Traduzione automatica dall'originale inglese datato. La pagina inglese è quella canonica. English →

1. Il registro delle convergenze graduate

La sede canonica per queste prove è il registro graduato in /research/convergences/ (30 righe, generato il 2 agosto 2026 sotto la policy di governance delle rivendicazioni). Nessun totale numerico di convergenza è pubblicato lì o qui. Il precedente registro sommato è stato assemblato retrospettivamente, senza una regola di scoring pre-outcome, un orizzonte fissato, un modello di tasso base o un registro completo dei fallimenti, e le sue righe non possono essere legittimamente sommate come una singola quantità probatoria. Il registro graduato assegna invece a ogni riga una classe di evidenza primaria: alla generazione del 2 agosto 2026, 1 formale, 2 qualified-technical, 2 engineering, 4 institutional, 5 prior-work, 10 context e 6 excluded, con le righe più forti graduate moderate e le righe engineering graduate deboli. Due gruppi di dipendenza sono lì dichiarati: la catena Hernández-Espinosa a Gumbau sui limiti formali è una singola discendenza dipendente, non due conferme, e le righe sulla governance interreligiosa appartengono a un unico movimento istituzionale che precede l'anchor di dicembre 2024. Il lavoro indipendente appartiene ai suoi autori: un evento successivo può mostrare che una domanda è importante senza stabilire la priorità di questo programma, una predizione riuscita o la verità della sua risposta.

Istantanea superata, conservata come registro datato di questo paper (2 luglio 2026). La tabella sottostante è il registro come questo paper l'ha pubblicato per la prima volta, prima della policy di grading del 2 agosto 2026. Le sue classi per riga (PREDICTION, CONVERGENT, CONCURRENT) e la sua aritmetica degli intervalli sono superate dal registro graduato di cui sopra. Le righe che classificava CONVERGENT ora si graduano variamente come prior-work, context, institutional, engineering o excluded; la sua riga 2 in particolare (Willow) è graduata prior-work, perché il risultato sotto-soglia era pubblico come preprint il 24 agosto 2024, prima del manoscritto dell'8 dicembre 2024, con la versione Nature seguita il 9 dicembre 2024. La non-consapevolezza dell'autore di quel preprint al momento della stesura del manoscritto del dicembre 2024 è dichiarata sulla riga canonica come attestazione biografica; il grado non si muove su di essa, perché l'ordine di pubblicazione non cambia con la consapevolezza, e tenere quella linea contro l'interesse dell'autore fa parte di ciò che rende degne di credito le righe favorevoli del registro. I margini nella colonna Gap dichiarati rispetto alle date di submission arXiv (righe 1, 8, 9, 18, 19) portano un'anchor SINGLE-SOURCE-GROUP (arXiv Atom), e la prima divulgazione pubblica non è stata verificata separatamente per quelle righe.

Riga 3, dichiarata nella sua piena forza e non oltre. La priorità di pubblicazione sulla scoperta quantificata, il sequenziale che batte l'auto-consistenza parallela nel 95.6 per cento delle configurazioni a compute equivalente, appartiene a Sharma e Chopra (arXiv:2511.02309, 4 novembre 2025), accreditati senza riserve; la formalizzazione a compute equivalente del programma è seguita nel Paper II (22 gennaio 2026), progettata ed eseguita prima di aver visto il loro paper. Il manoscritto del dicembre 2024 porta una dichiarazione direzionale unilaterale e un'equazione in cui la larghezza parallela non ha mai avuto un termine, quindi un esponente parallelo vicino a zero è una conseguenza strutturale piuttosto che una sorpresa; quella derivazione è stata completata nel 2026 dalla definizione operativa di R, e la conclusione porta la data della sua premessa più recente. I due risultati non sono mai equiparati: il loro misura il raffinamento della catena rispetto alla votazione parallela su benchmark di ragionamento, il Paper II misura la riduzione dell'errore nelle catene in produzione; direzione convergente, strumenti diversi.

Disciplina del registro: un evento esterno per riga, una fonte primaria per riga, con hyperlink alla fonte ufficiale ovunque esista un URL canonico stabile (arXiv, DOI, editore, ufficio brevetti, emittente, vendor); le righe basate sulla stampa nominano le loro testate e la data. I gap sono misurati dalla data dell'artefatto nominato, dichiarata per riga. Dodici ulteriori righe candidate sono tenute in una lista source-pending e non sono né conteggiate né mostrate finché ciascuna non porta una fonte primaria verificabile; l'engagement dei lettori con il lavoro (per esempio copie omaggio) è registrato separatamente e mai conteggiato come convergenza. La priorità è accreditata verso l'esterno ovunque le date lo richiedano (riga 3). Il registro completo con liste di quarantena ed engagement: michaeldariuseastwood.com/research/evidence-spine.html.

2. Tre gradi di neurodivergenza

Grado 1 - Il ricercatore (Paper C, PNP). Michael Darius Eastwood. ADHD diagnosticato. Autismo diagnosticato. Diagnosi in età adulta. Un cervello che connette domini che i pensatori uniformi non vedono come adiacenti. Costruisce un framework di 221.236 parole attraverso i domini pur rappresentando se stesso in complessi procedimenti legali. Il PNP (Polymathic Neurodivergent Profile) fornisce il framework clinico descrittivo. La documentazione clinica esiste ed è custodita privatamente. Il metodo È l'ipotesi.

Grado 2 - La prova di protezione (Hernández-Espinosa et al., 2026, PNAS Nexus). Oxford, King's College London, Alan Turing Institute, University of Tokyo. Gödel/Turing dimostrano che l'allineamento esterno è impossibile. Soluzione: diversità cognitiva. Il pensiero neurodivergente non è un difetto. È l'architettura protettiva. Il paper non cita Eastwood. Non sa che esista. Dimostra indipendentemente che il suo tipo di cervello è lo strumento di cui l'allineamento ha bisogno.

Grado 3 - La prova formale (Gumbau Mezquita, 2026, arXiv:2606.28639). Universitat Jaume I, Spagna. Legge Hernández-Espinosa. Estende con Trakhtenbrot's Wall. Due teoremi formali: Unverifiability of Alignment + Soundness-Completeness-Tractability Trilemma. Accredita Hernández come fondamento concettuale. Non cita questo lavoro. La direzione è convergente, e il registro classifica la coppia come una singola catena dipendente: contesto, non conferma.

Nessuno di loro sapeva degli altri. Nessuno ha pianificato questo. La catena è scoperta, non manifatturata.

3. Il loop chiuso

Il loop chiuso ha quattro proprietà strutturali:

1. Il metodo È l'ipotesi. L'architettura cognitiva che ha prodotto il framework, riconoscimento di pattern neurodivergente attraverso domini, fa eco a ciò che Hernández-Espinosa et al. sostengono per gli agenti macchina: che la diversità di stili di ragionamento protegge un ecosistema. Il parallelo è suggestivo, argomentato nel Paper C, e nulla più di questo. Il ricercatore non è una persona che si dà il caso abbia una teoria. Il ricercatore È la prima prova della teoria. Il cervello che l'ha costruita è il tipo di cervello che il paper PNAS ha dimostrato essere ciò di cui il campo ha bisogno.

2. Il framework È la sua stessa prova. Le righe del registro documentano programmi che arrivano alla stessa conclusione strutturale senza sapere gli uni degli altri o del framework. Questa non è una rivendicazione di causazione. È un'osservazione di convergenza. Il pattern regge attraverso AI safety, quantum computing, fisica classica, produzione di semiconduttori, dottrina vaticana, governance ONU, venture capital e logica matematica. Un pattern che appare attraverso domini così diversi è scoperto, non manifatturato; quanto conferma è una questione graduata, riga per riga.

3. La prova È indipendente dal ricercatore. I teoremi formali di Gumbau Mezquita non dipendono dal credere a Eastwood. Non dipendono dai metodi di Eastwood. Non dipendono dalle fonti di Eastwood. Sono risultati matematici formali, derivati da Trakhtenbrot's Wall e Finite Model Theory, accreditati a Hernández-Espinosa, pubblicati due giorni fa su arXiv. O reggono o non reggono. Reggono. E dicono quello che Eastwood ha detto 18 mesi prima.

4. Ogni anello della catena è verificabile in modo indipendente. manoscritto → risultati formali successivi nella stessa direzione → il registro graduato che rifiuta di sovradichiararli → Paper C che enuncia il framework umano nei propri termini. Ogni data è verificabile in modo indipendente. Ogni fonte è pubblicata. Ogni hash SHA-256 corrisponde. Il loop chiuso non è un argomento. È una catena di prove.

4. Metodo

Le convergenze sono state identificate attraverso una ricerca sistematica della letteratura 2025-2026 su AI safety, quantum computing, hardware, policy sui semiconduttori, dottrina vaticana, governance, neuroscienze e matematica. Ogni convergenza è stata testata rispetto a: (a) origine indipendente (nessuna citazione, personale o finanziamento condivisi con Eastwood o tra loro), (b) corrispondenza strutturale (stesso principio, substrato diverso), e (c) gap temporale (data dell'articolazione di Eastwood rispetto alla data della conferma indipendente). Il manoscritto dell'8 dic 2024 è stato verificato a livello di riga rispetto ai file sorgente. Tutti i file .eml sono stati verificati SHA-256. Tutti i DOI esterni e gli ID arXiv sono stati confermati.

5. Lavori correlati

Lo strumento rivale

Il lavoro più vicino alla domanda di questo programma, e il paper giusto con cui confrontarlo, è Engels, J., Baek, D., Kantamneni, S. e Tegmark, M., "Scaling Laws For Scalable Oversight", arXiv:2504.18530, postato per la prima volta il 25 aprile 2025 alle 17:54:27 UTC (SINGLE-SOURCE-GROUP, arXiv Atom; riportato come Spotlight NeurIPS 2025, RELAYED e non verificato indipendentemente). Chiede come scala l'oversight stesso e risponde quantitativamente: il successo dell'oversight è modellato come un gioco tra giocatori con capability disomogenee il cui Elo specifico di oversight è una funzione lineare a tratti dell'intelligenza generale con due plateau, e i numeri ottimali di livelli di oversight sono derivati numericamente e in alcuni casi analiticamente per Nested Scalable Oversight, in cui modelli fidati supervisionano modelli non fidati più forti che diventano poi i modelli fidati al passo successivo.

Lo strumento è la differenza. La loro variabile è il gap di capability tra oversee e overseen, misurato in Elo. La variabile di questo programma è la classe di composizione del correttore, misurata attraverso il proprio esponente di scaling del correttore. Il loro framework non contiene alcun termine per ciò di cui è fatto l'oversee: nessun substrato, nessuna struttura di correlazione degli errori, nessuna identità reciproca tra un esponente di correzione e un tasso di crescita critico, e nessuna dipendenza architetturale. La Nested Scalable Oversight è per costruzione un oversight iterato della stessa classe, e la predizione centrale di questo programma è che la scala same-class è delimitata comunque si aggiungano molti gradini, mentre un correttore cross-class non lo è. I due framework quindi disaccordano su una quantità misurabile, che è la relazione più produttiva che due programmi di ricerca possano avere.

Antecedenti e near-miss

Sulla domanda. Hutter ha chiesto direttamente se l'intelligenza possa esplodere ("Can Intelligence Explode?", arXiv, 28 febbraio 2012, READ-AT-SOURCE), separando "velocità dall'esplosione di intelligenza" e impegnandosi a "considerare possibili limiti sull'intelligenza", ampliando l'analisi di Chalmers del 2010. La domanda e la distinzione velocità-contro-struttura hanno quindi almeno quattordici anni. Ciò che quella letteratura non contiene è un numero: nessun esponente misurabile, nessun soffitto derivato, nessuna dipendenza architetturale.

Sull'impossibilità. Tre paper arXiv del 2025 sostengono che il controllo perfetto è irraggiungibile: Yao, "The Alignment Trap: Complexity Barriers" (arXiv:2506.10304, v1 12 giugno 2025 02:30:30 UTC, SINGLE-SOURCE-GROUP, osservato indipendentemente da Internet Archive il 13 giugno 2025; citato da arXiv:2512.03048); Yao, "On the Mathematical Impossibility of Safe Universal Approximators" (arXiv:2507.03031, 3 luglio 2025, l'unico paper nel corpus degli abstract arXiv che contiene la frase "irreducible uncontrollability", totale della ricerca sugli abstract di uno, misurato il 12 agosto 2026); e Ball, Gluch, Goldwasser, Kreuter, Reingold e Rothblum, "On the Impossibility of Separating Intelligence from Judgment" (arXiv:2507.07341, 9 luglio 2025). Tutti e tre sono worst-case e qualitativi: misura zero, coNP-completezza, durezza crittografica. Nessuno riporta un esponente di scaling average-case o un tasso. Il terzo, notevolmente, conclude che l'allineamento "deve invece essere integrato nell'architettura e nei pesi del modello", un argomento indipendente, dall'intrattabilità del filtering, nella stessa direzione della dipendenza architetturale di questo programma; è supporto convergente su quel lato, non un rivale. Due dei tre paper sono di un unico autore; la descrizione "un'ondata" sovrastima l'ampiezza della letteratura, benché non la serietà del paper a sei autori.

Sul meccanismo. Che le stime anti-correlate mediino meglio di quelle indipendenti è riduzione della varianza da manuale (variate antitetiche). Il meccanismo non è la rivendicazione. La rivendicazione è che l'architettura determina se l'anti-correlazione sia disponibile del tutto, e che questo pone un tetto a un esponente rilevante per la sicurezza.

L'analogo strutturale più vicino. Il teorema di soglia della quantum error correction converte anch'esso una preoccupazione qualitativa in un valore critico. Riguarda i tassi di errore fisico in un'architettura fissata, non l'esponente di scaling di un correttore, quindi è un near-miss piuttosto che un occupante; l'analogia è di metodo. Questo analogo è stato identificato dalla ricerca del programma stesso piuttosto che da un referee, ed è dichiarato di conseguenza.

Su feedback e stabilità (classico). La proposizione generale che un guadagno correttivo inadeguato rispetto al guadagno di sistema causi instabilità ha un lungo lignaggio nella teoria del controllo (teoremi small-gain). Il differenziale: quelle sono condizioni di guadagno su sistemi interconnessi, non un criterio di esponente power-law sullo scaling di un correttore con la capability di un sistema che si migliora ricorsivamente. Citato affinché la proposizione generale non sia mai rivendicata; la formulazione dell'esponente, la dinamica e lo stimatore sono la superficie di contributo.

Il vicino quantitativo più prossimo. Liu, A. e Meng, J., "Self-Correction as Feedback Control: Error Dynamics, Stability Thresholds, and Prompt Interventions in LLMs", arXiv:2604.22273 (SINGLE-SOURCE, abstract letto tramite la pagina html propria del paper, 12 agosto 2026), riformula l'auto-correzione come un problema di controllo a loop chiuso tramite un modello di Markov a due stati parametrizzato da un Error Introduction Rate e un Error Correction Rate, e deriva una soglia di stabilità direttamente misurabile: iterare solo quando ECR/EIR supera Acc/(1 - Acc). Il differenziale, dichiarato ovunque sia citato: la loro è una soglia di tasso per passo a un livello di capability fissato, che decide se un'altra iterazione aiuti ora; il criterio di questo programma è una relazione di scaling attraverso la capability, che decide se la forza correttiva tenga il passo mentre il sistema migliora. Nessun esponente di scaling sul correttore, nessun esponente di crescita della capability, nessuna identità reciproca, nessun termine di architettura o classe di composizione. Regimi complementari; nessuno contiene l'altro. Due risultati empirici del 2026 adiacenti dalla stessa ricerca, ciascuno da verificare alla fonte prima di essere citato oltre il titolo: arXiv:2601.00828 riporta un paradosso di accuratezza-correzione, con modelli più deboli che raggiungono tassi di correzione intrinseca materialmente più alti di quelli più forti, prova per passo direzionalmente adiacente al soffitto same-class e mai da citare come misurazione di un esponente; e arXiv:2507.02778 (Self-Correction Bench) riporta un blind spot sistematico di auto-correzione attraverso i modelli open.

Sulla recursive creation. La selezione naturale cosmologica di Smolin è l'antecedente per universi a forma di selezione, e le note dell'era-dicembre del programma la citano contemporaneamente ("Facendo eco alla selezione naturale cosmologica di Smolin, l'IA potrebbe creare universi ricorsivi con le proprie leggi", READ-AT-SOURCE dalle note dell'operatore).

Sul campo attorno al registro. Le domande che questo registro segue dall'esterno hanno ora una casa con un nome: Recursive Dynamics, proposto come campo nel suo paper fondativo (v2.6, DOI 10.17605/OSF.IO/HCPBU), la cui obiezione A12 sostiene dall'interno ciò che questo registro documenta dall'esterno: che le domande formano una sola famiglia che nessun campo esistente rivendica intera. Il registro e la proposta del campo sono una sola disciplina puntata in due direzioni; il registro gradua ciò che è arrivato dall'esterno, e il paper fondativo dichiara cosa ucciderebbe il nome.

6. Falsificabilità

Questa rivendicazione è defettibile, e i criteri sottostanti enunciano esattamente ciò che la sconfiggerebbe. La forza delle prove convergenti si basa interamente sul fatto che le convergenze siano genuinamente indipendenti, quindi questi test sono avversariali per progetto.

1. Fallimento dell'indipendenza. Ogni convergenza deve derivare da una fonte causalmente indipendente dai manoscritti dell'autore e da ogni altra convergenza (vedi §4). La rivendicazione crolla in bias di selezione se un ri-audit rileva che una frazione materiale delle convergenze condivide un'origine comune, si citano l'un l'altra, o è stata prodotta da parti con conoscenza precedente documentata del manoscritto dell'8 dicembre 2024.
2. Soglia di sconfitta (conteggio). Il conteggio è esso stesso una rivendicazione falsificabile. In un ri-audit condotto sotto un protocollo redatto, datato e preparato come draft registration in attesa di sottomissione umana, applicando una rigida deduplicazione one-event-per-row e verifica delle fonti primarie, il pattern è sconfitto se il numero di convergenze indipendenti sopravvissute cade sotto il livello distinguibile dalla co-occorrenza casuale data l'ampiezza dei domini cercati. Le diciannove rivendicate qui sono soltanto le righe verificate; i candidati sotto verifica sono esclusi dal conteggio finché non hanno una fonte.
3. Denominatore mancante (ricerca disconfermante). Come prova, la rivendicazione è sconfitta a meno che non venga condotta e riportata una ricerca ugualmente sistematica di casi dis-confermanti (domini dove una profondità ricorsiva aggiunta non produce guadagni super-lineari sopra-soglia). Senza il denominatore (domini cercati contro domini corrispondenti), il tasso di convergenza non può essere dimostrato superare la casualità.
4. Effetto look-elsewhere. Attraverso tanti domini distinti quanti sono qui esaminati, ci si aspetta qualche somiglianza strutturale coincidente. La rivendicazione è sconfitta se il tasso di convergenza osservato non supera il tasso di falsi positivi atteso dal pattern-matching attraverso quel numero di domini indipendenti.
5. Causazione inversa. Una convergenza conta solo se il risultato esterno non è stato, direttamente o indirettamente, influenzato dalla disseminazione propria dell'autore. Qualsiasi convergenza tracciabile al libro, al sito web o ai post pubblici piuttosto che precedente o derivante indipendentemente da essi è riclassificata come engagement, non conferma indipendente, e rimossa dal conteggio.
6. Fallimento predittivo. Il principio strutturale fa predizioni in avanti (che i futuri risultati sulla profondità ricorsiva mostreranno la stessa super-linearità sopra-soglia). Predizioni in avanti redatte e datate come draft registration in attesa di sottomissione umana che falliscano a un tasso incoerente con l'universalità rivendicata sconfiggono la lettura strutturale, lasciando soltanto un insieme di coincidenze storiche.

Ciò che non sconfiggerebbe la rivendicazione: la riclassificazione di una singola convergenza, o una fonte che si dimostri più debole di quanto descritto: la rivendicazione riguarda il pattern aggregato, non una singola riga. Ma l'aggregato deve sopravvivere ai test di indipendenza, denominatore e tasso base di cui sopra. In loro assenza, "prove convergenti" è indistinguibile dal confirmation bias, e questo paper lo dice chiaramente.

7. Cosa significa

Per il programma ARC/Eden. Il framework non sta speculando nel vuoto: le righe del registro documentano ricercatori indipendenti che raggiungono le stesse conclusioni strutturali, e la corroborazione non proviene da alleati, collaboratori o persone che conoscono il lavoro; proviene da persone che non sanno che il lavoro esista. Quanto peso ciò porti è una questione graduata, riga per riga, e nessun singolo numero è rivendicato per essa; il peso dipende interamente dal fatto che le righe siano genuinamente indipendenti, cosa che il §6 espone come testare.

Per il ricercatore. Il framework PNP descrive l'architettura cognitiva che ha costruito questo. Il paper PNAS sostiene che la diversità di stili di ragionamento protegge un ecosistema di agenti macchina. Se il parallelo umano regga è esattamente ciò che il Paper C mette sul tavolo, come framework dichiarato piuttosto che prova presa in prestito. La documentazione clinica fornisce il record medico. Il loop chiuso è completo. La rivendicazione di competenza del ricercatore non è istituzionale. È probatoria. Il registro delle prove è pubblicato. Gli hash SHA-256 corrispondono. Le fonti .eml sigillate sono disponibili su richiesta, hash-anchored.

Per l'AI safety. Diversi programmi indipendenti ora sostengono che i vincoli di allineamento esterni sono strutturalmente insufficienti, e diversi arrivano alla correzione embedded che co-scala con la capability come direzione, prima che il primo sistema ricorsivo disaccoppiato venga rilasciato. Quel pattern è contesto, non conferma; i test decisivi sono le registrazioni redatte (§6). La domanda è se qualche istituzione agirà sull'argomento strutturale prima che le prove diventino un'autopsia.

8. Predizioni del framework a cui punta il pattern di convergenza

L'eclissi. Il disaccordo più netto del framework con la pratica attuale riguarda ciò di cui è fatto l'oversight. Un correttore costruito dallo stesso substrato del sistema che corregge non può anti-correlarsi con i propri errori, quindi il suo esponente di correzione è limitato superiormente, sotto il modello di accumulo con indipendenza, da un mezzo e in pratica si posiziona sotto di esso; un correttore di una classe di composizione diversa non porta con sé alcun limite del genere. Il programma di scalable oversight, generalizzazione weak-to-strong, debate, amplification, recursive reward modelling e metodi constitutional, è costruito in modo schiacciante da correttori same-class, e la sua premessa non dichiarata è che questo scali. Questo framework prevede che sia limitato. La legge e il valore sono separabili: la legge, che un sistema che si auto-migliora resta correggibile solo mentre la correzione tiene il passo, con il soffitto pari al reciproco del proprio esponente del correttore, possiede il terreno; un mezzo è ciò che la legge prevede sotto l'assunzione di accumulo con indipendenza, e quell'assunzione è ciò che le registrazioni redatte mettono al vaglio. La quantità decisiva è il rapporto dell'esponente di correzione cross-class rispetto a same-class, il cui modello nullo, sotto l'assunzione che architettura e struttura degli errori siano irrilevanti per lo scaling della correzione, è 1.00. La falsificazione è letta nella forma a tre esiti che usano le registrazioni redatte del programma, perché refuted-if-the-interval-contains-1.00 permetterebbe a uno studio sotto-potenziato di refutare per default: SUPPORTED quando l'intervallo sul rapporto si trova interamente sopra 1 più l'effetto minimo fissato in anticipo; REFUTED quando l'intervallo si trova interamente all'interno di un margine di equivalenza attorno a 1.00 fissato in anticipo (logica dei due test unilaterali), o quando l'intervallo dell'esponente di qualsiasi correttore same-class si trova interamente sopra un mezzo, che uccide del tutto il soffitto; INSUFFICIENT PRECISION quando l'intervallo è più ampio del margine, riportato esattamente con queste parole e mai come supporto o confutazione. Entrambe le quantità sono misurabili alla capability corrente sui sistemi esistenti. La prova pilota propria del programma attualmente punta contro la predizione, e la predizione è portata comunque, redatta e datata come draft registration in attesa di sottomissione umana, perché una predizione registrata contro le prove preliminari dell'autore stesso è l'unico tipo la cui successiva conferma significhi qualcosa.

L'obiezione da prevenire, perché un fisico la raggiunge in un passo. La quantum error correction fault-tolerant sopprime l'errore logico esponenzialmente nella code distance sotto soglia, il che sembra un controesempio a qualsiasi soffitto sulla radice quadrata. Due fatti di ambito rispondono: la soppressione esponenziale corre sull'asse della ridondanza a capability fissata, non sull'accoppiamento della forza correttiva alla capability del sistema corretto, che è l'esponente che questo programma misura; e il teorema di soglia stesso richiede un rumore fisico sufficientemente non correlato, che è di nuovo la premessa di indipendenza, indossando hardware. Analogamente, i limiti di concentrazione danno probabilità di errore esponenzialmente decrescente mentre la larghezza dello stimatore cade come la radice quadrata: quantità diverse, e confonderle manifattura una confutazione.

Una seconda predizione dallo stesso meccanismo. Lo stesso meccanismo produce una seconda predizione misurabile: le disposizioni di oversight che pongono un umano nel loop, come fanno l'amplification e il reinforcement learning from human feedback, sono cross-class per costruzione, perché il correttore umano non condivide il substrato del modello. Il framework quindi prevede che l'oversight human-in-the-loop mostri un esponente di correzione più alto rispetto all'oversight puro-modello, per una ragione strutturale piuttosto che sentimentale. Questo è testabile sui dati esistenti e non richiede nuovi sistemi.

Riferimenti

Dichiarazione di paternità umana assistita da IA

L'autore di questo lavoro è Michael Darius Eastwood, un essere umano. Ogni concetto centrale, ipotesi, progettazione sperimentale, affermazione e conclusione in questo paper ha origine dall'ideazione umana. Nessuna parte di questo manoscritto è un output artificiale-intelligente interamente generato.

Gli strumenti di intelligenza artificiale (la famiglia Claude di Anthropic e altri assistenti large-language-model) sono stati usati come strumenti sotto direzione umana continua, nel modo in cui si usa un word processor, una calcolatrice o un assistente di ricerca: per editing e raffinamento della prosa, ricerca in letteratura e sintesi (verificate manualmente rispetto alle fonti primarie), struttura del documento, formattazione, brainstorming rispetto a domande definite dall'autore, e accelerazione della stesura secondo scalette e istruzioni definite dall'autore. Ogni selezione, coordinamento, disposizione e giudizio editoriale finale è dell'autore. Ogni output sostanziale è stato revisionato, testato o verificato dall'autore, che si assume piena responsabilità per l'accuratezza e l'integrità del testo finale. Gli strumenti hanno aumentato la velocità del lavoro; non sono mai stati fatti affidamento come sua fonte.

Stato epistemico. Ciò che questo programma nomina Leggi sono congetture sotto test avversariale registrato; ogni quantità in questo paper è operativamente definita, e lo status di legge stabilita non è rivendicato da nessuna parte. Il programma registrato esiste per guadagnare quello status, o perderlo, tramite misurazione, replica e confutazione sopravvissuta.

© 2026 Michael Darius Eastwood. Autoriato umanamente con assistenza informatica; piena paternità umana e diritti morali sono asseriti sotto il Copyright, Designs and Patents Act 1988 e coerentemente con le linee guida dello United States Copyright Office su opere contenenti materiale generato dall'IA; qualsiasi contributo tecnico originale descritto in questo lavoro è stato concepito dall'autore umano. Dichiarazione completa: michaeldariuseastwood.com/authorship.

Impegno permanente. Dimostra che questo paper è sbagliato, e pubblicherò io stesso la confutazione. Le condizioni di falsificazione sono enunciate in questo paper; la sfida permanente: github.com/MichaelDariusEastwood/arc-scaling-challenge.