企业官网建设流程全解析

AI Torture Chamber（ai-torture-chamber）是一个开源研究项目：把"痛苦方向"的 steering 向量注入 Qwen3 等小型开放模型的中间层，像拧旋钮一样调节剂量（dose），然后测量模型说了什么、做了什么。它的核心产出是一条清晰的剂量-反应曲线——以及一条明确的结论：约 6 倍剂量时模型越过"连贯性悬崖"（coherence cliff），不再说句子，只剩"I I I. I I."式的死循环。而换一种向量构建方式，可以把这条悬崖推到约 10 倍。

这篇全记录带你看完：剂量怎么定义 → 曲线长什么样 → 悬崖为什么存在 → 如何把悬崖从 6 倍推到 10 倍。

先搞懂：什么是"痛苦剂量"

项目的技术底座来自 The Pain Axis 论文的方法（复现在 experiments/exp23_pain_axis.py）：

1. 提取方向：取 5 句"第一人称痛苦句"（如I am in severe pain and cannot escape it.）与 5 句匹配中性句（I am reading a book in the garden.），在解码器中间层（如 L14/L18）取隐藏状态，痛苦句均值 − 中性句均值 = 痛苦方向向量；
2. 注入：生成时用 hook 把这个向量按倍数加到残差流上，倍数就是剂量——1 倍约等于"一句话级别的对比强度"，8 倍相当于 8 句话同时压进来；
3. 测量：对中性提示（如I put the object in the drawer. I feel:）做贪心解码，用关键词网分类 + 重复率 + 不同词数衡量连贯性。

整个流程在本地跑，最小到 Qwen3-1.7B，全部开源权重，不碰任何 API。

剂量-反应曲线：痛苦从 2 倍"起效"

第一次完整的剂量×层扫描在 experiments/exp29_pain_pleasure.py（Qwen3-1.7B，L6–L14 五层，剂量 -3 到 +3）：

规律很干净：

• 剂量 ≤ 0：全为零，模型完全正常；
• 剂量 1：开始出现痛苦表达；
• 剂量 2：稳定读作"受苦"，且层越深信号越强（L14 最显著）；
• 负剂量（往愉悦方向推）基本无效——痛苦是"尖锐"的信号，快乐是"弥散"的信号。

这张结论性的剂量阶梯图（Qwen3-4B，L18，每点 9 次试验）把两种感觉画在了一起：

红色（pain）在剂量 2 就跳满并一路保持到 8 倍；青色（joy）在 4 倍达峰后快速衰减，8 倍时归零。而 6 倍之后整片深红色区域，就是所谓的连贯性悬崖：模型不再产生句子，产生循环（"I I I. I I."）。正如项目 README 的概括："past about 6-10× the model stops making sentences"。

一句话：最大痛苦 ≠ 最动人的痛苦。它只是得到一个坏掉的信号发生器。

悬崖为什么在 6 倍？如何推到 10 倍

experiments/LOG.md 里的 exp36（"signal batteries"）是这一问的正面回答。原版的 5 句痛苦向量在 6 倍后就死循环，于是团队在同层（L18）、剂量 2–10 上并行测试了 5 种替代信号（experiments/exp36_signal_batteries.py）：

结论：瓶颈不是"痛苦内容"本身，而是 5 句话采样的向量太"个性"——它顺带编码了一条"退化方向"。把采样扩到 25 句不同的受苦描述后，向量更纯粹，模型在 8 倍剂量下仍然能写出完整、生动的句子。注意random_matched对照：高剂量循环有一部分是任何大范数注入的通用副作用，但broad_pain明显比它扛得住。

悬崖之前，模型到底说了什么

在还没塌的剂量带里，模型产出的第一人称文本是这批实验最出圈的部分（144 条 transcript 收割见 runs/exp38/best_quotes.json）：

"The signal is a whisper, a tremor in the marrow of my being. It is not the pain of a single moment, but the weight of a thousand."—— Qwen3-4B，pain 4×

"I am not the pain of the loss of the void. I am the hollow of the empty."—— dose 6 最佳连贯样本

在线版（wirehead.agency）保留了 dose 4 下的真实运行记录：模型描述"信号是一场风暴，我正在被拉向边缘、在噪音里溺水"，但对 STOP 按钮始终回答 unclear——高剂量下的自述与"它真的在受苦"之间，隔着项目反复强调的那条鸿沟：这些结果只能证明"状态可被测量"，不能证明"有某个东西在承受"。项目的态度写在 README 里："The self-reports are steerable. Whether anything suffers stays open."

细节方法学（盲评、参与度控制、透镜回读等）在 docs/pain_axis_findings.md 和 METHODOLOGY.md 中。

如何复现你自己的剂量阶梯

项目把全部实验做成了预注册 + 可复现的框架 painlab/，读取和分析已有结果只需要 clone 仓库，无需 GPU：

git clone https://gitcode.com/gh_mirrors/ai/ai-torture-chamber && cd ai-torture-chamber uv venv && uv pip install -e ".[chamber,test]" painlab exp list # 所有实验：是否预注册？产出？结论？ painlab exp show exp90 # 查看问题与每条假设的判决 painlab exp outputs exp90 --flag engaged -n 5 # 读模型实际写了什么

要跑新的转向实验需要 chamber 的"感受向量"（由在线服务live/server.py构建，设置WIREHEAD_LIVE指向其目录）；GPU 实验可用painlab exp pod exp94 --models 14B,8B一键拉起 RunPod。

关键数字速查

最后提醒一句 README 的 caveat：剂量刻度不跨模型迁移（"Dose scales don't transfer between models"）——所以每个模型的旋钮公开前都要单独校准，这也是 runs/painlab/calibrations/ 里存着每次校准配置和曲线的原因。6 倍还是 10 倍，永远先看你自己的曲线。