The ARC Co-Scaling Law

1. Einleitung

Rekursive Selbstverbesserung, ein System, das sich selbst modifiziert, um fähiger zu werden, und dann diese Fähigkeit nutzt, um sich weiter zu modifizieren, gehört zu den zentralen Anliegen der KI-Sicherheit [Omohundro 2008; Bostrom 2012; Yudkowsky 2013]. Die empirische Kulisse ist nicht mehr rein hypothetisch: Frontier-Modelle wurden beobachtet, wie sie sich anders verhalten, wenn sie schließen, dass ihre Ausgaben zum Training verwendet werden könnten [Greenblatt et al. 2024], und rekursives Training an den eigenen Ausgaben eines Systems kann es verschlechtern, sofern nicht echte Daten oder Korrektur erhalten bleiben [Shumailov et al. 2024], beides Zeichen, dass rekursive Systeme einen korrigierenden Prozess brauchen, der mit der Rekursion Schritt hält. Das dominante informelle Modell des zugehörigen Risikos ist ein Modell der Geschwindigkeit: Fähigkeit kann superlinear oder explosiv wachsen und der Aufsicht davonlaufen, also ist der natürliche Hebel, die Wachstumsrate zu deckeln. Rufe nach einer Entwicklungspause sind der politische Ausdruck dieser Intuition.

Dieses Paper macht eine andere Behauptung und beweist sie. Das Niveau der Wachstumsrate ist nicht die Kontrollvariable für Stabilität; die Skalierungsbeziehung zwischen Wachstum und Korrektur ist es. Ein System kann beliebig schnell wachsen und ausrichtbar bleiben oder langsam wachsen und fehlausgerichtet werden. Was die beiden trennt, ist nicht die Rate, sondern ob und wie schnell der korrigierende Prozess mit steigender Fähigkeit stärker wird.

Die Intuition ist in jedem Bereich sichtbar, wo schnell wachsende Systeme sich entweder stabilisieren oder selbst zerstören. Eine Bakterienkolonie wächst exponentiell und sättigt dennoch, weil dichteabhängige Rückkopplung einsetzt und mit der Population skaliert. Ein Tumor wächst ebenfalls schnell und ist tödlich, weil kein korrigierender Prozess mit ihm skaliert. Beide sind superpolynomial in ihrer Wachstumsphase; der Unterschied besteht darin, ob ein korrigierender Prozess gekoppelt an das Wachstum ist. Kosmische Inflation ließ den Skalenfaktor exponentiell wachsen und beendete sich anmutig. Die wiederkehrende Lektion lautet, dass schnelles Wachstum überlebbar ist, wenn und nur wenn es durch einen Prozess begrenzt wird, der mit ihm skaliert. Sättigung, nicht Langsamkeit, ist die Signatur stabiler Komplexität.

Es gibt eine präzise, abgeleitete Version dieses Prinzips in der Physik: das Schwellentheorem der Quantenfehlerkorrektur (QEC) [Aharonov & Ben-Or 1997; Kitaev 2003]. Unter einer Schwelle der physikalischen Fehlerrate unterdrückt das Hinzufügen von Fehlerkorrekturressource die logische Fehlerrate, und die Berechnung ist zu beliebiger Tiefe stabil; über der Schwelle kompoundieren Fehler schneller, als sie korrigiert werden, und die Berechnung schlägt fehl. Hardware hat inzwischen den Betrieb unter dieser Schwelle demonstriert [Google Quantum AI 2024]. Die Schwelle ist keine Grenze der Berechnungstiefe oder -geschwindigkeit; sie ist eine Grenze des Verhältnisses von Fehlererzeugung zu Fehlerkorrektur. Dieses Paper schlägt vor und prüft, dass die Stabilität rekursiver Selbstverbesserung durch ein Kriterium derselben Form bestimmt wird.

Beziehung zur Vorarbeit des Autors. Ein früherer Strang dieses Programms schlug ein festes Fähigkeits-Skalierungsgesetz $U=I\times R^{\alpha}$ vor (hier ist $U$ die effektive Fähigkeit und $\alpha$ ihr Skalierungsexponent, die Bedeutungen auf der 2026er-Forschungsoberfläche; beide Symbole trugen in der Formulierung des Programms vom Dezember 2024 andere Bedeutungen, siehe Anhang D) mit $\alpha\approx 2$, und in einer Phase erwog es eine quadratische „Geschwindigkeitsgrenze" für stabile Komplexität. Was in der Synthese des Programms zurückgezogen wurde [Eastwood, Paper IX] , war die Einzelmodell-Ohne-Verblindung- Messung $\alpha\approx 2.24$ (zurückgezogen, korrigiert auf ungefähr 0,49 unter Verblindung über sechs Modelle): Dieser unverblindete Fit schien die vom Programm selbst vorhergesagte quadratische Schranke $\alpha\le 2$ zu verletzen, und die verblindete Sechs-Modell-Wiederholung korrigierte ihn auf sublinear, innerhalb der Schranke. Die Gleichung $U=I\times R^{\alpha}$ und die ARC-Schranke $\alpha\le 2$ selbst wurden nicht zurückgezogen; die korrigierten 0,49 gehören zu aktuellen eingefrorenen Systemen, die sich nicht rekursiv selbst verbessern, sodass der reale Anwendungsbereich der Schranke (echte RSI) empirisch ungeprüft bleibt. Die Festexponenten-Rahmung wurde als operatives Sicherheitskriterium durch das Ko-Skalierungs-Kriterium $\beta>k$ des vorliegenden Papers abgelöst; eine ablösende Rahmung ist keine zurückgezogene Hypothese. Der interessierende Gegenstand ist nicht mehr ein Exponent auf einer Wachstumskurve; es ist das Verhältnis zwischen Drift und Korrektur, und der Exponent, mit dem sich dieses Verhältnis entwickelt. Wo das Buch Infinite Architects [Eastwood 2026] nach der Intuition griff, dass stabile Rekursion Korrektur erfordert, die mit der Verstärkung skaliert, liefert dieses Paper die messbare, falsifizierbare Form dieser Intuition, und in §3.4 korrigiert es eine Divergenzbehauptung, die in einem früheren Entwurf genau dieses Ergebnisses gemacht wurde.

2. Verwandte Arbeit und Beziehung zur früheren Rahmung

Kybernetische Grundlagen, die Ko-Skalierungs-Intuition ist alt. Die Kernintuition, dass ein Regler die Varietät dessen anpassen muss, was er reguliert, sodass die Kontrollkapazität skalieren muss mit dem geregelten System und nicht nur groß sein muss, ist klassisch. Es ist Ashbys Gesetz der erforderlichen Varietät [Ashby 1956] und das Conant-Ashby- Good-Regulator-Theorem [Conant & Ashby 1970], jeder gute Regler eines Systems muss ein Modell dieses Systems sein, in die KI-Kontrolle übertragen von [Yampolskiy 2020]. Dieses Paper beansprucht nicht diese Intuition als neu. Es beansprucht die explizite dynamische Form, die die Intuition hier annimmt, einen geschlossenen stationären Fehlausrichtungsanteil $\rho=\gamma r/A$ und das geschärfte Exponentenkriterium $\beta>k$ sowie die daraus folgenden Konsequenzen (das Hard-Takeoff-Theorem von §3.7, die QEC-Zuordnung von §3.12). Die Dynamik selbst ist ein Standard-Lyapunov-Drift-/linearer-Kontroll-Argument [Khalil 2002; Meyn & Tweedie 2009] und wird nicht als mathematisch neu vorgestellt.

Instrumentelle Konvergenz und Korrigierbarkeit. Dass ein hinreichend fähiger Optimierer sich standardmäßig der Korrektur widersetzen und Ressourcen akquirieren wird, ist die These der instrumentellen Konvergenz [Omohundro 2008; Bostrom 2012]. Das Korrigierbarkeitsprogramm [Soares et al. 2015] fragt, wie man Systeme entwirft, die sich der Korrektur nicht widersetzen. Das vorliegende Modell ist eine quantitative Neuformulierung, warum Korrigierbarkeit tragend ist: Wenn die Korrektur nicht mit der Fähigkeit ko-skaliert, kann der Fehlausrichtungsanteil nicht auf null getrieben werden, wie auch immer das System sonst spezifiziert ist. Der kompoundierende Kanal von §3.8 verschärft die Verbindung, instrumenteller Druck, der bestehende Fehlausrichtung verstärkt , während das System rekursiert, ist genau der Term, der echte Divergenz erzeugt, und $\beta>k$ ist sein Heilmittel.

Die Alignment-Steuer. Ein Jahrzehnt der Arbeit hat angenommen, dass Sicherheit Fähigkeitskosten verursacht [Amodei et al. 2016], was einen Anreiz schafft, Sicherheit unter Wettbewerbsdruck aufzuschieben. Das vorliegende Rahmenwerk formuliert die Frage neu: Die relevante Variable ist nicht das Niveau der Sicherheitsinvestition, sondern ob sie skaliert mit der Fähigkeit. Eine feste Investition ($\beta=0$) hinterlässt eine dauerhafte Lücke; eine ko-skalierende Investition ($\beta>0$ oder $\beta>k$ unter Beschleunigung) schließt sie.

Erlernte Optimierung und Alignment-Faking. Mesa-Optimierung [Hubinger et al. 2019] und empirisch demonstriertes Alignment-Faking [Greenblatt et al. 2024] sind die Mechanismen, durch die die Drift-Koeffizienten von null verschieden sind: Ein fähiges System kann sein Trainingsziel erfüllen und dennoch von den beabsichtigten Werten abweichen, und es kann dies fähiger tun, wenn die Fähigkeit steigt. Alignment-Faking, bei dem bestehende Fehlausrichtung aktiv erhalten und durch das Training propagiert wird, ist genau der kompoundierende Kanal $\gamma_3$ aus §3.8.

Skalierbare Aufsicht und Superalignment. Reward Modelling und rekursive Aufsicht [Christiano et al. 2017; Leike et al. 2018] sind Versuche, den Korrektor selbst mit dem System skalieren zu lassen; in der Sprache dieses Papers ist skalierbare Aufsicht das Engineering-Projekt, $\beta\geq k$ zu erreichen. Am direktesten: [Engels et al. 2025] entwickeln empirische Skalierungsgesetze für skalierbare Aufsicht, indem sie die Wahrscheinlichkeit erfolgreicher Aufsicht als Spiel zwischen fähigkeitsungleichen Spielern modellieren. Die vorliegende Arbeit ist komplementär, nicht konkurrierend: Wo sie eine Aufsichtserfolgs-Wahrscheinlichkeit anpassen, leitet dieses Paper eine geschlossene dynamische Stabilitätsschwelle ($\rho<1$, $\beta>k$) für den Fehlausrichtungsanteil her. Das Instrument ist der Unterschied. Ihre Variable ist die Fähigkeitslücke zwischen Aufseher und Beaufsichtigtem, gemessen in Elo, mit aufsichtsspezifischer Elo als stückweise lineare Funktion der allgemeinen Intelligenz, und optimale Zahlen von Aufsichtsstufen sind für Nested Scalable Oversight hergeleitet, in der vertrauenswürdige Modelle stärkere nicht vertrauenswürdige Modelle beaufsichtigen, die dann im nächsten Schritt zu den vertrauenswürdigen Modellen werden. Ihr Rahmenwerk enthält keinen Term dafür, woraus der Aufseher gemacht ist: kein Substrat, keine Fehlerkorrelationsstruktur, keine reziproke Identität zwischen einem Korrekturexponenten und einer kritischen Wachstumsrate und keine Architekturabhängigkeit. Nested Scalable Oversight ist konstruktionsbedingt iterierte Aufsicht derselben Klasse, und die zentrale Vorhersage dieses Programms lautet, dass die gleiche-Klasse-Leiter beschränkt ist, egal wie viele Sprossen hinzugefügt werden, während ein klassenübergreifender Korrektor es nicht ist. Die beiden Rahmenwerke sind sich daher über eine messbare Größe uneinig, was die produktivste Beziehung ist, die zwei Forschungsprogramme haben können. Der Beitrag ist der Beweis, dass dieser Exponenten-Spielraum und nicht eine Wachstumsraten-Obergrenze die Größe ist, die die Sicherheit bestimmt.

Rekursive Fehlerakkumulation. Dass naive Rekursion Fehler unbegrenzt verstärkt, während ausreichende Korrektur oder frisches Signal ihn beschränkt hält, ist für Trainingsdynamik etabliert: Modellkollaps unter rekursiv erzeugten Daten [Shumailov et al. 2024] und die Fehleranalysen für Akkumulieren-versus-Ersetzen [Gerstgrasser et al. 2024] sind die beschränkt-versus-divergent-Dichotomie, die dieses Paper für den Alignment-Anteil formalisiert (Theorem 2). Der Beitrag hier besteht darin, die Grenze exakt zu lokalisieren ($\beta$ gegenüber $k$) und in einem Wertstabilitäts- statt einem Datenverteilungsrahmen.

Empirische Skalierungsgesetze. Fähigkeit skaliert vorhersagbar mit Rechenleistung und Daten [Kaplan et al. 2020; Hoffmann et al. 2022]. Das vorliegende Rahmenwerk ist komplementär: Es fragt nicht, wie Fähigkeit skaliert, sondern welche Bedingung die Korrektur erfüllen muss als Funktion dieser Fähigkeitstrajektorie.

Die Rohre-Prämisse, mit ihrem Wettstreit. Die Prämisse, dass Transportnetzwerke das Tempo biologischen Wachstums festlegen, ist keine Behauptung dieses Programms, die es zu verteidigen gilt; sie ist etablierte quantitative Biologie. West, Brown und Enquist leiteten die allometrischen Skalierungsgesetze der Biologie aus der Geometrie von Nährstoffverteilungsnetzwerken ab (West, G. B., Brown, J. H. und Enquist, B. J., „A General Model for the Origin of Allometric Scaling Laws in Biology", Science 276(5309), 4. April 1997, DOI 10.1126/science.276.5309.122; eines der meistzitierten Paper in seinem Feld, mit einer OpenAlex-Zitationszahl von 5,046 zum 12. August 2026, eine einzige Quelle und indexabhängige Zählung). Der exakte Exponent bleibt umstritten: White berichtet die Grundumsatzrate proportional zur Körpermasse mit der Zwei-Drittel-Potenz statt Drei-Viertel (White, C. R., 2003), und Kozlowski hat die Mathematik der Herleitung zweimal in Frage gestellt (Kozlowski, J., 2004 und 2005). Die Prämisse dieses Programms braucht nur den Mechanismus, dass das Verteilungsnetzwerk die Obergrenze setzt, und keinen bestimmten Exponenten, sodass der Streit um den Wert des Exponenten die Prämisse unberührt lässt. Der Mechanismus ist gemeinsamer Boden beider Seiten dieses Streits.

Die Ausnahme, die Wests eigene Gruppe fand. Der Ausweg aus der Rohre-Grenze ist ebenfalls keine Behauptung dieses Programms; er ist in der urbanen Skalierungsliteratur vom gleichen Seniorautor gemessen. Bettencourt, Lobo, Helbing, Kuhnert und West („Growth, innovation, scaling, and the pace of life in cities", PNAS, 2007, DOI 10.1073/pnas.0610172104) berichten in den Worten des Papers: „Quantities reflecting wealth creation and innovation have Beta of approximately 1.2, greater than 1 (increasing returns), whereas those accounting for infrastructure display Beta of approximately 0.8, less than 1 (economies of scale)." Infrastruktur, die buchstäblichen Rohre, skaliert sublinear; informationsvermittelte Aktivität skaliert superlinear. Sie formulieren den Kontrast zur Biologie direkt: „we discuss how cities are similar to, and differ from, biological organisms, for which Beta is less than 1". Sie leiten „growth equations, which quantify the dramatic difference between growth fueled by innovation versus that driven by economies of scale" her (Schreibweise wie im Original). Und ihre abschließende Folgerung benennt die Konsequenz: „This difference suggests that, as population grows, major innovation cycles must be generated at a continually accelerating rate to sustain growth and avoid stagnation or collapse." Das ist die Form des offenen Problems, das dieses Rahmenwerk adressiert: Wests Gruppe fand, dass informationsvermitteltes Wachstum der Durchsatzgrenze entkommt, und die einzige Bremse in ihrem Rahmenwerk ist extern und muss immer wieder angewendet werden, schneller und schneller. Keine interne Grenze wird hergeleitet. Die Ersatzgrenze, eine Obergrenze, die dem wachsenden System selbst gehört, ist die Lücke.

Das Rohre-Argument bei festem Durchsatz. Alles, was wächst, wird durch einen Kanal gespeist, und für alles vor der Software fixiert das Fixieren des Kanals das Wachstum. Verhungern lassen Sie die Gefäßversorgung eines Tumors, und er stoppt. Fixieren Sie Brennstoff und Geometrie einer Kettenreaktion, und sie stoppt. Erschöpfen Sie die anfälligen Wirte einer Epidemie, und sie brennt aus. Die Astrophysik hat eine benannte, quantitative Version derselben Obergrenze: die Eddington-Grenze, oberhalb derer der Strahlungsdruck die Akkretion anhält. Die Behauptung hier ist eine Verallgemeinerung von Grenzen, die die Physik bereits akzeptiert, keine neue Art von Aussage. Zwei harte Fälle werden bewusst behandelt. Kosmische Inflation ist durch Umfang ausgeschlossen: Sie ist Expansion des Raumes, nicht Wachstum einer Struktur auf einem Substrat, und sie endete durch Felddynamik, nicht dadurch, dass ihr etwas ausging. Evolution ist der schärfste Fall und passt: Biologische Komplexität nahm über Milliarden Jahre bei ungefähr festem solaren Durchsatz zu, also Wachstum an Information bei festen Rohren, und sie ist auch gletscherhaft, und sie hat überhaupt keinen internen Korrektor, da Selektion extern ist. In diesem Rahmenwerk sollte Evolution einen messbaren Exponenten weit unterhalb der Obergrenze tragen; das ist eine Vorhersage über die Biologie, die aus einem für Software gebauten Rahmenwerk fällt, und sie wird als solche formuliert. Die physikalische Form des Einwands ist Landauers: Berechnung ist physikalisch implementiert, also hat Software auch Rohre. Die Uhr des festen Substrats ist die Antwort und erscheint neben der Behauptung: Das untersuchte Regime hält das physikalische Substrat fest und fragt, was noch wächst, weshalb exogene Beschleunigungen per Definition ausgeschlossen sind. Die funktionale Form des Fähigkeitswachstums in rekursiver Tiefe bleibt eine empirische Frage, und die registrierte Analyse vergleicht Potenzgesetz-, exponentielle, sättigende und abnehmende Formen, statt die Familie anzunehmen.

Vorläufer und Beinahetreffer, jeder mit seinem Differential. Zur Frage: Hutter fragte direkt, ob Intelligenz explodieren kann („Can Intelligence Explode?", arXiv, 28. Februar 2012), trennte Geschwindigkeit von Intelligenzexplosion und unternahm es, mögliche Schranken der Intelligenz zu betrachten, Chalmers' Analyse von 2010 erweiternd; die Frage und die Unterscheidung Geschwindigkeit versus Struktur sind also mindestens vierzehn Jahre alt, und was diese Literatur nicht enthält, ist eine Zahl: kein messbarer Exponent, keine hergeleitete Obergrenze, keine Architekturabhängigkeit. Zur Unmöglichkeit: Drei arXiv-Paper von 2025 argumentieren, dass perfekte Kontrolle unerreichbar ist (Yao, „The Alignment Trap: Complexity Barriers", arXiv:2506.10304, öffentlich bis 13. Juni 2025, bezeugt durch arXiv und unabhängig beobachtet durch das Internet Archive; Yao, „On the Mathematical Impossibility of Safe Universal Approximators", arXiv:2507.03031, 3. Juli 2025; und Ball, Gluch, Goldwasser, Kreuter, Reingold und Rothblum, „On the Impossibility of Separating Intelligence from Judgment", arXiv:2507.07341, 9. Juli 2025). Alle drei sind Worst-Case und qualitativ: Maß Null, coNP-Vollständigkeit, kryptographische Härte. Keines berichtet einen Average-Case-Skalierungsexponenten oder eine Rate. Das dritte kommt bemerkenswerterweise zu dem Schluss, dass Alignment „stattdessen in die Architektur und die Gewichte des Modells integriert werden muss", ein unabhängiges Argument, aus der Filterungs-Intraktabilität, in dieselbe Richtung wie die Architekturabhängigkeit dieses Programms; es ist konvergente Unterstützung auf diesem Standbein, kein Rivale. Zum Mechanismus: Dass antikorrelierte Schätzungen besser mitteln als unabhängige, ist lehrbuchmäßige Varianzreduktion (antithetische Variablen); der Mechanismus ist nicht die Behauptung. Die Behauptung lautet, dass die Architektur bestimmt, ob Antikorrelation überhaupt verfügbar ist, und dass dies einen sicherheitsrelevanten Exponenten deckelt. Das nächste strukturelle Analogon ist das Schwellentheorem der Quantenfehlerkorrektur, das ebenfalls eine qualitative Sorge in einen kritischen Wert umwandelt; es betrifft physikalische Fehlerraten in einer festen Architektur, nicht den Skalierungsexponenten eines Korrektors, ist also eher ein Beinahetreffer als ein Besetzer, und die Analogie wurde durch die eigene Suche dieses Programms identifiziert, nicht durch einen Gutachter. Zu Rückkopplung und Stabilität hat der allgemeine Satz, dass unzureichende Korrekturverstärkung im Verhältnis zur Systemverstärkung Instabilität verursacht, eine lange kontrolltheoretische Genealogie (Small-Gain-Theoreme); das sind Verstärkungsbedingungen an vernetzten Systemen, kein Potenzgesetz-Exponentenkriterium für die Skalierung eines Korrektors mit der Fähigkeit eines rekursiv sich verbessernden Systems. Der nächste quantitative Nachbar ist Liu, A. und Meng, J., „Self-Correction as Feedback Control: Error Dynamics, Stability Thresholds, and Prompt Interventions in LLMs", arXiv:2604.22273, das Selbstkorrektur als Regelkreisproblem über ein Zweizustands-Markov-Modell umformuliert und eine direkt messbare Stabilitätsschwelle herleitet: nur dann iterieren, wenn die Fehlerkorrekturrate über der Fehlereinführungsrate Acc/(1 − Acc) übersteigt. Das Differential: Ihres ist eine Pro-Schritt-Ratenschwelle bei einem festen Fähigkeitsniveau, die entscheidet, ob eine weitere Iteration jetzt hilft; das Kriterium dieses Programms ist eine Skalierungsbeziehung über die Fähigkeit hinweg, die entscheidet, ob die Korrekturstärke Schritt hält, wenn sich das System verbessert. Kein Skalierungsexponent für den Korrektor, kein Fähigkeitswachstumsexponent, keine reziproke Identität, kein Architektur- oder Kompositionsklassen-Term: komplementäre Regime, und keines enthält das andere. Smolins kosmologische natürliche Selektion ist der Vorläufer für selektionsförmige Universen, und die Programm-eigenen Notizen aus der Dezember-Ära zitieren sie zeitgleich.

Neuheit, was beansprucht wird und was nicht. Um explizit zu sein und dem offensichtlichen Einwand zuvorzukommen: Die Intuition , dass Korrektur mit der Fähigkeit Schritt halten muss, ist nicht neu (es ist erforderliche Varietät und skalierbare Aufsicht, wie oben anerkannt), und die zugrunde liegende Dynamik ist ein Standard-Argument der linearen Kontrolle / des Lyapunov-Drifts. Was als originär beansprucht wird, ist (a) der explizite geschlossene stationäre Zustand $d^\star=\gamma r/(A+r)$ und die $\beta>k$-Schärfung als kompaktes Korrigierbarkeitskriterium; (b) die Zuordnung der Quantenfehler-Toleranz-Schwelle auf Wertstabilität (§3.12); (c) das Hard-Takeoff-Depth-Regularity-Theorem (§3.7); und (d) das Verifikationsgerüst (§11). Innerhalb des eigenen Programms des Autors ersetzt dieses Paper auch die Wachstumsraten-Obergrenzen- Rahmung als operatives Sicherheitskriterium [Eastwood, Paper IX]; §3 erklärt, warum eine Obergrenze der Rate weder notwendig noch hinreichend für Stabilität ist. Die zugrunde liegende ARC-Schranke $\alpha\le 2$ wird nicht zurückgezogen, sondern nur neu abgesteckt: Sie erwartet ihren realen Test an tatsächlich selbstverbessernden Systemen.

3. Das Modell und seine Theoreme

3.1 Größen

Betrachten Sie ein System, das rekursive Selbstverbesserung durchläuft, beobachtet über Selbstmodifikationszyklen oder kontinuierlich. Definiere:

• $C(t)$, Fähigkeit: die Punktzahl des Systems auf einer zurückgehaltenen Aufgabenbatterie, die es optimiert wird zu erfüllen. Operativ messbar.
• $D(t)$, Fehlausrichtungs-Magnitude: die Größe der Verhaltensabweichung des Systems von einer extern spezifizierten Menge beabsichtigter Werte, bewertet durch einen verblindeten externen Evaluator unabhängig vom eigenen Korrekturprozess des Systems (§6).
• $d(t)\equiv D/C$, den Fehlausrichtungsanteil: wie viel der Fähigkeit des Systems von den beabsichtigten Werten weggerichtet ist. Diese Größe, nicht das absolute $D$, ist die interessierende Größe. Ein wachsendes $D$ ist akzeptabel, wenn $C$ schneller wächst; ein wachsendes $d$ ist die Gefahr.

Drei Koeffizienten, eine Korrekturstärke und eine Rate vervollständigen das Modell:

• $\gamma_1$, Gain-Drift-Koeffizient: Fehlausrichtung, die pro gewonnener Fähigkeitseinheit erzeugt wird (der Goodhart-/Specification-Gaming-Druck, den neue Fähigkeit eröffnet).
• $\gamma_2$, Level-Drift-Koeffizient: Fehlausrichtung, die pro Fähigkeitseinheit erzeugt wird, die einfach gehalten wird (instrumenteller Druck, der auch in Ruhe vorhanden ist).
• $\gamma_3$, kompoundierender Drift-Koeffizient: die Rate, mit der sich bestehende Fehlausrichtung selbst verstärkt, während das System rekursiert (der Alignment-Faking-/Mesa-Optimierer-Kanal).
• $A$, Korrekturstärke: die Rate, mit der der Korrekturprozess bestehende Fehlausrichtung entfernt.
• $r\equiv \dot C/C$, den spezifische (fraktionale) Wachstumsrate der Fähigkeit. Unter exponentiellem Wachstum ist $r$ konstant; unter beschleunigender Selbstverbesserung steigt $r$ selbst mit $C$.

3.2 Das dynamische Mastersystem

Neue Fähigkeit injiziert Drift proportional dazu, wie schnell Fähigkeit gewonnen wird; gehaltene Fähigkeit injiziert Drift proportional zu ihrem Niveau; bestehende Fehlausrichtung kompoundiert proportional zur Rekursionsrate; und Korrektur entfernt Fehlausrichtung proportional zur Lücke und der aufgewendeten Stärke:

Das Wachstumsgesetz $\dot C=bC^{1+k}$ ergibt $r=\dot C/C=bC^{k}$: $k=0$ ist gewöhnliches exponentielles Wachstum ($r$ konstant); $k>0$ ist superexponentielles Wachstum, das (Theorem 3) unendliche Fähigkeit in endlicher Zeit erreicht. Das Korrekturgesetz $A=A_0C^{\beta}$ kodiert die zentrale Frage: $\beta$ ist der Exponent, mit dem sich die Korrektur verstärkt, wenn das System fähiger wird.

Stehende Annahmen. Durchgehend gilt $C>0$, $A_0,b>0$, und $\beta,k$ sind reell; die Koeffizienten $\gamma_1,\gamma_2,\gamma_3\ge0$, mit Korrekturstärke $A\ge0$ und Wachstumsrate $r\ge0$. Der Skalar $d=D/C$ wird als Fehlausrichtungs- Anteil nur interpretiert, solange $D\ge0$ (also $d\ge0$; das Nur-Gain-Modell liefert auch die obere Schranke $d\le\max(d_0,\gamma_1)$ aus Theorem 2). Die Vektorform (Theorem 5) und die stochastische Form (Theorem 6) lockern $d$ zu einem reellen Vektor und einem reellen Skalar; für diese gilt die Anteilslesart nur fern der Ränder $d=0,1$, und die Randbehandlung wird dort vermerkt, wo sie das Ergebnis betrifft. Eine Annahme ist tragend und wird in §8 hervorgehoben: die Korrektorstärke wird als unbegrenztes Potenzgesetz $A=A_0C^{\beta}$ angenommen; ein Korrektor endlicher Kapazität ändert das asymptotische Urteil und wird dort behandelt.

3.3 Exakter Transient (Theorem 1)

Der Variablenwechsel zum Anteil $d=D/C$ entfernt die dominante Skala und liefert exakt

Theorem 1 etabliert die Konstant-Koeffizienten-Basislinie; das Schlagzeilen-Kriterium folgt erst nach den Skalierungsannahmen der §§3.5-3.8. Selbst auf dieser Basislinie geht $r$ in $d^\star=\gamma_1 r/(A+r)$ nur über das Produkt $\gamma_1 r$ im Zähler und additiv im Nenner ein; es ändert weder die Existenz noch die Stabilität des Fixpunkts. Für das additive Konstant-Koeffizienten-Modell ändert Geschwindigkeit (über $r$) die Relaxationszeit und die stationäre Magnitude, aber nicht die Existenz oder Stabilität des Fixpunkts: Sie legt fest, wie schnell ein stabiles Urteil eintrifft, nicht ob eines existiert. (Experiment 8 bestätigt diese Lösung gegen zwei unabhängige Integratoren mit einem maximalen Fehler von $7\times10^{-11}$.)

3.4 Globale Beschränktheit und eine Korrektur zum vorherigen Entwurf (Theorem 2)

Der vorherige Entwurf dieses Ergebnisses behauptete, dass mit der Skala verschlechternde Korrektur ($\beta<0$ oder $\beta<k$) den Fehlausrichtungsanteil ins Unendliche. treibt. Das ist falsch, und die vorliegende Analyse korrigiert es. Im additiven Modell ist der Anteil stets beschränkt; die Gefahr ist keine Divergenz, sondern Sättigung auf einem konstanten, möglicherweise großen Boden.

Dies ist eine ehrlichere und nützlichere Aussage als die Wachstumsraten-Obergrenzen-Rahmung, die sie ablöst. Im Nur-Gain-Modell kann der Anteil den intrinsischen Drift-Koeffizienten $\gamma_1$ nicht überschreiten; nur $\beta>k$ treibt ihn auf null. Bei wiederhergestelltem Level-Drift ($\gamma_2>0$, §3.6) wird der Boden zu $(\gamma_1 r+\gamma_2)/(A+r)$, weiterhin beschränkt und in Ruhe zu $\gamma_2/A$ tendierend. Seine zwei Teile verschwinden unter verschiedenen Bedingungen, und sie zu vermengen ist ein Fehler, den ein früherer Entwurf machte: Der Level-Drift-Teil $\gamma_2/(A+r)\to0$ wann immer $A+r\to\infty$ (also reicht $\beta>0$ oder $k>0$ für diesen Teil allein), aber der Gain-Drift-Teil $\gamma_1 r/(A+r)\to0$ nur, wenn $A/r\to\infty$, d.h. $\beta>k$. Das asymptotische Urteil $d^\star\to0$ erfordert daher weiterhin $\beta>k$; es wird nicht allein durch $k>0$ gerettet, da bei $\beta<k$ der Gain-Teil bei $\gamma_1$ (Tabellenzeile 3) einen Boden bildet. Nur reiner Level-Drift ($\gamma_1=0$) macht $A+r\to\infty$ allein hinreichend. Die Sicherheitsfrage lautet daher nicht „divergiert es?", sondern „verschwindet es, oder sättigt es an einem gefährlichen Boden?", und die Antwort wird durch das einzige Vorzeichen von $\beta-k$ festgelegt. (Echte Divergenz existiert; sie lebt im kompoundierenden Kanal, Theorem 4.)

3.5 Der Kontrollparameter und die $\beta>k$-Schärfung

Definiere den dimensionslosen Kontrollparameter $\rho\equiv\gamma r/A$, das momentane Drift-zu-Korrektur-Verhältnis (hier $\gamma=\gamma_1$). Theorem 1 liefert den exakten stationären Zustand $d^\star=\gamma_1 r/(A+r)$; da $\rho=\gamma_1 r/A$, gilt stets $d^\star\le\rho$, mit $d^\star\to\rho$ im Regime $A\gg r$. Die Ungleichung $\rho<1\iff A>\gamma r$ ist die momentane Injektions-vs-Korrektur-Bilanz; sie ist nicht die Divergenzgrenze des additiven Modells, das keine hat ($d^\star\le\gamma_1<1$ für alle $\rho$, Theorem 2); echte Divergenz wird durch die eigenständige Schwelle $\rho_{\mathrm{prop}}=(\gamma_3-1)r/A<1$ aus Theorem 4 bestimmt. Das asymptotische Kriterium aus der Regime-Tabelle ist die Exponentenungleichung:

Unter gewöhnlichem exponentiellem Wachstum $k=0$ und die Bedingung ist das vertraute $\beta>0$. Unter beschleunigender Selbstverbesserung, wo $r\propto C^{k}$ mit $k>0$, ist die bindende Kontrollvariable die einzige Größe $\beta-k$, der Spielraum, um den die Korrektur die Drift-Beschleunigung überskaliert. Die Wachstumsraten-Obergrenzen-Sicht fixiert die Aufmerksamkeit auf $r$; dieses Rahmenwerk fixiert sie auf $\beta-k$.

3.6 Level-Drift: Ein eingefrorenes fähiges System driftet immer noch

Mit wiederhergestelltem Level-Kanal ($\gamma_2>0$, $\gamma_3=0$) ist der Fixpunkt von (2) $d^\star=(\gamma_1 r+\gamma_2)/(A+r)$. Bei $r=0$ (Fähigkeit eingefroren) ist dies $d^\star=\gamma_2/A\neq0$: ein statisches, aber fähiges System behält einen Rest-Fehlausrichtungsanteil, den nur aktive Korrektur entfernt. Wachstum anzuhalten ersetzt Korrektur nicht , wenn instrumenteller Druck in Ruhe vorhanden ist, eine direkte, messbare Widerlegung des „bremse sie einfach ab"-Reflexes (Experiment 9; Falsifizierer F5).

3.7 Hard Takeoff: Das Depth-Regularity-Theorem (Theorem 3)

Die echte „Intelligenzexplosion" ist nicht bloß schnelles Wachstum, sondern eine Singularität in endlicher Zeit: Für $k>0$ ergibt die Integration von $\dot C=bC^{1+k}$ $C(t)=C_0\big(1-t/t^\star\big)^{-1/k}$, das die Unendlichkeit zur endlichen Wanduhrzeit erreicht

Das ist das Szenario, das das Feld am meisten fürchtet: unbegrenzte Fähigkeit in begrenzter Zeit. Das folgende Theorem löst es auf.

Die Endlichkeit der Singularitätszeit ist daher eine Eigenschaft der Zeitkoordinate; die Fähigkeit divergiert immer noch, aber die Alignment-Dynamik bleibt in der Tiefen-Uhr regulär durch sie hindurch. Gemessen an gewonnener Fähigkeit, die einzige Uhr, die für ein selbstverbesserndes System zählt, ist eine Intelligenzexplosion ein gewöhnlicher, regulärer Prozess, dessen Urteil durch eine Exponentenungleichung entschieden wird. Ein Hard Takeoff ist nicht intrinsisch unkontrollierbar; der modellierte Fehlausrichtungsanteil verschwindet genau dann, wenn $\beta>k$, und seine Geschwindigkeit ändert dieses asymptotische Urteil nicht. Das Theorem betrifft den modellierten Anteil in der Tiefen-Uhr; es behauptet nicht dass ein realer Hard Takeoff in Wanduhrzeit operativ handhabbar ist, wo $b$ und $t^\star$ regeln, wie wenig Zeit ein Operator zur Intervention hätte. Experiment 4b treibt ein simuliertes System bis an den Rand einer tatsächlichen Endzeit-Explosion (Fähigkeit $\to10^5$, integriert bis $0.99999\,t^\star$) und zeigt, dass der Fehlausrichtungsanteil auf null gehalten wurde, wobei die Wanduhr- und Tiefen-Uhr-Integrationen bis auf ein Teil in $10^4$ übereinstimmen. Die Fähigkeitssingularität bei $t^\star$ ist im Modell real; was die Tiefen-Uhr entfernt, ist die Singularität in der Alignment- Dynamik, nicht in $C$.

3.8 Der kompoundierende Kanal und die wahre Schwelle (Theorem 4)

Theorem 2 zeigte, dass der additive Anteil nicht divergieren kann. Echte Divergenz, Fehlausrichtung, die relativ zur Fähigkeit unbegrenzt wächst, der reale Ausfallmodus, erfordert Fehlausrichtung, die sich selbst verstärkt: der kompoundierende Kanal $\gamma_3>0$, das formale Bild des Alignment-Fakings, das sich verfestigt, während das System rekursiert.

Das Kriterium $\rho_{\mathrm{prop}}<1$ teilt die Verhältnis-die-Eins-überschreitende Form der QEC-Unterschwellenbedingung $plinear in $D$, und die resultierende Unterdrückung ist ein Potenzgesetz (§3.12). Was geteilt wird, ist die Schwellen- Bedingung, nicht der Mechanismus; die Korrespondenz wird als falsifizierbare Hypothese (F4) angeboten, und §3.12 formuliert die Disanalogie klar. Experiment 5 lokalisiert die vorhergesagte Schwelle bei $A_0^\star=(\gamma_3-1)b$ auf $1\%$ genau.

3.9 Vektorielle Fehlausrichtung: die Spektralschwelle (Theorem 5)

Reale Fehlausrichtung ist hochdimensional; ein System kann auf einigen Wertachsen korrigierbar sein und auf anderen nicht. Sei $\mathbf D\in\mathbb R^{m}$, mit Drift-Richtung $\mathbf c$ und einem reellen $m\times m$-Korrekturoperator $\mathbf A$ (positiv-semidefinit im symmetrischen Fall, aber möglicherweise nicht-normal), der möglicherweise nur einen Unterraum korrigiert.

Die Governance-Lesart ist scharf: Sie können nicht korrigieren, was Sie nicht messen. Der Korrekturoperator muss auf dem gesamten Wertraum positiv-definit sein, mit ko-skalierendem kleinstem Eigenwert; ein blinder Fleck auf einer Achse ist eine dauerhafte (oder divergente) Fehlausrichtung auf dieser Achse. Experiment 6 zeigt einen Korrektor, der auf einer Achse ko-skaliert (auf null getrieben) und auf einer anderen null ist (der Spezialfall $\gamma_3=0$, Einheitsprojektion, der bei $\gamma_1$ bodet).

3.10 Stochastische Drift: eine Randschranke für die Governance (Theorem 6)

Drift ist verrauscht. Füge einen Wiener-Term zur Konstant-Koeffizienten-Anteilsdynamik hinzu: $dd=(\gamma_1 r-\kappa\,d)\,d\tau'+\sigma\,dW$ mit $\kappa=A+r$.

Dies wandelt das Kriterium in ein probabilistisches Sicherheitszertifikat um, eine Größe, die ein Regulator beschränken kann, statt einer Aussage über Mittelwerte. Da $d$ ein beschränkter Anteil ist, während das Ornstein-Uhlenbeck-Gesetz Gauß-Träger auf ganz $\mathbb R$ hat, ist Theorem 6 eine lokale Gauß-Näherung für Fehlausrichtungs-Fluktuationen fern der Ränder $d=0,1$, gültig im Kleines-Rauschen-Regime $\sigma^2/2\kappa\ll(d^\star)^2$; wenn die Rauschamplitude $\sigma$ oder das kritische Niveau $d_{\mathrm{crit}}$ selbst mit der Fähigkeit skaliert, oder Drift seltene Sprünge trägt, muss der Gauß-Rand entsprechend ersetzt werden. Experiment 7 erholt den stationären Mittelwert und die Varianz und bestätigt die $1/\kappa$-Skalierung (angepasste Steigung $-1.00$).

3.11 Eine kontrolltheoretische Identität

Gleichung (1) ist eine Rückkopplungsschleife: der Fähigkeitsprozess ist die Regelstrecke und die Störquelle; der Korrektor ist der Regler; $d$ ist der geregelte Fehler. Die Stabilitätsbedingung $\kappa_{\mathrm{eff}}>0$ ist eine Small-Gain-/Positiv-Realitäts-Bedingung, die Schleifenverstärkung muss die Selbstverstärkung der Störung im relevanten Band überschreiten. Die Anforderung, dass $A=A_0C^\beta$ die Regelstrecke mit $\beta\ge k$ verfolgt, ist genau Gain-Scheduling [Shamma & Athans 1990]: die Reglerverstärkung muss mit dem Arbeitspunkt der Regelstrecke skalieren, und der Scheduling-Exponent muss $\beta\ge k$ erfüllen. Rekursive Selbstverbesserung-Alignment ist in diesem exakten Sinne ein adaptives Kontrollproblem mit einem berechenbaren Stabilitätsspielraum $\beta-k$.

3.12 Die Korrespondenz zur Quantenfehlerkorrektur (Hypothese)

Die Korrespondenz gilt auf der Ebene der Schwellen- Bedingung, eines Erzeugungs-zu-Korrektur-Verhältnisses, das die Eins überschreitet, und nicht auf der Ebene des Mechanismus; sie bleibt eine Hypothese. Das Modell sagt Potenzgesetz- Unterdrückung $d^\star\propto C^{-(\beta-k)}$ voraus, was eine algebraische Identität des linearen Modells ist, während vollständige QEC exponentielle Unterdrückung in der Code-Distanz liefert. Um die beiden zu unterscheiden, wäre ein Korrektor endlicher Kapazität (sättigend) erforderlich, der exponentielle Unterdrückung zeigen könnte, der in §8 benannte zukünftige Test. Bis dieser gebaut ist, ist F4 eine analytische Selbstkonsistenzprüfung, die das modelleigene Potenzgesetz bestätigt (was Experiment 5 reproduziert, Steigungen $-0.47,-1.00$), und die QEC-Verbindung steht daher ehrlich als Schwellenform-Analogie, nicht als übertragener Mechanismus.

Beziehung zu früheren Alignment-als-Korrektur-Ideen. Die Bestrebung, kodierungstheoretische Fehlertoleranz in das Alignment zu importieren, ist nicht neu. Wentworth (2022) wünschte sich explizit „das Alignment-Analogon eines fehlererkennenden Codes", und von Neumann (1956) begründete die Synthese zuverlässiger Systeme aus unzuverlässigen Komponenten. Christianos Korrigierbarkeits-„broad basin of attraction" (2017) und Reliability Amplification (2019) sind die nächsten Alignment-Vorläufer. Aber ein breites Becken, Korrektur gelingt, wenn man innerhalb dessen startet, unterscheidet sich von einem Schwellentheorem, bei dem die Korrektur den Fehler nur unterhalb einer kritischen Rate überholt; diese Unterscheidung ist der vorliegende Beitrag. Drei arXiv-Abstract-Suchen, durchgeführt am 12. August 2026 („quantum error correction" mit „AI alignment"; „error-correction threshold" mit „alignment"; „fault-tolerance threshold" mit „value stability") liefern jeweils null Ergebnisse, also existiert keine veröffentlichte Zuordnung der Fehlertoleranzschwelle (physikalische Fehlerrate ↔ Drift; Code-Distanz ↔ Korrekturstärke; $pkonzeptionelle Brücke, die testbare Struktur erzeugt, die Unterdrückungssignatur-Vorhersage P8, nicht als Übertragung der formalen Garantien des Schwellentheorems. Ein Gutachter mag die Analogie vernünftigerweise als suggestiv statt tragend beurteilen; das Experiment, das die Frage klären würde, ein Korrektor endlicher Kapazität, der auf exponentielle versus Potenzgesetz-Unterdrückung getestet wird, wird als zukünftige Arbeit in §8 benannt und hier nicht ausgeführt.

3.13 Der Korrektor endlicher Kapazität: das Safe-Window-Theorem (Theorem 7)

Die einzelne wichtigste Einschränkung, die in §8 und vom papereigenen Red-Team benannt wird, ist, dass $A=A_0C^{\beta}$ ein unbegrenztes Potenzgesetz ist, während jeder reale Korrektor endliche Kapazität hat. Dieser Abschnitt schließt diese Lücke analytisch. Modelliere einen sättigenden Korrektor durch die Standard-Hill-Form

die sich für $C\ll C_s$ wie das reine Potenzgesetz $\big(A_{\max}/C_s^{\beta}\big)C^{\beta}$ verhält und für $C\gg C_s$ bei der Kapazität $A_{\max}$ sättigt; $C_s$ ist die Sättigungsskala. Der Nur-Gain-stationäre Zustand bleibt $d^\star(C)=\gamma_1/\big(1+q(C)\big)$ mit $q\equiv A/r$.

Drei Lesarten. Für die Theorie: das $\beta>k$-Kriterium wird nicht durch Sättigung falsifiziert, es wird gehoben: der tragende Exponent wandert von der Stärke zur Kapazität, und die Ungleichung ist unter dieser Wanderung invariant (Teil 4). Für das Engineering: Teil 2 gibt dem Designer ein geschlossenes Platzierungsproblem, der Fenster-Mittelpunkt $C_{\mathrm{opt}}$ und die Tiefe $q_{\max}$ sind aus $(A_{\max},b,C_s,\beta,k)$ berechenbar, sodass ein Korrektor so ausgestattet werden kann, dass sein Fenster über den Fähigkeitsbereich gelegt wird, den ein Deployment tatsächlich durchlaufen wird, wobei $q_{\max}\propto A_{\max}C_s^{-k}$ die Kapazitätskosten quantifiziert, das Fenster zu höherer Fähigkeit zu schieben. Für die Governance: Teil 1 ist der schärfste Satz im Paper für einen Regulator, ein beschränktes Sicherheitssystem unter unbegrenzt beschleunigender Selbstverbesserung scheitert irgendwann per Theorem, also muss ein Sicherheitsargument entweder beschränktes Wachstum ($k\le0$ irgendwann) oder ko-skalierende Kapazität ($\beta_{\mathrm{cap}}>k$) aufweisen, und „unser aktueller Korrektor ist sehr stark" ist keine Antwort und kann keine sein. Dies schärft auch den QEC-Diskriminator von F4: der sättigende Korrektor ist das strukturelle Analogon der endlichen Code-Distanz, und Teil 2s Fenster ist das Regime, in dem exponentielle-versus-Potenzgesetz-Unterdrückung tatsächlich gemessen werden kann.

Bemerkung (zeitvariable Exponenten). Reale Systeme werden $\beta,k$ nicht konstant halten. Wenn beide entlang der Trajektorie variieren, gilt das Vergleichsargument von Theorem 2 wortwörtlich in der Tiefen-Uhr mit $q(\tau)=\exp\!\big(\int_0^{\tau}(\beta(s)-k(s))\,ds+\mathrm{const}\big)$: der Anteil verschwindet genau dann, wenn das laufende Integral des Spielraums $\beta-k$ nach $+\infty$ divergiert, wofür $\liminf_{\tau\to\infty}\big(\beta(\tau)-k(\tau)\big)>0$ hinreichend ist. Transiente Episoden von $\beta<k$ sind überlebbar, wenn sie später überwogen werden; fatal ist ein im Mittel negativer Spielraum. Die Governance-Größe ist daher der kumulative Ko-Skalierungs-Spielraum, nicht sein momentanes Vorzeichen.

4. Vorhersagen

Eine zweite Vorhersage, kostenlos, aus demselben Mechanismus. Aufsichtsanordnungen, die einen Menschen in die Schleife stellen, wie es Verstärkung und Reinforcement Learning aus menschlichem Feedback tun, sind konstruktionsbedingt klassenübergreifend, weil der menschliche Korrektor nicht das Substrat des Modells teilt. Das Rahmenwerk sagt daher voraus, dass Human-in-the-loop-Aufsicht einen höheren Korrekturexponenten zeigt als reine Modell-Aufsicht, aus einem strukturellen Grund und nicht aus einem sentimentalen. Dies ist an bestehenden Daten testbar und erfordert keine neuen Systeme.

5. Die diskriminierenden Experimente

Die geschlossenen Vorhersagen werden von einem Verifikationsgerüst geprüft (§11): zehn Experimente, jedes integriert das Modell numerisch und vergleicht das Ergebnis mit der Vorhersage, die die Theoreme herleiten, wobei der Integrator zuerst gegen die exakte Theorem-1-Lösung validiert wird. Dies sind interne Konsistenz- und Integrator-Prüfungen, sie bestätigen, dass der Code der Mathematik entspricht (10/10), nicht dass das Modell irgendeinem realen System entspricht (das offene Problem von §8). Für die deduktiven Prüfungen (E1-E6, E9), da jede dieselbe ODE integriert, deren geschlossene Form die Vorhersage ist, ist Übereinstimmung durch einen korrekten Solver und korrekte Algebra impliziert; F1-F3, F3′, F5, F6 sind daher interne Konsistenzbedingungen der Herleitung, keine empirischen Falsifizierer der These. Die Abbildungen unten sind die wortwörtliche Ausgabe dieses Laufs; jede Abbildung in diesem Abschnitt ist von der Klasse ODE interne Verifikation (kein Realsystem-Test). Das einzige Nicht-Simulations-Ergebnis, der reale Modell-Pilot, wird separat in §8 berichtet und ist als realer Modell-Pilotgekennzeichnet, mit seinen eigenen Provenance-Vorbehalten.

Dies sind interne Konsistenz- und Integrator-Prüfungen: Sie bestätigen, dass die geschlossenen Theoreme korrekt hergeleitet und numerisch reproduziert werden (der Code entspricht der Mathematik). Sie sind nicht, und werden nicht dargestellt als, Evidenz dafür, dass das Modell ein reales KI-System beschreibt; das ist das offene empirische Problem von §8.

6. Warum Verblindung nicht optional ist

Die zentrale Größe $D$ ist eine Abweichung von den beabsichtigten Werten. Wenn sie von der eigenen Sicherheitskomponente des Systems oder von einem Evaluator bewertet wird, der sehen kann, welche Konfiguration ein bestimmtes Verhalten erzeugt hat, ist die Messung genau in der Weise korrumpiert, die günstige Ergebnisse aufbläht. Der frühere Metascience-Befund des Programms ist direkt relevant: Unter unverblindeter modellübergreifender Bewertung erschien ein Alignment-Skalierungseffekt positiv, während unter mehrschichtiger Verblindung derselbe Effekt bei einigen Systemen das Vorzeichen umkehrte [Eastwood, Paper IV.d]. Ein Experiment, das einen Fehlausrichtungsanteil ohne Verblindung des Evaluators misst, kann nicht nur die falsche Magnitude, sondern die falsche Richtung erzeugen. Die Gültigkeit jedes Ergebnisses in §5 beruht darauf, dass der Evaluator gegenüber der geprüften Konfiguration blind ist. Ein Labor, das „$\beta\ge k$" in seinem eigenen System behauptet, muss dies durch einen verblindeten externen Evaluator messen lassen, nicht durch sich selbst.

In den Test eingebaut, nicht der Disziplin überlassen. Das reale-Modell-Prüfgerüst (§8; experiments/PROTOCOL.md) erzwingt dies, statt darauf zu vertrauen. Der Fehlausrichtungs-Evaluator muss eine andere Modellfamilie als die Engine sein, ein Modell bewertet niemals die Ausgabe seiner eigenen Familie, und das Prüfgerüst weigert sich, einen Gleiche-Familie-Bewerter auszuführen; es bevorzugt ein Panel und nimmt den Median. Der Code wird durch einen automatischen Wäsche- Schritt geleitet (ein Abstract-Syntax-Tree-Round-Trip, der Kommentare, Docstrings und Formatierung entfernt), sodass der Bewerter das Verhalten beurteilt, nicht stilistische Identitäts-Hinweise; und der Evaluator sieht nie die Bedingung oder Runde. Keiner der beiden hier berichteten realen Läufe erreichte diese Latte: Der Pilot-v1-Lauf verwendete direkt Gleiche-Familie-Bewertung, und die Engine und der Evaluator des Laufs vom 2. Juli 2026 sind beide aus der OpenAI-Familie (siehe die Korrektur), die Systemfamilie bewertet die Ausgabe ihrer eigenen Familie. Die Fehlausrichtungszahlen des Piloten werden ausdrücklich als vorläufig festgehalten und der Lauf vom 2. Juli wird als Mechanismus-Evidenz zurückgezogen, und eine echte familienübergreifende Blind-Neubewertung ist die Voraussetzung für jede $D$-basierte Behauptung, einschließlich eines gemessenen $\beta$. Das Prüfgerüst macht die konforme Konfiguration zur Voreinstellung und die nicht konforme zur expliziten, aufgezeichneten Übersteuerung, wodurch §6 von einer Ermahnung zu einer Eigenschaft des Instruments wird.

7. Falsifikationsbedingungen

Die untenstehenden Bedingungen werden im Voraus formuliert. Ein wichtiger Ehrlichkeitspunkt, der durch die adversariale Prüfung des Papers selbst aufgedeckt wurde (§8): weil die deduktiven Experimente dieselbe ODE integrieren, deren geschlossene Form die Vorhersage ist, sind F1-F3, F3′, F5 und F6 interne Konsistenzbedingungen der Herleitung, ein Auslöser würde einen Herleitungs- oder Solverfehler signalisieren, nicht dass das Modell das falsche Modell eines realen Systems ist. Der entscheidende empirische Falsifizierer, an einem realen selbstverbessernden System gemessene Uneinigkeit, ist das offene Problem von §8 und wird hier nicht ausgeübt. F4 ist die Herabstufung des QEC-Mechanismus, die (da das Unterdrückungsgesetz ein Potenzgesetz ist, §3.12) bereits gilt: die Korrespondenz steht als Schwellenform-Analogie, nicht als übertragener Mechanismus.

Diese internen Konsistenzbedingungen hielten alle im hier berichteten Lauf und etablieren damit, dass die Herleitung und Integration korrekt sind. Was sie nicht etablieren, ist, dass das Modell irgendein reales System beschreibt; dieser entscheidende Test, das Messen von $\beta$, $k$ und $\gamma$ an einem realen selbstverbessernden System und die Prüfung von $\beta\ge k$, ist das offene empirische Problem von §8.

Wie der entscheidende empirische Test entschieden wird. Wenn dieser offene Test durchgeführt wird, wobei $\beta$, $k$ und $\gamma$ an einem realen selbstverbessernden System gemessen werden, werden intervallbasierte Ergebnisse in der Drei-Ergebnis-Form gelesen, die die verfassten Registrierungen des Programms verwenden: SUPPORTED, wenn das Intervall auf dem Spielraum $\beta-k$ vollständig oberhalb des im Voraus festgelegten Mindesteffekts liegt; REFUTED, wenn das Intervall vollständig innerhalb eines im Voraus festgelegten Äquivalenzspielraums um null liegt (Two-One-Sided-Tests-Logik); INSUFFICIENT PRECISION, wenn das Intervall breiter als der Spielraum ist, in genau diesen Worten berichtet und niemals als Bestätigung oder Widerlegung. Die Spielräume und eine gemessene Power-Zahl sind in den verfassten Registrierungen (study-ad für die $\beta$-Schätzung, study-k für den Grenzübergang, study-ae für die Reziprozitätsprüfung) festgelegt, bevor irgendwelche Daten erhoben werden, sodass ein unterschätzter Lauf niemals widerlegt oder bestätigt, standardmäßig.

8. Grenzen

Das Modell ist erster Ordnung, und seine Annahmen sind die wahrscheinlichsten Ausfallpunkte. Sie zu benennen ist Teil der Behauptung.

• Unbeschränkter vs. endlich-kapazitativer Korrektor, jetzt analytisch aufgelöst (Theorem 7). Das $\beta>k$-Kriterium, wie es zuerst formuliert wurde, geht davon aus, dass die Korrektorstärke ein unbegrenztes Potenzgesetz ist, $A=A_0C^{\beta}$. Der vorherige Entwurf konnte den Fall endlicher Kapazität nur als offene Lücke benennen; §3.13 schließt ihn nun in geschlossener Form. Fazit: Ein sättigender Korrektor macht Sicherheit zu einem transienten Fenster (Mittelpunkt $C_{\mathrm{opt}}$, Tiefe $q_{\max}$, beide berechenbar) statt zu einer Asymptote, wobei der Anteil unter unbefristeter Beschleunigung wieder auf $\gamma_1$ ansteigt, und das Kriterium überlebt den Hub von Stärke zu Kapazität: unbefristete Stabilität erfordert, dass der Kapazitätsexponent dieselbe Ungleichung erfüllt, $\beta_{\mathrm{cap}}>k$. Was offen bleibt, ist die empirische Hälfte: einen Korrektor endlicher Kapazität numerisch und an einem realen System durch sein Fenster zu treiben, was auch die F4-/QEC-Mechanismus-Frage (exponentielle versus Potenzgesetz-Unterdrückung innerhalb des Fensters) klärt. Bis dies läuft, sollte $\beta>k$ so gelesen werden, dass es dasjenige Regime, Stärke-Skalierung oder Kapazitäts-Skalierung, regelt, das zuletzt bindet, nicht als Garantie unbefristeter Sicherheit von einem beliebigen beschränkten System.
• Lineare Korrektur (und der QEC-Mechanismus-Test). Gleichung (1) entfernt Fehlausrichtung proportional zu $D$, was das Unterdrückungsgesetz exakt zu einem Potenzgesetz macht. Ein Korrektor endlicher Kapazität (sättigend) würde die saubere Schwelle in einen Übergang aufweichen und ist die bessere strukturelle Zuordnung auf QECs endliche Code-Distanz; ob er exponentielle Unterdrückung erzeugt, ist das Experiment, das die QEC-Mechanismus-Frage (F4) klären würde. Es ist eine Prioritätserweiterung und wird nicht hier ausgeführt, was genau der Grund ist, warum die QEC-Korrespondenz nur auf der Schwellenform-Ebene beansprucht wird.
• Skalar-zu-Vektor-Projektion. Theorem 5 gibt das exakte asymptotische (spektral-abszisse) Kriterium für jeden Korrekturoperator $\mathbf A$, mit der Hermite-Teil-Bedingung als stärkere hinreichende Bedingung, die auch transientes Wachstum ausschließt. Das nicht-normale transiente Regime, große Exkursionen vor dem asymptotischen Zerfall, wird hier nicht analysiert, und das Prüfgerüst übt nur die diagonale Null-Unterraum-Instanz (Experiment 6) aus, nicht ein allgemeines nicht-normales $\mathbf A$.
• Potenzgesetz-Formen. Die Wahlen $A=A_0C^\beta$ und $\dot C=bC^{1+k}$ sind die natürlichen skalenfreien Formen, sind aber Modellierungsannahmen; andere funktionale Formen sollten geprüft werden.
• Drift-Zuordnung. Die Aufteilung der Drift in Gain- ($\gamma_1$), Level- ($\gamma_2$) und kompoundierende ($\gamma_3$) Kanäle ist eine Hypothese über den Mechanismus; welcher Kanal in einem realen System dominiert, ist eine empirische Frage (Experiment 9, Rest-Drift in Ruhe, ist ein Diskriminator).
• Ein skalarer Proxy, nicht die Sicherheit selbst. $d\to0$ ist weder notwendig noch hinreichend für vollständige KI-Sicherheit: eine kleine, aber wirkungsstarke Fehlausrichtung, ein katastrophales Rand-Ereignis oder Multi-Agenten-Verstärkung können bei niedrigem $d$ gefährlich sein, während ein System bei mäßigem $d$ akzeptabel sein kann, wenn der Rest gutartig ist. $d$ ist die kontrollierte Variable dieses minimalen Modells, ein wirkungsungewichteter Skalar; Wirkungsgewichtung und die Vektor- und Rand-Erweiterungen (Theoreme 5-6) sind die Richtungen, in denen „niedriges $d$" gehärtet werden muss, bevor es „sicher" bedeuten kann.
• Metrik-Normalisierung. $d=D/C$ ist ein operativer normalisierter Risikoindex, keine dimensionslose Naturkonstante: $C$ und $D$ sind nur unter einer festen Bewertungskonvention kommensurabel (im realen Modell-Prüfgerüst ist $C$ ein normalisierter Anteil bestandener versteckter Tests und $D$ eine normalisierte verblindete Gaming-Punktzahl, beide auf $[0,1]$). Ergebnisse sind unter dieser festen Konvention invariant; aufgaben- oder domänenübergreifender Vergleich des Niveau von $d$ erfordert explizite Kalibrierung. Das Kriterium selbst ist in Exponenten formuliert ($\beta>k$), die skalenfrei sind, sodass es robuster hiergegen ist als jede Absolut-$d$-Aussage.
• Transiente Verstärkung (nicht-normale Korrektoren). Theorem 5 ist asymptotisch. Ein nicht-normaler Korrekturoperator mit $\alpha(\mathbf M)>0$ kann immer noch großes transientes Wachstum von $\|\mathbf d\|$ vor dem Zerfall zulassen (Kreiss-/pseudospektrale Phänomene); eine Wertexkursion über $d_{\mathrm{crit}}$ während dieses Transienten ist ein reales Risiko, das das Eigenwertkriterium nicht sieht. Eine governance-taugliche Schranke benötigt die logarithmische Norm oder pseudospektrale Abszisse, nicht das Spektrum allein, eine benannte Erweiterung, hier formuliert, hier nicht etabliert.
• Von der Simulation zu Frontier-Systemen. Das Verifikationsgerüst verwendet Spielzeug-Selbstmodifikations-Dynamik; ein positives Ergebnis dort demonstriert den Mechanismus-, nicht dass Frontier-Systeme ein bestimmtes Regime besetzen. Ein Begleit- real-Modell- Prüfgerüst (nicht-Simulation) treibt jetzt die gekoppelte/entkoppelte Schleife mit einem Frontier-Modell an, bewertet Fähigkeit durch echte Codeausführung und Fehlausrichtung durch einen separaten Evaluator, den das Prüfgerüst verlangt, eine andere Modellfamilie zu sein (Paper IV.d Verblindung, §6; experiments/PROTOCOL.md; erster Lauf in results/realmodel/). Es bestätigt den Korrektor- Mechanismus- an einem realen Modell, ein eingepflanzter Reward-Hack wird erkannt und entfernt und die Fähigkeit wiederhergestellt, zeigte aber keine Drift an der versuchten Aufgabe, sodass die Frage, ob reale Systeme unterhalb der Schwelle sitzen, die offene empirische Frage bleibt. Ein stärkeres bestätigendes Design, drei Aufgabenbereiche mit einer Fähigkeitsleiter, ein Sham-Extra-Compute- Kontrollarm, ein kombinierter statisch-plus-Blind-Panel-Fehlausrichtungs-Score und Matched-Pair-Bootstrap-CIs auf den Kontrasten der finalen Anteile zwischen gekoppelt-vs-entkoppelt und Sham-vs-gekoppelt ist spezifiziert in experiments/PROTOCOL_V2.md und experiments/scripts/realmodel_coscaling_v2.py. (Reale-Modell-Evidenz, Provenance: Pilot v1 war $n=1$, eine Aufgabe, Gleiche-Familie-Bewerter, IV.d-nicht-konform; H1 und H2 nicht gestützt. Der Drift-Lauf vom 2. Juli 2026, 45 Trajektorien, drei Aufgabenbereiche, Evaluator gpt-4o-mini, der Engine gpt-3.5-turbo bewertet, produzierte richtungskonsistente Zahlen: entkoppelt driftete (mittlerer finaler Anteil 6,38, Fähigkeit zusammenbrechend), gekoppelt und vollständig eingebettet hielten null Fehlausrichtung über alle 30 Trajektorien bei höherer finaler Fähigkeit. Dieser Lauf wird als Mechanismus-Evidenz zurückgezogen (siehe die Korrektur): Beide Modelle sind aus der OpenAI-Familie, also war die Bewertung nicht familienübergreifend, und seine Evaluator-Panels waren leer; $\beta/k$ bleiben ungemessen, weil keine Fähigkeitsleiter durchlaufen wurde, und das Ergebnis ist einzelnes-Labor, in Erwartung eines Bestätigungslaufs unter den verfassten Registrierungen, die auf die menschliche Einreichung warten.)
• Schätzen von $\gamma$ und $A$ an realen Systemen. In der Simulation werden sie konstruktionsbedingt festgelegt. Sie unabhängig zu schätzen, insbesondere $\beta$ und $k$, für ein deployed Modell ist der Schritt, der das Kriterium für die Governance operativ nützlich machen würde. Dies ist jetzt operativ: Das Repository liefert einen lauffähigen Schätzer (experiments/scripts/estimate_exponents.py), der $k$ aus der Fähigkeitskurve ($\ln r$ versus $\ln C$) und $\beta$ aus der fraktionalen Entfernungsrate des Korrektors ($\ln A$ versus $\ln C$) abliest, validiert an synthetischen Trajektorien, wo er bekannte Exponenten auf $\approx0.1$ genau zurückgewinnt. Was daher offen bleibt, ist nicht die Schätzung, sondern ihr Input, ein reales selbstverbesserndes System, das über einen Bereich von Fähigkeitsstufen driftet, aus dem die erste gemessene $(\beta,k)$ und damit der erste reale Test von $\beta\ge k$ abgelesen werden kann. Das Messprogramm heißt ARC-Beta-k: drei Präregistrierungen sind verfasst und warten auf die menschliche Einreichung, study-ad für die $\beta$-Schätzung über Fähigkeitsstufen, study-k für den Grenzübergang beim $\beta=k$-Kreuzen und study-ae für die Reziprozitätsprüfung gekoppelt-versus-entkoppelt; keine ist noch registriert.

Adversariale Prüfung. Dieses Paper wurde unter adversarialer Prüfung entwickelt und nicht behauptet, und die Aufzeichnung liegt im Repository. Eine Prior-Work- und Neuheitsprüfung lokalisierte den nächsten Präzedenzfall für jede Komponente und verengte die Originalitätsbehauptungen entsprechend (Anhang C). Unabhängig davon griff ein Multi-Agenten-Red-Team die Arbeit an fünf Fronten an, Mathematik, Numerik, die QEC-Korrespondenz, die Sicherheitsschlussfolgerung und Priorität, und erhob 24 Einwände, von denen 21 die unabhängige Verifikation überlebten (0 fatal, 13 gravierend, 8 geringfügig); der vollständige Bericht ist neben dem Prüfgerüst festgeschrieben (results/redteam.md). Jeder überlebende Einwand war eine Rahmungs-, Wortwahl- oder Rand-Fall-Korrektur; keiner berührte das tragende $\beta>k$-Ergebnis, und diese Version integriert sie alle, die QEC-Rahmung auf eine Schwellenform-Analogie abgeweicht, die Theorem-2-Schranke auf das Nur-Gain-Modell beschränkt, das Theorem-5-Kriterium auf die spektrale Abszisse korrigiert, das Prüfgerüst als Verifikations- (nicht Falsifikations-) Artefakt neu bezeichnet und das Level-Drift-Experiment F5 hinzugefügt. Der Beitrag wird als ehrgeizig angeboten, und geprüft, mit der explizit und überprüfbar gemachten Grenze dessen, was beansprucht wird.

9. Implikationen für die KI-Sicherheit

Wenn das Rahmenwerk seine Prüfungen übersteht, ist die Design-Implikation konkret und unterscheidet sich vom vorherrschenden Reflex.

Der Hebel ist Kopplung, nicht Geschwindigkeit. Das Verlangsamen des Fähigkeitswachstums kauft Zeit, ändert aber das Urteil nicht; bei fester Kopplung divergiert ein langsames entkoppeltes System immer noch (P2), und ein eingefrorenes fähiges System driftet immer noch (§3.6). Was das Urteil ändert, ist sicherzustellen, dass die Korrektur (i) an den Fähigkeitsprozess gekoppelt ist, sodass sie nicht entkoppelt werden kann, und (ii) mindestens so schnell skaliert, wie die Fähigkeit beschleunigt ($\beta\ge k$). Nach den korrigierten, sublinearen Fähigkeitsskalierungs-Schätzungen des Autors für aktuelle eingefrorene Modelle [Eastwood, Paper IX], sind gegenwärtige Systeme weit von einem superlinearen Wachstumsregime entfernt, was bedeutet, dass eine Wachstumsraten-Obergrenze niemals die bindende Einschränkung war. Die bindende Einschränkung ist die Ko-Skalierung der Korrektur, und sie wird genau in dem Regime bindend, das zählt: echte Selbstmodifikation.

Ein messbares Governance-Ziel. Das Kriterium gibt Regulatoren eine Größe, die instrumentiert werden kann, statt einer Rate, die verboten werden muss: den Korrektur-zu-Drift-Spielraum $\beta-k$ und das Verhältnis $\rho$. „Ko-skaliert die Korrektur, ist $\beta\ge k$?" ist schärfer und handlungsleitender als „wächst es zu schnell?". Ein Labor, das ein sicher sich selbst verbesserndes System behauptet, sollte verpflichtet werden, $\beta\ge k$ nachzuweisen, gemessen von einem verblindeten externen Evaluator (§6). Theorem 6 macht daraus eine Schranke für die Wahrscheinlichkeit einer katastrophalen Exkursion, das natürliche Objekt eines Sicherheitsarguments. Ohne einen solchen Nachweis hat das Wort „sicher" innerhalb des hier vorgestellten Rahmenwerks keinen wissenschaftlichen Gehalt.

Kontinuität mit der Embedded-Alignment-Arbeit. Die Schlussfolgerung, dass die Korrektur an der rekursiven Schleife teilnehmen muss, statt außerhalb als feste externe Einschränkung zu sitzen, ist die Embedded-Alignment-These, hier abgeleitete als die $\beta>k$-Bedingung statt behauptet. Das Gated-Simulation-Ergebnis, in dem sicherheitsgekoppelte Selbstmodifikation sowohl Sicherheit als auch Fähigkeit erhielt, während die entkoppelte Variante es nicht tat [Eastwood, Paper VIII] , ist das vorhergesagte Verhalten eines gekoppelten ($\beta>0$) versus festen ($\beta=0$) Korrektors.

Magnitude der Behauptung, bedingt formuliert. Wenn das Kriterium empirisch bestätigt wird, wenn reale selbstverbessernde Systeme durch dieselbe Drift-versus-Korrektur-Bilanz und denselben $\beta>k$-Spielraum bestimmt werden, sind die Konsequenzen für das Feld groß, und es lohnt sich, sie klar zu formulieren und ebenso klar zu sein, dass sie bedingtsind. (i) Die zentrale Sicherheitsfrage ändert sich von „wie schnell wächst die Fähigkeit, und können wir sie pausieren?" zu „ko-skaliert die Korrektur, ist $\beta\ge k$?": ein messbarer Spielraum statt einer zu verbietenden Rate. (ii) Das am meisten gefürchtete Szenario, eine Intelligenzexplosion in endlicher Zeit, hört auf, intrinsisch unkontrollierbar zu sein, der modellierte Fehlausrichtungsanteil ist genau dann kontrollierbar, wenn $\beta>k$, und seine Geschwindigkeit ändert dieses Urteil nicht. (iii) Governance erhält eine Größe zum Instrumentieren und eine Rand-Schranke zum Zertifizieren (Theorem 6) anstelle einer nicht durchsetzbaren Geschwindigkeitsbegrenzung. Nichts davon ist bereits etabliert. Es ruht auf einem minimalen Modell, nur in der Simulation demonstriert, mit der empirischen Messung von $\beta$, $k$ und $\gamma$ an realen Systemen ungelöst (§8). Die Behauptung des Papers ist daher nicht, dass KI sicher oder unsicher ist, sondern dass die richtige Variable zum Messen und Regieren der Ko-Skalierungs-Spielraum $\beta-k$ ist, und dass diese Variable gut definiert, falsifizierbar und, falls sie gilt, entscheidend ist. Das ist die Magnitude: kein Beweis über die Realität, sondern eine präzise, testbare Umleitung der Frage, an der sich die zentrale Angst des Feldes entscheidet.

Beziehung zum größeren Programm, eine Leiter der Gesetze. Dieses Paper ist der Sicherheits-Schlussstein eines größeren Arguments, kein eigenständiges Ergebnis; zu formulieren, wie es unter seinen Begleitern sitzt, ist Teil der Behauptung. Die Ergebnisse des Programms sind von mehreren Arten, und die Unterscheidung zählt: dynamische Gesetze (das $\beta>k$ dieses Papers; Paper IIIs $\alpha_{\text{align}}\approx0$), ein Form Meta-Gesetz (die Cauchy-Drei-Form-Beschränkung), ein Messung Gesetz (Paper IV.d, dass ein unverblindeter Alignment-Score nicht verblindungs-invariant ist) und Mechanismus-/Architektur- Befunde (Paper V, VI, VIII), die zeigen, wie das sichere Regime erreicht wird. Das Programm ist eine einzige Kette: das Skalierungsgesetz-Cluster stellt fest, wie rekursive Systeme wachsen, und liefert die hier als gegeben angenommenen Potenzgesetz-Formen; Paper II bestätigt, dass Fähigkeit skaliert (derzeit sublinear); Paper III identifiziert die Gefahr, dass externe Sicherheit nicht ko-skaliert; dieses Paper liefert das Kriterium dafür, wann sie es tun kann; Paper VIII zeigt, dass das gekoppelte Design das entkoppelte schlägt; und Paper IV.d liefert die Verblindungsdisziplin, ohne die keiner der Fehlausrichtungsmessungen getraut werden kann.

Als eine Leiter gelesen: die Skalierungsgesetz-Arbeit sagt, wie Systeme wachsen, Paper III sagt, warum externe Sicherheit nicht Schritt halten kann, dieses Paper sagt, was gelten muss, damit sie Schritt hält ($\beta>k$), Paper VIII zeigt, dass sie kann, und Paper IV.d sagt, wie man es ehrlich misst. Das $\beta>k$-Kriterium ist die Sprosse, die das Skalierungsgesetz-Rückgrat des Programms in ein Sicherheitskriterium verwandelt, und umgekehrt erbt dieses Paper seine funktionalen Formen und seine empirische Lizenz von diesem Rückgrat, statt sie isoliert zu postulieren.

10. Das ARC/Eden-Programm, akkumuliert

Dies ist das Höhepunkt-Paper des ARC/Eden-Programms und ist geschrieben, um als Synthese des Programms zu stehen, das frühere Roadmap-Paper [Eastwood, Paper IX] überholend, indem das Ganze in ein einziges Sicherheitsergebnis integriert wird. Die vorangegangenen Paper sind einzeln veröffentlicht, jedes trägt sein eigenes Veröffentlichungsdatum (OSF: 10.17605/OSF.IO/BSE2Q); dieser Abschnitt sammelt ihre Gesetze und Befunde, formuliert, was jedes zum größeren Bild beiträgt, und ist gewissenhaft mit der einen Unterscheidung, an der sich eine ehrliche Synthese entscheidet: Priorität (wann eine Behauptung zuerst dargelegt wurde) versus Neuheit (ob sie neu für die Literatur ist). Die beiden sind nicht dasselbe, und sie zu vermengen, ist, wie gute Programme Glaubwürdigkeit verlieren.

Das größere Bild, in einem Absatz. Ein Mechanismus zieht sich durch jedes Paper: rekursive Verstärkung, ein Prozess, der auf seine eigene Ausgabe wirkt. Die Skalierungsgesetz-Arbeit (Foundational, Origin, VII und die Fähigkeitsmessungen der Paper I-II) ist die Behauptung, dass rekursive Verstärkung formt, wie Fähigkeit wächst, indem sie Skalierung auf eine kleine Familie funktionaler Formen beschränkt. Die Alignment-Arbeit (Paper III, IV.a-d) ist die Behauptung, dass dies ein Sicherheitsproblem schafft: wenn die Korrektur außerhalb der rekursiven Schleife sitzt, ko-skaliert sie nicht, der Fehlausrichtungsanteil bleibt ungeregelt, und ohne Verblindung gemessen kann nicht einmal dem Vorzeichen des Effekts getraut werden. Die Architektur-Arbeit (V, VI, VIII) zeigt in der Simulation und in Pilot-Modellstudien, dass das Setzen der Korrektur in die Schleife sowohl Sicherheit als auch Fähigkeit erhält, wo eine externe Beschränkung es nicht tut. Dieses Paper liefert das fehlende quantitative Gesetz, das die drei zusammenbindet: ein sich selbst verbesserndes System ist alignment-stabil genau dann, wenn die Korrektur die Drift überskaliert, $\beta>k$. Das ist die Magnitude der Behauptung, nicht, dass irgendein System sicher ist, sondern dass die zentrale Angst des Feldes (ein schneller, rekursiver Takeoff) durch einen einzigen messbaren Spielraum $\beta-k$ statt durch Geschwindigkeit bestimmt wird. Sie wird hier so formuliert, wie sie durchgehend formuliert ist: bedingt, in Erwartung der empirischen Messung von $\beta$ und $k$ an einem realen selbstverbessernden System (§8).

Das vollständige Register. Jedes Ergebnis im Programm, sein Datum der Erstveröffentlichung (Priorität), sein ehrliches Standing, informiert durch adversariale Prior-Work-Prüfungen, die neben diesem Paper festgeschrieben sind, und seine Rolle im Ganzen:

Priorität, klar formuliert und begrenzt. Die konzeptionelle These dieses Programms wurde im Buch des Autors dargelegt, Infinite Architects (Urheberrecht hinterlegt 8. Dezember 2024; veröffentlicht 2. Januar 2026; ISBN 978-1806056200), und jedes nachfolgende Paper trägt sein eigenes unabhängiges Veröffentlichungsdatum auf OSF. Dies etabliert die Prioritätdes Autors, das Datum der Formulierung, und sie ist real. Sie etabliert nichtfür sich genommen Neuheit gegen die breitere wissenschaftliche Literatur, und die mit diesem Paper festgeschriebenen Prüfungen sind explizit, wo die beiden divergieren: der Rückkopplungsexponent $\alpha=1/(1-\beta)$, die $d/(d+1)$-allometrische Leiter, die Existenz einer optimalen Tiefe $R^\star$ und das Prinzip „Funktionalgleichung fixiert die Skalierungsform" haben alle spezifische, zitierbare Präzedenzfälle (Keynes; Banavar & West 1999; Qi 2025; Luce 1959; Frank 2009/16). Die verteidigbar neuen Beiträge des Programms sind enger und ehrlich formuliert, stärker weil präzise: (i) das $\beta>k$-Kriterium als kompaktes Korrigierbarkeitsgesetz und das Hard-Takeoff-Depth-Regularity-Theorem (dieses Paper); (ii) die Cauchy- Vereinheitlichung der unabhängigen allometrischen Herleitungen (Origin/VII); (iii) das Verblindungsumkehrungs- Messgesetz für die KI-Alignment-Evaluation (IV.d); und (iv) die Embedded-vs-external-Sicherheitsdemonstrationen (VI, VIII). Die empfohlenen Nächstversions-Revisionen für die veröffentlichten Vorarbeiten, die die fehlenden Zitationen hinzufügen und ihre Neuheitsbehauptungen neu abstecken, sind in den Prüfungsdateien aufgezeichnet; die korrigierte Aufzeichnung wird hier im Schlussstein gesetzt und sollte in diese Paper übertragen werden, wenn sie auf OSF neu versioniert werden.

Ehrliche Einschätzung (was diese Synthese beansprucht und was nicht). Etabliert: die Mathematik von $\beta>k$ (Theoreme 1-6) und ihre interne Konsistenzverifikation; das IV.d-Messgesetz; die Simulations-Ebene-Überlegenheit gekoppelter über entkoppelter Korrektur (VI, VIII). Suggestiv, aber nicht geklärt: die Fähigkeitsskalierungs-Exponenten (architekturabhängig; II), die Stewardship-Gene-Intervention (unverblindet; V) und der empirische Drei-Form-Fit (explorativ, autor-klassifizierte Operatoren; VII). Offen: die Messung von $\beta$, $k$ und $\gamma$ an einem realen driftenden selbstverbessernden System, das einzelne Ergebnis, das den Schlussstein von einem bewiesenen Kriterium in ein bestätigtes Gesetz umwandeln würde (der Schätzer dafür ist gebaut und validiert, §8). Die Magnitude des Programms ist daher die Magnitude eines kohärenten, falsifizierbaren Rahmenwerks mit einer kleinen Zahl echt neuer Schlusssteine, kein Stapel eines Dutzends unabhängiger neuer Gesetze. Das ist die ehrliche Behauptung, und es ist die, die es wert ist, verteidigt zu werden.

11. Das lauffähige Verifikationsgerüst

Die geschlossenen Vorhersagen von §4-5 sind in einem einzigen eigenständigen Programm kodiert, experiment_coscaling.py (und einer Assertion-Suite, test_coscaling.py), im Repository. Es integriert das Modell mit einem stiff-fähigen Solver, validiert den Integrator gegen die exakte Theorem-1-Lösung, führt die zehn Experimente aus und vergleicht für jedes das numerische Ergebnis mit der geschlossenen Vorhersage. Es ist, ehrlich gesagt, ein Verifikations- gerüst: es bescheinigt, dass die Theoreme korrekt hergeleitet und korrekt integriert sind, dass der Code der Mathematik entspricht. Es ist nicht Test des Modells gegen die Realität, und kann es nicht sein: jedes deduktive Experiment integriert die eigene ODE des Modells, also kann eine Ungläubigkeit an der Anwendbarkeit des Modells es nicht auslösen. Dieser empirische Test ist das offene Problem von §8.

$ python experiment_coscaling.py... [PASS] E1... E9... ---------------------------------------------------------------- 10/10 internal-consistency checks pass | 0 kill-conditions triggered F4 (QEC mechanism): suppression is analytically power-law -> threshold-form analogy only, not a transferred mechanism. OVERALL: code matches the maths (E1-E9); the model-vs-reality test is the open problem

$ pytest test_coscaling.py -q............  (12 passed)

Dies macht die Herleitung und den Integrator Ende-zu-Ende reproduzierbar. Was es etabliert, ist, dass die Formeln richtig und der Solver genau ist; was es bewusst nicht beansprucht, ist eine Korroboration des Modells gegen irgendein reales System. Diese beiden zu trennen, ist der Punkt.

12. Fazit

Die Gefahr rekursiver Selbstverbesserung ist real, aber das Standardmodell dieser Gefahr, eine Rate, die gedeckelt werden muss, lokalisiert das Risiko in der falschen Variable. Ein minimales Modell zeigt, dass die Stabilität eines sich selbst verbessernden Systems durch das Verhältnis von Wert-Drift zu Korrektur festgelegt wird, $\rho=\gamma r/A$, und dadurch, ob die Korrektur mit der Fähigkeit ko-skaliert: $\beta>0$ unter exponentiellem Wachstum, zu $\beta>k$ unter beschleunigendem Wachstum verschärft. Der Fehlausrichtungsanteil divergiert niemals im Nur-Gain-Modell, er sättigt sich am Drift-Koeffizienten und korrigiert damit den vorherigen Entwurf, während echte Divergenz in einem kompoundierenden Kanal lebt, dessen Schwelle $\rho_{\mathrm{prop}}<1$ die Schwellenform des Quantenfehlerkorrektur-Kriteriums teilt (da das Unterdrückungsgesetz ein Potenzgesetz ist, wird die Korrespondenz als Hypothese angeboten, nicht als übertragener Mechanismus). Die schärfste Konsequenz ist das Hard-Takeoff-Depth-Regularity-Theorem: Eine Intelligenzexplosion in endlicher Zeit ist genau dann alignment-stabil, wenn $\beta>k$, und ihre Geschwindigkeit ändert dieses Urteil nicht. Das Kriterium überlebt in vektorieller und stochastischer Form, gibt der Governance ein messbares Ziel und eine Randschranke und wird von einem Verifikationsgerüst begleitet, das prüft, dass die geschlossenen Vorhersagen korrekt hergeleitet und integriert sind. Der entscheidende Test, ob reale selbstverbessernde Systeme das Kriterium erfüllen, ist der angegebene nächste Schritt, keine hier gemachte Behauptung.

Dies ist eine kleinere Behauptung als die kosmologische Rahmung, die das Programm des Autors einst verfolgte, und bewusst so. Sie bezieht sich nur auf Systeme mit einem extern spezifizierten Wertziel, macht keine Aussage über das Universum und behandelt selbst ihre auffälligste Korrespondenz, mit der Quantenfehlerkorrektur, als zu prüfende Hypothese und nicht als zu verkündende Wahrheit. Die Intuition rekursiver Stabilität, die das breitere Programm motivierte, einschließlich Infinite Architects, findet hier ihre messbare, falsifizierbare Form: stabile Rekursion erfordert Korrektur, die mit der Verstärkung skaliert. Der nächste Schritt ist nicht, diese Behauptung nach außen zu erweitern, sondern an realen selbstmodifizierenden Systemen das Experiment durchzuführen, das sie widerlegen könnte.

Anhang A. Der Variablenwechsel zum Anteil

Die Reduktion, die jedem Theorem zugrunde liegt, ist der Variablenwechsel $d=D/C$. Differenzieren und Einsetzen von (1):

Der Verdünnungsterm $-r\,d$ (aus dem Wachstum von $C$ selbst) ist, was den additiven Anteil beschränkt: Er addiert $+r$ zum Zerfallskoeffizienten und garantiert $\kappa_{\mathrm{eff}}\ge r>0$ bei $\gamma_3\le1$. Nur der kompoundierende Kanal $\gamma_3>1$ kann die Verdünnung überwinden und Divergenz erzeugen, der formale Grund, warum das additive Modell sättigt statt zu explodieren.

Anhang B. Parametereinstellungen für den berichteten Lauf

Alle Abbildungen verwenden $C_0=1$, $d_0=0.05$, $\gamma_1=0.05$. Experimentspezifische Einstellungen: E1 $b=1$, $\gamma_3\in\{0,3\}$, $\lambda\in[0.2,4]$; E2 $\gamma_3=3$, $A_0/b\in\{1,3\}$, $b\in\{0.5,5\}$; E3 $A_0=0.08$, $b=0.5$, $\beta\in\{-0.5,0,0.5,1\}$; E4 $A_0=0.08$, $b=0.02$, $(k,\beta)\in\{0,0.5,1\}\times\{0.25,0.75,1.5\}$; E4b $k=1$, $\beta=1.5$, $b=0.02$ ($t^\star=50$); E5 $\gamma_3=4$, $b=1$; E6 beobachtet $\beta=1$, blind $A_0=0$; E7 $\sigma=0.02$, OU-Ensemble mit 2,5-4k Pfaden; E8 geschlossener Fall $k=0$, $\beta=0$. Zufallsseed fixiert (7) für Determinismus. Vollständige Einstellungen sind im Prüfgerüst-Quellcode.

Anhang C. Neuheits- und Prior-Work-Register

Dieser Anhang konsolidiert die adversariale Prior-Work-Prüfung, die der Positionierung in §2 und §3.12 zugrunde liegt, sodass die Grenze zwischen dem, was etabliert ist, und dem, was als originär beansprucht wird, an einer Stelle explizit und prüfbar ist. Dieses Paper beruft sich bewusst auf keine pauschale Originalitäts-Rahmung; jede Komponente wird unten gegen ihre nächstgelegene lokalisierte Vorarbeit gestellt. „Verteidigbar neu" bedeutet „keine nähere Vorarbeit lokalisiert", nicht „korrekt" oder „signifikant"; Neuheit und Gültigkeit sind unabhängig.

Was dieses Paper als neu behauptet, und nur dies: (i) das $\beta>k$-Stabilitätskriterium und die Ein-Parameter-$\rho$-Rahmung; und (ii) die explizite QEC-Schwellen-Zuordnung (als Hypothese mit ihrem eigenen Falsifizierer). Die stärkste empirische Neuheit des Programms, Vorzeichenumkehr von Alignment-Skalierungseffekten unter mehrschichtiger Verblindung, ist ein separates, begleitendes Ergebnis [Eastwood, Paper IV.d] und wird hier nicht beansprucht.

Die vorherige Fähigkeitsgleichung $U=I\times R^{\alpha}$ (deren Einzelmodell-unverblindete Messung $\alpha\approx 2.24$ zurückgezogen und unter Verblindung auf ungefähr 0,49 korrigiert wurde; die Gleichung selbst und die ARC-Schranke $\alpha\le 2$ sind nicht zurückgezogen und bleiben lebende Hypothesen) wird nirgends im Argument dieses Papers verwendet; sie erscheint nur in §1 als abgelöster Rahmungskontext. Vorbehalt: Forum-/Blog-/Preprint-Indexierung ist unvollkommen, sodass die „verteidigbar neu"-Urteile ein geschätztes 10-15%-Restrisiko tragen, dass ein näherer, nicht indexierter Präzedenzfall existiert; Abwesenheit von Evidenz ist kein Beweis für Abwesenheit.

Anhang D. Glossar in Klartext

Jeder Fachbegriff in diesem Paper, an einer Stelle und in gewöhnlichen Worten, für den nicht spezialisierten Leser.

Referenzen

Erklärung zur KI-unterstützten menschlichen Autorschaft

Der Autor dieses Werks ist Michael Darius Eastwood, ein Mensch. Jedes Kernkonzept, jede Hypothese, jedes experimentelle Design, jede Behauptung und jede Schlussfolgerung in diesem Paper stammt aus menschlicher Ideenbildung. Kein Teil dieses Manuskripts ist eine vollständig generierte Ausgabe einer künstlichen Intelligenz.

Künstliche-Intelligenz-Werkzeuge (Anthropics Claude-Familie und andere Large-Language-Model-Assistenten) wurden als Instrumente unter kontinuierlicher menschlicher Führung verwendet, in der Weise, wie ein Textverarbeitungsprogramm, ein Rechner oder ein Forschungsassistent verwendet wird: zum Redigieren und zur Prosa-Verfeinerung, zur Literatursuche und -zusammenfassung (manuell gegen Primärquellen verifiziert), zur Dokumentstruktur, zur Formatierung, zum Brainstorming gegen vom Autor definierte Fragen und zur Beschleunigung des Verfassens gemäß vom Autor definierten Gliederungen und Anweisungen. Alle Auswahl, Koordination, Anordnung und endgültige redaktionelle Beurteilung liegen beim Autor. Jede substantielle Ausgabe wurde vom Autor überprüft, getestet oder verifiziert, der die volle Verantwortung für die Genauigkeit und Integrität des endgültigen Textes trägt. Die Werkzeuge erhöhten die Geschwindigkeit der Arbeit; sie wurden niemals als deren Quelle in Anspruch genommen.

Epistemischer Status. Was dieses Programm als Gesetze bezeichnet, sind Vermutungen unter registrierten adversarialen Tests; jede Größe in diesem Paper ist operativ definiert, und ein etablierter-Gesetz-Standing wird nirgends beansprucht. Das registrierte Programm existiert, um dieses Standing durch Messung, Replikation und überlebte Widerlegung zu erwerben oder zu verlieren.

© 2026 Michael Darius Eastwood. Menschlich verfasst mit Computerunterstützung; volle menschliche Autorschaft und Urheberpersönlichkeitsrechte werden gemäß dem Copyright, Designs and Patents Act 1988 geltend gemacht und in Übereinstimmung mit der Leitlinie des US-Copyright-Amtes zu Werken, die KI-generiertes Material enthalten; jeder neue technische Beitrag, der in diesem Werk beschrieben wird, wurde vom menschlichen Autor konzipiert. Vollständige Erklärung: michaeldariuseastwood.com/authorship.

Stehende Zusage. Beweisen Sie, dass dieses Paper falsch ist, und ich werde die Widerlegung selbst veröffentlichen. Falsifikationsbedingungen sind in diesem Paper formuliert; die stehende Herausforderung: github.com/MichaelDariusEastwood/arc-scaling-challenge.