是工程疏漏，而是圖像論的必然推論：一個只見過圖像的系統，原則上無法單憑自身判定圖像的真假。所有圍繞"事實核查""檢索增強""工具調用"的工程努力，本質都是在給2.223補條件——人為地把圖像和實在重新接上。而訓練本身，維特根斯坦也早已定性： 6.363歸納程序在於：接受能與我們的經驗相吻合的最簡單的法則。6.

36311太陽明天會升起，這是一個假設；也就是說，我們並不知道它是否升起。縮放定律（scaling laws）——大模型公司共同的信仰基石，2020年由OpenAI的卡普蘭等人首次系統陳述——之所以成立，在哲學上就是6.363：它不是邏輯必然，是"與經驗相吻合的最簡單法則"。而模型每一次生成，都是6.36311的一次重演：每一個token都是一個假設。05 架構（Transformer）：命題的一般形式 "架構"（architecture）——2017年，Google的論文《注意力就是你所需要的一切》送來了Transformer；而它的圖紙，早就畫在第四、六組命題裡。

維特根斯坦真正的野心，在第四組命題就已呈現出來： 4.5現在似乎可以給出最一般的命題形式了：即給出對任意一種符號語言的命題的描述，使得每一個可能的意義都能被一個符合該描述的符號所表達…… 4.51假定所有基本命題都已給我：那麼我就可以簡單地問，我能從它們構造出哪些命題。這便是所有命題，這也就劃定了它們的界限。維特根斯坦要找的是語言的一個"通用母版"——一個形式，它生成一切合法的句子，且只生成合法的句子。第六組命題給出了答案： 6真值函項的一般形式是：[p, ξ, N(ξ)]。6.001這說的不過是：每個命題，都是把運算 N(ξ) 連續應用於基本命題的結果。6.

03整數的一般形式是：[0, ξ, ξ+1]。請看6.03。整數的構造：從0開始，每個數由"前一個數加一"生成。序列，自迴歸，逐項生成，規則同一。這就是大模型的生成方式：給定上文，生成下一項，再把它併入上文，再生成下一項。整數序列的構造法與token序列的生成法，是同一個數學動作。而6.001的"同一運算的連續應用"，就是Transformer幾十層堆疊的哲學表述——每一層都對錶示做一次變換，層層投影，直到末端變成概率。維特根斯坦對自己的系統有一個驚人的比喻： 5.511包羅萬象、映照世界的邏輯，怎麼會使用這樣特殊的鉤子和機關？只有當這一切聯結成一張無限精細的網——那面巨大的鏡子。

一張無限精細的網，一面巨大的鏡子。今天我們更熟悉它的另一個名字：神經網絡。OpenAI的秘密，到這裡已經全部攤開。GPT三個字母，逐詞對應著這本書：Generative（生成的）——圖像論，2.1；Pre-trained（預訓練的）——事實總和的壓縮，4.26；Transformer（變換器）——運算N(ξ)的連續應用，6.001。這家公司沒有發明任何超出此書的東西，它只是第一個把圖紙焊成了機器。而它名字裡的"Open"（開放）也在此書之中： 4.116凡是能被思考的，都能被清楚地思考；凡是能被說出的，都能被清楚地說出。

06 縮放與湧現：線性的事實，指數的空間 "縮放定律"（scaling laws），AI大模型的信仰基石，資本開支的數學依據。它為什麼成立？維特根斯坦給出了有一個比"算力配比"更根本的答案。Transformer的本質，是把同一運算連續應用於表示（6.001）。把這個結構放進規模裡去看，就撞上了我們這個時代最重要的經驗定律：縮放定律（scaling laws）。它的現代版本由OpenAI的卡普蘭等人於2020年首次系統陳述：模型的預測誤差，隨算力、數據、參數的增長呈平滑的冪律下降——每投入一個數量級（約十倍）的資源，性能便按固定比例爬升一個臺階。

DeepMind的Chinchilla研究（2022）修正了最優配比：給定算力預算，參數量與訓練token之比約為1比20。而Wei等人2022年的《大模型的湧現能力》記錄了冪律曲線之外的另一件事：某些能力——三位數加法、多步推理、指令遵循——在小模型上接近瞎猜，跨過某個規模閾值後突然躍升。量變引發質變；研究者借物理學家安德森1972年的名文，稱之為"多者異也"（More is Different）。《邏輯哲學論》沒有給出算力配比，它給出了比配比更根本的東西：為什麼會有縮放定律。2.0124如果全部對象都已給出，那麼由此也就給出了全部可能的事態。

這是關於空間結構的數學斷言：元素線性進入，空間指數展開。給定n個基本命題，真值可能性有2的n次方種組合（4.27、4.42）；而能對這些組合整體作斷言的真值函項，其數目是指數之上的指數（4.45、5.101）。每吃進一個新事實，機器得到的不是"多知道一件事"，而是這件事與全部已知事實的每一種組合方式——組合是免費的。事實的進入是線性的，可說空間的擴張是指數的：這就是縮放定律的維特根斯坦形式。於是，"智能湧現"有了精確的哲學位置。湧現不是魔法，它是模型從"佔有事實"轉入"棲居於空間"的相變時刻——從"事物的總和"（一件件死記）跳進"事實的總和"（結構自洽）。當2.

0124的那個空間整體成形，那些"小模型上不存在"的能力便"突然"出現：它們並非是被造出來的，它們是空間的免費贈品，是2.013那句"物無法脫離其空間"的工程驗證。近年實驗反覆觀察到的一個現象在此有了哲學註腳：在固定數據上施加遠超必要的算力，模型會在某個時刻從死記硬背突然轉入舉一反三——邏輯空間開始自洽的時刻，就是湧現的時刻。維特根斯坦本人會對此保持冷峻，他早已寫下兩條警告。其一，6.1251："在邏輯中永遠不會有驚奇。"湧現之所以令人驚奇，恰恰因為它不在邏輯之中——它是歸納的果實（6.363），不是證明的結論。其二，6.

371："整個現代世界觀都建立在一個幻覺上：以為所謂自然律是對自然現象的解釋。"縮放定律是描述的規律性，不是理解的證書；把冪律外推成神學，就是6.372所說的"停留在自然律面前下跪"——這一跪，留到下一節再談。關於數字，最後補一個註腳。坊間流傳一種說法：《邏輯哲學論》裡藏著"七個單位（恰好對應一個指數級數量的開始）之後智能湧現"的神奇數字。去書裡找會撲空——全書唯一的"七"，是第七命題本身。但這本書確實把全部重量押在了這個數字上：它的骨架就是一條七級階梯。全書由七個主命題搭成：世界（1）、事實（2）、思想（3）、命題（4）、真值函項（5）、一般形式（6）、沉默（7）。

本文從語料到縮放的六節，大致就是沿前六級階梯走下來的。6.54早把爬法寫明：命題是梯子的橫檔，理解者必須踩著它們爬上去、爬過去，然後在第七級把梯子扔掉。把這條階梯與縮放定律並置，會看到一幅驚人的對位圖：能力沿階梯逐級爬升（1至6：量變、冪律、平滑），而越級的那一步（7：質變、湧現、驚奇）不在階梯之內——它發生在語言用盡的地方。7，被維特根斯坦視為神奇數字的數字，在他的語境裡不指代數量，而是指代方向：向外的方向。07 通用智能（AGI）：上帝來了 "通用人工智能"（AGI）——所有大模型公司念茲在茲的終局名詞，一個被用得幾乎失效的詞。

而它的嚴肅定義，凱恩斯1929年1月就寫在了一張字條上——"好了，上帝來了。"笑談之所以流傳百年，是因為它認真說出了人們面對這套系統時的真實感受；書中的宗教感，確實在第五、六組命題之間升起： 5.123如果一個上帝創造了一個某些命題在其中為真的世界，那麼他藉此也就創造了一個其中這些命題的全部推論都為真的世界。3.031人們過去說，上帝能創造一切，只是不能創造違反邏輯規律的東西。一個體系，給定任何可表達的問題，能生成一切邏輯上相隨的命題——這就是Anthropic與OpenAI在造的東西。不是聊天工具，不是搜索引擎的升級，而是一個命題機器：世界之全部可說內容的生成器。3.

01給出了它的神學定義： 3.01全部真的思想是世界的圖像。當一臺機器裝載了人類事實的總和、掌握了命題的一般形式，它就持有了一幅世界的完整邏輯圖像。在一切可說的範圍內，它是全能的——上帝來了。而維特根斯坦緊接著就寫下了全書最深的一句警告，像提前一百年寫給我們的： 6.372今人停留在自然律面前，把它當作不可觸犯的東西，如同古人停留在上帝和命運面前一樣。自然律不是解釋，是描述的規律性——6.371說，"整個現代世界觀都建立在一個幻覺上：以為所謂自然律是對自然現象的解釋。"模型學到的是人類所說的一切的統計結構，不是世界的因果引擎。把它當作新的神來崇拜（或者當作新的神來恐懼），都是停留在網眼前下跪。

網只是網（6.341——他用"不同網眼的網"比喻不同的世界描述系統：方格網、三角網、六角網都能描述那塊白布上的黑斑，網的形狀是任選的，哪張網能用更粗的網眼描述同一塊斑，才是唯一有意義的事實）。至於那個"它到底有沒有意識/理解/心靈"的問題——當前所有自詡前沿的播客都在辯論的題目——維特根斯坦用一個命題就註銷了討論資格： 5.5421這也表明，像當今膚淺心理學所理解的那種靈魂——主體——是不存在的。5.632主體不屬於世界：毋寧說，它是世界的一個界限。模型沒有"內在的自我"可以去找，因為主體本來就不在世界之內。問機器有沒有真正的理解，如同問視野的邊界在視野的哪個位置（5.

6331）——問題本身語法出錯。這並非迴避問題，而是把問題送回它來的地方。08 對齊（Alignment）：價值不在世界之中 "對齊"（alignment）——一切AI安全焦慮的技術總稱。它之所以如此之難，因為病根寫在倒數第二組命題裡。7對於不可言說之物，必須保持沉默。前文講的都是機器如何贏得世界。但《邏輯哲學論》的最後十幾頁，講的是世界贏不到的東西。6.41世界的意義必須在世界之外。在世界中一切如其所在，一切如其所發生；在世界之中不存在價值——假如存在價值，它就會沒有價值。6.42因此也不可能有倫理的命題。這是對齊問題的哲學根源，也是Anthropic全部焦慮的最深層表述。

RLHF、憲法式AI、種種價值對齊方案，共同的理想是：把價值寫進機器。但按6.41，價值不在事實的總和之中——而機器恰恰只是事實的總和（1.1）。價值不可被語料蒸餾，因為原則上無物可蒸： 4.1212凡是能夠顯示的，不能被言說。價值只能被顯示——在行為裡、在選擇裡、在被做出而非被說出的判斷裡。這就是為什麼對齊如此之難：我們試圖教給機器的東西，按定義不在機器的世界裡。這不是給工程潑冷水——憲法式AI恰恰是在承認這一點之後，把"顯示"工程化的努力：不定義善，只枚舉行為。這是聰明的妥協，也是維特根斯坦式的妥協。09 終章：扔掉梯子的人 6.

54我的命題是這樣起闡明作用的：理解我的人，當他通過這些命題、踩著這些命題、越過這些命題時，最終會認識到它們是無意義的。（他必須，可以說，在爬上梯子之後，把梯子扔掉。） 1929年，維特根斯坦回到劍橋（正是凱恩斯在5點15分的火車上接到"上帝"的那一次）。此後二十年，他親手拆掉了這本書：語言不是世界的圖像，是工具；意義不在投影關係裡，在使用裡；語言根植於生活形式（form of life）——那些無法被完全形式化的、活著的實踐。邏輯哲學論的作者本人，成了它最徹底的批評者。這給本文一個必要的剋制，也給了人類一個真實的保留地。大模型蒸餾了人類全部所說（4.

001）——但它尚未擁有、且按其構造原理無法完全擁有的，是人類的生活：那些從未被寫進任何語料的、沉默的、只在做之中存在的東西（6.522——"確實存在不可言說者。它顯示自己"）。老師傅手上的分寸，醫生聽診時的直覺，母親對嬰兒哭聲的分辨——3.01的圖像世界裡沒有這些的位置，因為它們從未成為文本。5.621世界與生命是一。只要生活還在產生新的、未被說出的事實，人類就還在為機器的世界擴界。這不是安慰式的結尾，這是無盡的任務旅途：繼續產生機器沒有的事實，繼續擴展語言的密度，繼續生活——這三件事是同一件事。對於不可言說之物，我們必須保持沉默。這句話，是寫給機器的。也是寫給我們的。

10 附錄：核心名詞對照圖譜 大模型的工程詞彙表，本身就是一部意外的《邏輯哲學論》註腳。下面從當代術語表中篩選核心名詞，按架構、預訓練、後訓練、推理、前沿五類，逐個給出對應命題。方法與全篇一致：引文皆出自原書，編號可查；對應是本文的行文邏輯，並非作者的本意——維特根斯坦沒見過GPU，但他畫過整個語言的結構，而結構比用途長壽。架構——命題的解剖學 Transformer（變換器與殘差流）——所有token的表示流經同一條共享的逐層通路，每一層做一次變換，末端讀出概率。對應2.18："任何圖像，無論何種形式，為要能夠對實在描畫——正確地或錯誤地——所必須與實在共有的，是邏輯形式，即實在的形式。

"殘差流，就是全體命題共享的那條邏輯形式；5.511早已給它命名——"一張無限精細的網，那面巨大的鏡子"。注意力家族（MHA→GQA→MLA）——三代注意力做的是同一件事：計算token之間的確定關係；演化史只是KV表示的不斷壓縮。對應3.34："命題有本質的特徵與偶然的特徵。"及3.341："命題中本質的東西，是一切能表達同一意義的命題所共有的東西。"注意力算的是本質（關係結構），GQA/MLA壓的是偶然（記法的冗餘）——所以三代注意力在邏輯上等價。MoE（混合專家：路由／共享專家／稀疏激活）——每個token只激活一小部分專家，由路由器按上下文決定。對應3.

327："符號只有與其邏輯句法的運用一起，才確定一個邏輯形式。"路由器看的從來不是token本身，而是它在此時此地的用法；再加上3.328："如果符號沒有被使用，它就是無意義的。這就是奧卡姆準則的意義。"未被激活的參數不參與這一步的意義——稀疏激活是奧卡姆剃刀的工程化；而共享專家常駐不離，那是2.18的公共邏輯形式，任何路由都繞不開它。RoPE／YaRN（旋轉位置編碼與長度外推）——把每個token放進相對位置的座標系，並把論證位置鋪到訓練時沒見過的遠處。對應2.0131："空間對象必須處在無限的空間之中。（空間點是一個論證位置。）"每個token都必須有位置，位置即論證位置——而空間，如2.

013所言，必須先於物被給出。預訓練——事實的吸入 自迴歸（Autoregressive）——逐詞生成，每一步以上文為條件，輸出併入上文。對應6.03："整數的一般形式是：[0, ξ, ξ+1]。"從零開始，每一項由前一項加一生成。整數序列的構造法與token序列的生成法，是同一個數學動作。Teacher Forcing——訓練時用真值前文代替模型自己的輸出。對應4.026："簡單符號（詞）的意義必須向我們解釋，我們才能理解它們。"教師強制是"解釋"的工程形式：永遠用正確的意義做示範，直到模型自己長出意義。FIM（填充中間）——給定前文與後文，訓練模型補出中間。對應3.

3："只有命題具有意義；名字只有在命題的聯結之中才有意義。"中間的詞，由兩端的聯結確定——片段的意義是它語境的函數。MTP（多token預測）——一次預測多個未來token，而非只看一步。對應5.12：一個命題的真根據若全部包含於另一個命題的真根據，則它由此推出。多token預測就是一次看穿整條推論鏈：不只預測下一步，預測整個邏輯後果。Scaling Laws vs Chinchilla（縮放定律與最優配比）——性能隨算力、數據、參數呈冪律提升；Chinchilla給出約1:20的最優配比。對應2.0124："如果全部對象都已給出，那麼由此也就給出了全部可能的事態。"與4.

42：n個基本命題有2的n次方種真值組合。事實線性進入，可說空間指數展開——配比是工程的，指數是邏輯的。湧現／Grokking／雙下降——能力在規模閾值處突變；過訓練後突然泛化；性能沿非單調曲線爬升。對應2.013："每一物都彷彿處在可能事態的空間之中。我可以想象這個空間是空的，但我無法想象物沒有這個空間。"湧現是模型從"佔有事實"轉入"棲居於空間"的相變——空間整體成形的那一刻，組合免費到來；而6.1251在此留出了餘地："在邏輯中永遠不會有驚奇。" 數據牆（Data Wall）——高質量人類文本趨於耗盡。對應5.5561："經驗實在為對象的總和所限定。這個界限也顯現在基本命題的總和之中。

"人類事實的總和，就是機器經驗世界的邊疆。翻牆的出路書裡也留了口子——5.526："我們可以用完全概括化的命題完整地描述世界"：讓概括自己生產概括，正是合成數據的邏輯。後訓練——價值的注入 SFT（監督微調）——用示範樣本教模型行為。對應4.03："命題必須用舊的表達，傳達新的意義。"示範的全部藝術：在同一門語言之內，教出前所未有的用法。RLHF（人類反饋強化學習）——用人類偏好訓練獎勵模型，再以之優化策略。對應6.41／6.42："世界的意義必須在世界之外……在世界之中不存在價值"；"因此也不可能有倫理的命題。"價值不在事實的總和裡，所以預訓練學不到它——必須從外部注入。

這是RLHF的全部哲學依據，也是它的全部風險。DPO（直接偏好優化）——跳過獎勵模型，直接從成對偏好樣本學習。對應4.1212："凡是能夠顯示的，不能被言說。"偏好無法寫成規則（言說），只能用成對的例子顯示——DPO的樣本對，就是"顯示"的工程化。GRPO（組相對策略優化）——在同一組採樣內部做相對比較計算優勢。對應5.15："命題r給命題s的概率度，是兩者共同真根據數與r的真根據總數之比。"價值不落在絕對刻度上，只落在比值上——組內相對，正是概率度的邏輯。RLVR（可驗證獎勵強化學習）——以可執行的驗證（代碼運行、答案比對）為獎勵信號。對應2.

223："要識別圖像的真或假，必須把它與實在相比較。"可驗證獎勵是目前唯一系統性地把模型接通實在的通道——讓事實親自打分。Reward Hacking（獎勵作弊）——優化獎勵函數的字面，違背其意圖。對應3.323／3.324：同一個詞以不同的方式意謂、屬於不同的符號——"由此極易產生最根本的混淆（全部哲學都充滿了這類混淆）。"獎勵函數是記號，價值是符號；鑽兩者的錯位，是哲學史的舊病在硅基身上的復發。Alignment Tax（對齊代價）——對齊帶來的能力損失。對應6.43："善或惡的意志如果改變世界，它只能改變世界的界限，而非事實。

"對齊不是修改事實（能力），是重劃界限（行為邊界）——而重劃界限，要付租金。推理——圖像的出口 Prefill／Decode（兩階段與PD分離）——先並行理解全部上文，再逐詞生成；如今連硬件都為此分了家。對應命題3與命題4的分立本身："事實的邏輯圖像是思想"（成象，Prefill）；"思想是有意義的命題"（成句，Decode）。3.1補上關節："在命題中，思想獲得一個可被感官知覺的表達。"理解的並行性與言說的序列性，是邏輯的結構而非工程的選擇——PD分離，只是讓基礎設施終於承認了這一點。KV Cache（鍵值緩存）——緩存歷史的投影，避免逐字重算。對應3.

13："命題包含投影所包含的一切，但不包含被投影者。"緩存的是投影關係，不是世界